Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "transformacja falkowa (CWT)" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Type of modulation identification using Wavelet Transform and Neural Network
Autorzy:
Walenczykowska, M.
Kawalec, A.
Powiązania:
https://bibliotekanauki.pl/articles/201661.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
modulation identification
artificial neural networks
continuous wavelet transform (CWT)
identyfikacja modulacji
sztuczne sieci neuronowe (SSN)
transformacja falkowa (CWT)
Opis:
Automatic recognition of the signal modulation type turned out to be useful in many areas, including electronic warfare or surveillance. The wavelet transform is an effective way to extract signal features for identification purposes. In this paper there are M-ary ASK, M-ary PSK, M-ary FSK, M-ary QAM, OOK and MSK signals analysed. The mean value, variance and central moments up to five of continuous wavelet transform (CWT) are used as signal features. The principal component analysis (PCA) is applied to reduce a number of features. A multi-layer neural network trained with backpropagation learning algorithm is considered as a classifier. There are two research variants: interclass and intraclass recognition with a wide range of signal-to-noise ratio (SNR).
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2016, 64, 1; 257-261
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przegląd możliwości rozpoznawania wybranych typów modulacji sygnałów
Overview of the possibilities of recognizing selected types of signal modulations
Autorzy:
Walenczykowska, Marta
Kijewski, Adam
Powiązania:
https://bibliotekanauki.pl/articles/501938.pdf
Data publikacji:
2014
Wydawca:
Agencja Bezpieczeństwa Wewnętrznego
Tematy:
Sieci neuronowe
ciągła transformacja falkowa
rozpoznawanie modulacji
rozpoznanie radioelektroniczne
radiowywiad
Neural networks
Continuous Wavelet Transform (CWT)
modulation recognition
radio surveillance
radio intelligence
Opis:
W artykule zaprezentowano skrótowo informacje dotyczące możliwości zastosowania sztucznych sieci neuronowych a następnie omówiono teoretyczne podstawy ich działania, począwszy od uproszczonej budowy neuronu. Przytoczono również podstawowe wzory pozwalające na obliczenie wartości wyjściowych sztucznego neuronu po podaniu na jego wejścia określonych wartości. Następnie przedstawiono wybrane typy modulacji sygnałów, czyli PSK, FSK, QAM, ASK oraz ich własności. Omówiono cechy charakterystyczne ciągłej transformacji falkowej (CWT) obliczonej dla wybranych typów modulacji, pozwalające na rozróżnienie poszczególnych typów modulacji i stanowiących podstawę przedstawionego w pracy algorytmu rozpoznawania typów modulacji z wykorzystaniem ciągłej transformacji falkowej (CWT) i sztucznej sieci neuronowej (SSN). W analizowanym algorytmie na wejścia sieci podawane są wartości średnie i odchylenia standardowe ciągłej transformacji falkowej, obliczonej dla poszczególnych sygnałów zmodulowanych. Zadaniem sieci neuronowej jest z kolei klasyfikacja typu modulacji sygnału na podstawie wspomnianych wyżej cech podawanych na jej wejście. W artykule przedstawiono również wyniki otrzymane podczas badań symulacyjnych wykonanych w środowisku MatLab (firmy MathWorks).
The proper signal classification have a great importance in the domain of electronic surveillance or wireless communication. The article presents a short introduction into neural networks and describes their application. It also lists basic equations which are essential for the neural network theory. In this paper we also recall the most popular modulations types and investigate the possibility of using wavelet transform (CWT) and neural network for the modulation type recognition system. The modulation identification algorithm is also presented and its performance is analyzed. Four types of signal modulation are reviewed: PSK, FSK, QAM, ASK. The mean value and standard deviation of CWT of each modulation type are used as signal features. After the proper features are extracted they are sent to the two layer neural network entry which is proposed as a classifier. We use a back propagation training algorithm. Also simulation results were presented in the article.
Źródło:
Przegląd Bezpieczeństwa Wewnętrznego; 2014, 6, 11; 206-222
2080-1335
2720-0841
Pojawia się w:
Przegląd Bezpieczeństwa Wewnętrznego
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies