《表1 信号仿真参数:基于深度学习的跳频信号识别》
为了对比本文算法和基于支持向量机(Support Vector Machine,SVM)及传统K-Means算法的分选性能优劣,在高斯白噪声下,四种无人机跳频信号的参数产生四个跳频信号,如表1所示;信噪比为-20~30 d B。为了比较本文算法的分选性能,假设已经估计出跳频信号的跳周期和带宽,作为基于SVM和传统K-Means算法的特征向量,并且训练和测试数据都是在已知类别标签条件下实现的降维。为了验证基于轮廓特征的跳频识别算法的有效性,先构建等高线图的数据集,再输入到CNN网络进行训练。
图表编号 | XD00219763200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.28 |
作者 | 吕国裴、谢跃雷 |
绘制单位 | 桂林电子科技大学认知无线电与信息处理省部共建教育部重点实验室、桂林电子科技大学认知无线电与信息处理省部共建教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |