【信号处理】使用CNN对RF调制信号进行分类

Modulation Classification

Using CNN to classify RF modulation data.

Dataset is from: DATA LINK

paper: Over the Air Deep Learning Based Radio Signal Classification

Data Preprocessing

Data is processed. Column data are a two variable label composed of the Modulation and SNR, Row 0 is the binary encoded version of the Modulation and SNR, Row 1 is the actual data, each column is a 2, 128 array of I and Q data for the specified Modulation and SNR in the column label.

Build the CNN

python 复制代码
from keras.models import Sequential
from keras.layers import Dense, Activation, Dropout, Conv1D, MaxPooling1D, GlobalAveragePooling1D, Flatten

verbose, epochs, batch_size = 1, 256, 1024
n_timesteps, n_features, n_outputs = xTrain.shape[1], xTrain.shape[2], yTrain.shape[1]
print('timesteps=', n_timesteps, 'features=', n_features, 'outputs=', n_outputs)
model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(n_timesteps, n_features)))
model.add(Conv1D(filters=64, kernel_size=3, activation='relu'))
model.add(Dropout(0.5))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
model.add(Dense(100, activation='relu'))
model.add(Dense(n_outputs, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
#model.compile(RAdam(), loss='categorical_crossentropy', metrics=['accuracy'])
print(model.summary())
相关推荐
曼城周杰伦10 小时前
表格不同类型的数据如何向量化?
人工智能·机器学习·分类·数据挖掘·sklearn·word2vec
菜鸟小码农的博客11 小时前
昇思MindSpore第四课---GPT实现情感分类
gpt·分类·数据挖掘
宋发元13 小时前
Preamble puncture 信号处理技术
网络·5g·信号处理
CopyLower14 小时前
AI 赋能电商的未来:购物推荐、会员分类与智能定价的创新实践
人工智能·分类·数据挖掘
安静的_显眼包O_o14 小时前
get_dumines() 函数,用于将分类变量转换为哑变量
人工智能·分类·数据挖掘
文柏AI共享16 小时前
机器学习-朴素贝叶斯
人工智能·机器学习·自然语言处理·分类
Just Jump16 小时前
机器翻译基础与模型 之二: 基于CNN的模型
人工智能·cnn·机器翻译
蓝博AI1 天前
基于卷积神经网络的皮肤病识别系统(pytorch框架,python源码,GUI界面,前端界面)
pytorch·python·cnn
zhojiew2 天前
sagemaker中使用pytorch框架的DLC训练和部署cifar图像分类任务
人工智能·pytorch·分类
江海寄2 天前
[论文阅读] 异常检测 Deep Learning for Anomaly Detection: A Review (四)三种分类方法对比
论文阅读·人工智能·深度学习·机器学习·计算机视觉·分类