Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 Elektronika : konstrukcje, technologie, zastosowania

1 2022

1 Kukliński D.

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: modulacje

Sortuj według:

Ogranicz wyniki do:

Koncepcja architektur sieci neuronowych na potrzeby klasyfikacji sygnałów radiowych

100%

Kukliński D.

Elektronika : konstrukcje, technologie, zastosowania

2022

tom Vol. 63, Nr 6

12--17

Problem automatycznej klasyfikacji widma jest coraz ważniejszy w dzisiejszych czasach. Jest to kluczowy problem, który należy rozwiązywać w systemach komunikacji bezprzewodowej wykorzystywanych w zastosowaniach wojskowych jaki i cywilnych. Istnieje wiele metod rozwiązujących powyżej przedstawione zagadnienie, tradycyjne, oparte głównie na statystyce oraz wykorzystujące algorytmy sztucznej inteligencji, które są zakwalifikowane do metod zaawansowanych. W artykule przed- stawiono koncepcje dwóch modeli głębokich sieci neuronowych, które rozwiązują problem automatycznej klasyfikacji modulacji w nowatorski sposób. Zaproponowane struktury same dostosowują przetwarzanie otrzymanego sygnału w celu detekcji rodzaju modulacji. Pierwsza struktura wykorzystuje transformatę Wignera-Vill’a, natomiast drugi model wykorzystuje krótko okresową transformatę Fouriera. Obie transformaty są zaimplementowane w warstwie wejściowej z wagami, które oddziałują na parametry tych transformat.

The problem of automatic spectrum classification is becoming more and more important nowadays. This is a key problem that needs to be solved in wireless communication systems used in military and civilian applications. There are many traditional methods that solve the problem presented above, mainly based on statistics and using artificial intelligence algorithms, which are classified as advanced methods. The article presents the concepts of two models of deep neural networks that solve the problem of automatic classification of modulation in an innovative way. The proposed structures themselves adapt the processing of the received signal in order to detect the modulation type. The first structure uses the Wigner-Vill transform, while the second model uses the short period Fourier transform. Both transforms are implemented in the input layer with weights that affect their execution.