基于全双谱和卷积神经网络的信号分类方法

摘要

为解决电磁频谱中的未知信号分类和身份识别问题,提出一种基于改进卷积神经网络(CNN) LeNet-5模型的信号分类方法.该方法使用信号全双谱作为CNN的输入,然后通过改进的LeNet-5模型学习信号特征并完成信号分类和身份识别.实验结果表明,算法对未知信号调制类型识别率达97％以上,对信号身份属性识别率达96％以上.相比传统方法,该算法对信号身份属性识别率提高6.5％,具有更好的泛化性能,并有效解决了全双谱应用的二维模板匹配和Loss函数值下降缓慢的问题.