Abstract: B. Comar (2024)

This paper discusses an approach to modulation recognition (classification) of RF signals based on time series encoders in conjunction with image classifiers. The encoders used include Gramian angular fields, Markov transition fields, and recurrence plots. Complex signals are converted into color images using a variety of techniques that handle the real and imaginary components. These color images are used to train resnet34 neural networks to perform classification. Testing is performed on clean signals as well as signals that are impaired with white Gaussian noise. Various amounts of training data are also investigated. Results look promising for select systems under favorable noise and training scenarios.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Using Time Series Encoders with Image Classifiers to Perform Modulation Recognition