使用原始I/Q数据进行数字调制信号的深度学习分类
摘要：使用I / Q数据考虑基于深度学习的数字调制信号分类问题，并研究经过训练的神经网络（NN）的泛化能力，以正确分类其已经被训练识别的数字调制信号，训练和测试数据集不同。具体来说，我们考虑了残差网络（RN）和卷积神经网络（CNN），并将它们与包含类似类别的数字调制信号的两个不同数据集结合使用，这两个数据集是独立使用不同的方法生成的，其中一个数据集用于训练，另一个数据集用于测试。
作者：John A. Snoap, Dimitrie C. Popescu, Chad M. Spooner
论文ID：2307.02450
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-07-06