基于深度学习的通信信号识别理论与方法9787118127423

第1章绪论

常规通信信号识别分类方法

1.1.1信号分类特征设计

基于判决树的分类方法

1.1.3基于模式识别的分类方法

1.1.4常规方法面临的主要问题

1.2基于深度学习的通信信号识别分类方法

1.2.1与常规方法的差别

1.2.2研究和发展现状

1.2.3面临的主要问题

1.3发展趋势

1.3.1基于深度学习的通信信号识别机理深化研究.....

1.3.2小样本条件下的通信信号识别技术研究

参考文献

第2章基于卷积神经网络的通信信号识别分类

2.1基于卷积神经网络的通信信号识别基础

2.1.1神经网络优化理论，

2.1.2卷积神经网络独特结构.

2.1.3卷积神经网络新型结构

2.2基于图像特征提取的通信信号识别分类方法

2.2.1通信信号的图像转化

2.2.2基于时频图卷积神经网络的算法验证

012.2.3基于循环谱图卷积神经网络的算法验证

2.3基于序列输入卷积神经网络的通信信号识别分类方法

2.3.1序列信号

2.3.2基于序列输入卷积神经网络的算法验证

2.4本章小结

参考文献

第3章基于循环神经网络与集成网络的通信信号分类

3.1循环神经网络基本概念

3.1.1常见的循环神经网络结构

3.1.2循环神经网络的反向传播

3.2基于长短期记忆神经网络的通信信号识别方法

3.2.1长短时记忆网络的输入序列

3.2.2长短时记忆网络结构

3.2.3实验结果

3.3集成网络构建方法

3.3.1串联集成模式

3.3.2并联集成模式

3.3.3网络集成方法

3.4基于集成网络的通信信号识别分类方法

3.4.1基于并行时空自编码器网络的信号识别技术

3.5本章小结

参考文献

第4章基于生成对抗网络的通信信号识别分类方法

4.1生成对抗网络的基本原理及其在调制识别中的处理流程

4.1.1模型架构及网络结构

4.1.2激活函数和损失函数

4.1.3目标函数和梯度下降算法

4.1.4调制信号识别流程

4.2基于Res-GAN的调制信号闭集识别

4.2.1网络模型设计

4.2.2联合损失函数

4.2.3实验结果与分析

4.3基于数据重建和数值理论生成对抗网络的调制信号开集识别

4.3.1网络模型设计

4.3.2损失函数及网络参数设置

4.3.3算法具体实现

4.3.4仿真实验及结果分析

4.4本章小结

参考文献

第5章其他新型网络在通信信号识别中的应用

5.1注意力机制

5.1.1 引言

注意力机制

5.1.3注意力机制变体

5.1.4自注意力机制

5.1.5注意力机制在通信信号识别中的应用

5.2 Transformer 网络

5.2.1引言

5.2.2 Transformer网络结构

5.2.3 Transformer 中的编码器模块

5.2.4 Transformer中的解码器模块

Transformer复杂度分析与比较

5.2.6 Transformer的变体

5.2.7 Transformer在通信信号识别中的应用....

5.3基于元学习的通信信号识别

5.3.1元学习的概念

5.3.2元学习的处理方法

 5.3.3元学习在通信信号识别中的应用

5.4本章小结

参考文献

第6章基于半监督学习的通信信号识别方法

6.1自编码器原理

6.2

改进型自编码器

6.2.1降噪自编码器

6.2.2卷积自编码器

6.2.3稀疏自编码器

6.2.4自编码器结构设计

6.3基于对比预测网络的半监督信号识别方法.

……

E 10.1.2基于PACGAN的辐射源个体识别算法

10.1.3实验分析

10.2基于ACWGAN-GP的小样本辐射源个体识别算法

10.2.1 ACWGAN-GP模型

10.2.2实验与分析

10.3基于Bi-ACGAN 和 TCBAM 注意力模块的小样本

辐射源个体识别模型

10.3.1 TCBAM 注意力模块设计

10.3.2Bi-ACGAN模型

10.3.3实验与分析

10.4本章小结

参考文献

本书对现有的基于深度学习的通信信号识别方法进行了总结，首先介绍了一般神经网络及其在通信信号识别中的应用，然后系统阐述了小样本条件下基于深度学习的通信信号分类识别方法，最后讨论了基于深度学习的通信辐射源个体识别技术，包括基于孪生网络的通信信号识别技术、基于深度学习的通信辐射源个体识别技术和基于ＧＡＮ 的小样本通信信号辐射源个体识别技术，书中理论与实践相结合，针对实际环境中可能出现的信号识别场景提出相应的技术路线，既有基本概念的阐述，也有深入的仿真分析。