PL
 |
EN
Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 3

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Analiza funkcji nieoznaczoności dla wybranych sygnałów w zastosowaniu do radarów pasywnych
100%
Walenczykowska M. , Kawalec A.
|
2011
|
tom R. 87, nr 10
174-176
PL
W artykule omówiono możliwości wykorzystania sygnałów nadajników okazjonalnych w radarze pasywnym, w szczególności sygnały stacji FM. Przedstawiono kształt funkcji nieoznaczoności tych sygnałów oraz zobrazowano wpływ parametrów sygnału oraz odbiornika na możliwości detekcyjne radaru.
EN
The article investigates possibility of using waveforms of transmitters of opportunity for passive radars, especially FM signals. This report shows shape of ambiguity functions and impact of receiver and waveform parameters on passive radar detection abilities.
2
Zastosowanie transformacji falkowej i sieci neuronowej w rozpoznawaniu typu modulacji sygnału
100%
Walenczykowska M. , Kawalec A.
|
2012
|
tom Vol. 53, nr 9
120-123
PL
W artykule omówiono sposób rozpoznawania rodzaju modulacji przy użyciu transformacji falkowej (CWT) oraz sieci neuronowej. Przeanalizowano sygnały M-PSK, M-FSK, M-QAM, M-ASK oraz MSK. W celu wyodrębnienia cech wykorzystano wartość średnią i odchylenie standardowe |CWT| sygnałów nieunormowanych oraz unormowanych. Natomiast skuteczność sieci przetestowano dla sygnałów o stosunku sygnału do szumu równym kolejno 20, 10, 6 oraz 3 dB. Poprawność klasyfikacji wynosiła od 100% (dla S/N = 20 dB) do 81% (dla S/N = 3 dB).
EN
The article investigates possibility of modulation type recognition using wavelet transform (CWT) and neural network. There are five types signal modulation analised: M-PSK, M-FSK, M-QAM, M-ASK and MSK with and without normalization. The mean value and standard deviation of CWT are used as a signal features. Two layer neural network with backpropagation algorithm for training is proposed as classifier. Effectiveness of classifier is 100% for 20 dB signal to noise ratio to 81% for 3 dB signal to noise ratio.
3
Content available Type of modulation identification using Wavelet Transform and Neural Network
41%
Walenczykowska M. , Kawalec A.
|
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.