【信号识别】基于深度学习CNN实现信号调制分类附matlab代码_信号六分类代码

1 简介

大容量、高速率的信息传输需求极大地推动了认知无线电领域的技术发展,其中,复杂电磁环境中信道均衡及通信调制类型识别技术,是该领域重要组成之一。传统的均衡处理主要是利用梯度下降法逼近信道特征,在时域或频域对信号进行逆卷积运算,以抑制信道干扰和畸变,改善系统响应;而传统的调制识别方法主要通过提取信号的专家特征,选择合适的分类器进行识别。近年来,许多先进的卷积神经网络架构及优化算法相继提出,深度学习在多个领域都取得了突破性的成果。基于卷积神经网络对原始输入的抽象特征学习能力,本文对其在信号去噪、信道均衡及调制识别等方面的应用进行了深入研究​。

2 部分代码

classdef helperModClassFrameStore < handle%helperModClassFrameStore Manage data for modulation classification%   FS = helperModClassFrameStore creates a frame store object, FS, that%   stores the complex baseband signals in a format usable in machine%   learning algorithms.%   %   FS = helperModClassFrameStore(MAXFR,SPF,LABELS) creates a frame store%   object, FH, with the maximum number of frames, MAXFR, samples per%   frame, SPF, and expected labels, LABELS.%   %   Methods:%   %   add(FS,FRAMES,LABEL) ad