检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于卷积长短时深度神经网络的信号调制方式识别方法

杨海宇, 郭文普, 康凯

《计算机应用》唯一官方网站 2023, 43 (4): 1318-1322. DOI: 10.11772/j.issn.1001-9081.2022030425

摘要（245）

HTML （11）

PDF （2318KB）（114）

针对信号调制方式识别计算复杂度高、低信噪比（SNR）条件下识别率较低、网络结构相对单一的问题，提出一种基于卷积长短时深度神经网络（CLDNN）的信号调制方式识别方法。首先，采用基准开源数据集RadioML2016.10a，对该数据集做同相正交（I/Q）数据转换，并将得到的结果作为网络输入；其次，构建CLDNN模型，模型分为三层卷积神经网络（CNN）、两层长短期记忆（LSTM）网络和两层全连接网络（FCN）；最后，对所提模型进行训练及测试，得到分类结果。实验结果表明，对11种信号在不同SNR下进行调制方式识别时，与现有的单一网络结构模型如残差神经网络（RES）模型、CNN模型和残差生成对抗网络（RES-GAN）模型进行对比，随着SNR的提升，CLDNN模型的识别准确率也随之提高，且CLDNN模型的识别准确率均高于其他3种对比模型，当SNR在4 dB以上时，达到了92%。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于经验模式分解的音频水印算法

武朋辉, 杨百龙, 赵文强, 郭文普

计算机应用 2015, 35 (5): 1417-1420. DOI: 10.11772/j.issn.1001-9081.2015.05.1417

摘要（423）

PDF （702KB）（498）

针对传统基于经验模式分解(EMD)的音频水印算法鲁棒性不强的问题,提出一种基于固有模态函数(IMF)极值的盲音频水印算法.首先对音频信号进行分帧,每个音频帧经过EMD后得到IMF; 接着利用均匀量化的方法将水印信息和同步码嵌入到最后一个IMF的极值中.所提算法的数据嵌入率是46.9~50.3 b/s,且携水印音频保持了原始音频的感知质量.对携水印音频进行加噪、MP3压缩、重新采样、滤波、剪切和重采样攻击后,提取出的水印信息变化不大,算法鲁棒性较好.与时间域和小波域算法相比,提出的算法在保证高数据嵌入率的同时,可以抵抗32 kb/s的MP3压缩攻击.

参考文献 | 相关文章 | 多维度评价