En el campo de la contramedida electrónica, el reconocimiento de las señales de radar es extremadamente importante. Este trabajo utiliza GNU Radio y Universal Software Radio Peripherals para generar 10 clases de señales de radar multipulso cercanas a la realidad, a saber, Barker, Caótica, EQFM, Frank, FSK, LFM, LOFM, OFDM, P1 y P2. Para obtener la imagen de tiempo-frecuencia (TFI) de la señal de radar multipulso, la señal se transforma en la distribución de Choi-Williams (CWD). Con el objetivo de obtener las características de la TFI de la señal de radar multipulso, diseñamos un módulo de extracción de fusión de características distintivas (DFFE) y propusimos un nuevo modelo de aprendizaje profundo HRF-Net basado en este módulo. El modelo tiene relativamente pocos parámetros y cálculos. Los experimentos se llevaron a cabo con una relación señal-ruido (SNR) de -14 ∼ 4 dB. En el caso de -6 dB, el resultado de reconocimiento de HRF-Net alcanzó el 99,583
y el resultado de reconocimiento de la red siguió alcanzando el 97,500% bajo -14 dB. En comparación con otros métodos, las redes HRF tienen una generalización y una robustez relativamente mejores.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Respuestas Fisiológicas y Bioquímicas de [organismo 1] y [organismo 2] ante el Estrés por Cadmio
Artículo:
Diseño de la geometría de los inyectores de chorro sin aguja y análisis del proceso de difusión del fármaco
Artículo:
Obstáculos para la adopción de la iniciativa de circuncisión masculina del gobierno de Botswana para la prevención del VIH.
Artículo:
Micropartículas de Proteínas de Gluten de Trigo Solubles en Etanol por Nanoprecipitación: Preparación, Caracterización y Estudio como Fertilizante de Liberación Prolongada
Artículo:
Predicción del par pasivo en la articulación del hombro humano basada en BPANN