低信噪比下基于多流时空网络的调制识别方法和装置
技术特征：
1.一种低信噪比下基于多流时空网络的调制识别方法，其特征在于，包括：
2.根据权利要求1所述的低信噪比下基于多流时空网络的调制识别方法，其特征在于，所述s1中，利用emd算法去噪包括：
3.根据权利要求1所述的低信噪比下基于多流时空网络的调制识别方法，其特征在于，所述s1中，利用eemd算法去噪包括：
4.根据权利要求1所述的低信噪比下基于多流时空网络的调制识别方法，其特征在于，所述s3中，利用所述训练集对多流时空网络进行训练包括：
5.根据权利要求2所述的低信噪比下基于多流时空网络的调制识别方法，其特征在于，
6.根据权利要求3所述的低信噪比下基于多流时空网络的调制识别方法，其特征在于，
7.一种低信噪比下基于多流时空网络的调制识别装置，其特征在于，包括：
8.根据权利要求7所述的低信噪比下基于多流时空网络的调制识别装置，其特征在于，所述去噪模块包括：
9.根据权利要求7所述的低信噪比下基于多流时空网络的调制识别装置，其特征在于，所述去噪模块还包括：
10.根据权利要求7所述的低信噪比下基于多流时空网络的调制识别装置，其特征在于，所述模型训练模块包括：
技术总结
本发明涉及信号调制识别领域，具体公开了一种低信噪比下基于多流时空网络的调制识别方法和装置。包括将获取的原始信号分别利用EMD算法和EEMD算法进行去噪，得到2个去噪信号数据集，将所述2个去噪信号数据集分别与RML2016.10a数据集结合，得到2个合成数据集RML2016.10a‑01、RML2016.10a‑02，并将所述多合成数据集划分为多个训练集、测试集和验证集，构建多流时空网络模型，并分别利用所述多个训练集和验证集对所述多流时空网络模型进行训练和验证，得到训练后模型，将所述合成数据集输入所述训练后模型得到信号识别结果。通过对低信噪比数据进行信号去噪，可以提升网络的识别精度。
技术研发人员：王玉莹,方胜良,范有臣,马淑丽,王孟涛,徐照菁,侯顺虎,彭亮,马昭
受保护的技术使用者：中国人民解放军军事航天部队航天工程大学
技术研发日：
技术公布日：2024/11/28
文档序号 :
【 40162229 】
技术研发人员：王玉莹,方胜良,范有臣,马淑丽,王孟涛,徐照菁,侯顺虎,彭亮,马昭
技术所有人：中国人民解放军军事航天部队航天工程大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除
技术研发人员：王玉莹,方胜良,范有臣,马淑丽,王孟涛,徐照菁,侯顺虎,彭亮,马昭
技术所有人：中国人民解放军军事航天部队航天工程大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除