基于Swin-Transformer的短波协议信号识别OA北大核心CSTPCD
针对短波复杂信道环境下信号所属协议识别困难的问题,提出一种基于Swin-Transformer神经网络模型的短波协议信号识别算法。首先使用时频分析方法得到信号的灰度时频图作为神经网络的输入;其次设计一种基于Swin-Transformer的神经网络模型,对信号时频图进行特征提取;最后将特征与协议建立映射关系,从而实现信号协议的识别。仿真实验结果表明,在信噪比大于−4 dB的高斯信道下,所提算法的识别准确率接近100%,高于现有算法。此外,在强干扰以及多径时延衰落的信道条件下,所提算法仍具有较高的短波协议信号识别率。
朱政宇;陈鹏飞;王梓晅;巩克现;吴迪;王忠勇
郑州大学电气与信息工程学院,河南郑州450001 郑州大学河南省智能网络和数据分析国际联合实验室,河南郑州450001 郑州大学电子材料与系统国际联合研究中心,河南郑州450001郑州大学电气与信息工程学院,河南郑州450001郑州大学电气与信息工程学院,河南郑州450001郑州大学电气与信息工程学院,河南郑州450001信息工程大学数据与目标工程学院,河南郑州450001郑州大学电气与信息工程学院,河南郑州450001
信息技术与安全科学
短波协议信号识别神经网络时频分析多径时延衰落Swin-Transformer
《通信学报》 2022 (11)
P.127-135,9
评论