logo móvil
Contáctanos

Transformador de radio-imagen: conectando la clasificación de modulación de radio y la clasificación de ImageNet

Autores: Chen, Shichuan; Qiu, Kunfeng; Zheng, Shilian; Xuan, Qi; Yang, Xiaoniu

Idioma: Inglés

Editor: MDPI

Año: 2020

Descargar PDF

Acceso abierto

Artículo científico
2020

Transformador de radio-imagen: conectando la clasificación de modulación de radio y la clasificación de ImageNet


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Modulación de radio
Clasificación
ImageNet
Método de reordenamiento de señales
Método de mapeo de convolución
Modelos de redes de clasificación

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 24

Citaciones: Sin citaciones


Descripción
La clasificación de modulación de radio se utiliza ampliamente en el campo de la comunicación inalámbrica. En este documento, con el fin de realizar la clasificación de modulación de radio con la ayuda de los modelos de clasificación de ImageNet existentes, proponemos un transformador de radio-imagen que extrae la amplitud instantánea, la fase instantánea y la frecuencia instantánea de las señales de banda base compleja de radio recibidas, luego convierte las señales en imágenes mediante el método de reorganización de señales propuesto o el método de mapeo de convolución. Finalmente, utilizamos los modelos de red de clasificación de ImageNet existentes para clasificar el tipo de modulación de la señal. Los resultados experimentales muestran que el método de reorganización de señales propuesto y el método de mapeo de convolución son superiores a los métodos que utilizan diagramas de constelación e imágenes de tiempo-frecuencia, lo que muestra sus ventajas de rendimiento. Además, al comparar los resultados de los siete modelos de red de clasificación de ImageNet, se puede ver que, excepto por el rendimiento relativamente pobre de la arquitectura MNASNet1_0, el rendimiento de clasificación de modulación obtenido por las otras seis arquitecturas de red es similar, lo que indica que los métodos propuestos no tienen altos requisitos para la arquitectura de los modelos de red de clasificación de ImageNet seleccionados. Además, los resultados experimentales muestran que nuestro método tiene un buen rendimiento de clasificación para conjuntos de datos de señales con diferentes tasas de muestreo, señales de Multiplexación por División de Frecuencia Ortogonal (OFDM) y señales medidas reales.

Otros recursos que podrían interesarte

Temas Virtualpro