QAM调制实际上是幅度调制和相位调制的组合。相位 + 幅度状态定义了一个数字或数字的组合。QAM的优点是具有更大的符号率，从而可获得更高的系统效率。QAM调制实际上是幅度调制和相位调制的组合。相位 + 幅度状态定义了一个数字或数字的组合。QAM的优点是具有更大的符号率，从而可获得更高的系统效率。通常由符号率确定占用带宽。因此每个符号的比特(基本信息单位)越多，效率就越高。对于给定的系统，所需要的符
1.算法概述频谱感测是认知无线电的一项关键技术。我们将频谱感知作为一个分类问题，提出一种基于深度学习分类的感知方法。我们归一化接收信号功率以克服噪声功率不确定性的影响。我们使用尽可能多的信号以及噪声数据来训练模型，以使训练后的网络模型能够适应未训练的新信号。我们还使用迁移学习策略来提高实际信号的性能。进行了广泛的实验以评估该方法的性能。 1.1能量检测能量检测法是一种非相干的检测手段，与
转载
2023-10-16 20:44:33
400阅读
# 基于深度学习的信号调制识别
随着无线通信的迅速发展，信号调制技术已成为现代通信系统的关键组成部分。信号调制识别（Signal Modulation Recognition）是指通过分析接收到的信号，识别其调制方式的一种技术。传统的调制识别方法往往依赖于手工特征提取，效率低且容易受到噪声等干扰。而深度学习的发展为这一领域带来了新的机遇。
## 深度学习简述
深度学习是机器学习的一个分支，旨
原创
2024-09-25 08:05:42
778阅读
目前深度学习方法解决基于骨架的动作识别问题，分别是RNN、CNN、GCN将关节点序列表示成关节点向量，然后用RNN进行预测；将关节点信息表示成伪图像，然后用CNN进行预测；将关节点信息表示成图结构，用图卷积进行预测；以上两种方法不能将骨架信息中的图结构提取出来，也很难适应任意形状的骨架结构，所以就有了GCN，其中GCN也有基于spectral（光谱）与基于spatial（空间）的；图卷积网络主要有
对调制信号的理解 文章目录对调制信号的理解前言一、调制信号的成因二、从动力学上理解调制现象1.振动系统2.调制信号的数学表现形式3.调制信号的在信号中的表现总结 前言提示：一直以来对调制信号理解不深或者根本不理解，本次对其成因及其所产生的影响进行论述与识别。由于调制信号常发生在齿轮的啮合故障中，所以以齿轮啮合为例进行分析。一、调制信号的成因实际上，任何信号有三个基本的特性：振幅，频率和相位。
转载
2024-07-23 14:53:56
0阅读
给出升降号后判断调性 （大调）1、如果谱上是升号，那么无论几个升号，最右边一个升号再高半音，就是这个调式的主音。比如说，有四个升号，谱上从左到右依次标记升F、C、G、D，即最后一个升号标记#D，则#D的高半音为E，该调式为E大调。2、如果谱上是降号，那么有两种情况：（1）只有一个降号的调：这是F大调，必须死记了，没窍门。（2）有两个或以上降号的调：从右边数起倒数第二个降号所标记的音，就是该调式的主
转载
2024-01-09 17:35:18
141阅读
工作原因做了些信号处理的工作，期间玩了很多测量仪器，一些学习笔记遂拿来分享。1. 基本概念调制：调制就是使一个信号（如光、高频电磁振荡等）的某些参数（如振幅、频率等）按照另一个欲传输的信号（如声音、图像等）的特点变化的过程。解调：是调制的逆过程，作用是从已调信号中取出原来的调制信号。调制波：是用调制信号调制以后的非正弦波，也就是要传递的信息。调制波（信息）和载波叠加在一起就是调制信号。这个叠加的过
转载
2024-10-24 07:03:38
71阅读
基于ANN的6种调制信号自动调制识别（2ASK、4ASK、2FSK、4FSK、2PSK、4PSK）
目的： 实现6种（2ASK、4ASK、2FSK、4FSK、2PSK、4PSK）调制信号自动调制识别。 条件：windows 10，MATLAB 2014a 内容： 本实验设计了一个分层结构的MLP神经网络分类器。该分类器使用BP算法，自
# 深度学习在识别算法中的应用
深度学习是一种通过模拟人类大脑神经元之间的连接来实现机器学习的方法。在识别算法中，深度学习技术已经取得了巨大的成功，例如在图像识别、语音识别和自然语言处理领域都有广泛的应用。
## 深度学习在图像识别中的应用
图像识别是深度学习应用的一个重要领域。通过深度学习算法，计算机可以识别图片中的对象、场景等信息。下面我们以一个旅行图为例，来展示深度学习在图像识别中的应
原创
2024-06-08 06:37:52
84阅读
调制的目的： 1⃣️频谱搬移——适应信道传输，合并多路信号。 2⃣️提高抗干扰性。 3⃣️便于发射。模拟调制是指用来自信源的基带模拟信号去调制某个载波。 载波是一个确知的周期性波形。 载波三要素：振幅、角频率、初始相位。模拟调制分为： 线形调制：——调幅信号、单边带信号、双边带信号、残留边带信号等。（统称幅度调制） 非线性调制——角度调制（有新的频率成分）：调频信号和调相信号。线性调制的抗干扰性能
转载
2024-06-04 10:12:49
58阅读
1、什easypr数据集；
e
asyPR是一个开源的中文车牌识别系统，其目标是成为一个简单、高效、准确的非限制场景(unconstrained situation)下的车牌识别库。 相比于其他的车牌识别系统，EasyPR有如下特点：它基于openCV这个开源库。这意味着你可以获取全部源代码，并且移植到opencv支持的所有平台。它能
最近研究OCR技术实现较多，各种OCR实现方式做了一些测试和对比，针对不同的业务需要采用不同的实现方式，今天写的这个案例是利用百度AI来实现的通用OCR文字识别。实现方式非常简单，十几行代码就能搞定，但识别率如何就要看图片质量和所用字体了。从根本上来说，OCR的技术实现有两种方式：第一种较为简单，就是调用各个云平台提供的OCR服务来识别图片上的文字。这种实现方式的优点是简单易用，识别率较高，灵活性
转载
2024-01-30 18:56:01
66阅读
调制的概念#
调制（modulation)就是对信号源的信息进行处理加到载波上，使其变为适合于信道传输的形式的过程，就是使载波随信号而改变的技术。一般来说，信号源的信息（也称为信源）含有直流分量和频率较低的频率分量，称为基带信号。基带信号往往不能作为传输信号（为什么？——1.基带信号频率低，波长长，当天线的长度为无线电信号波长的 1/4 时,天线的发射和接收转换效率 最高，如果不调制，天线需要
转载
2024-06-13 21:41:26
82阅读
基于深度学习的目标识别算法在计算机视觉领域中取得了重大突破，其中最著名和广泛应用的算法是卷积神经网络（Convolutional Neural Networks，CNN）。CNN通过多层卷积和汇聚（或采样）层来提取图像的特征，并通过全连接层和softmax分类器进行目标分类。下面是基于CNN的目标识别算法的一般步骤：数据准备：收集和准备用于训练和测试的图像数据集，确保标注正确且具有代表性。网络设计
近年来，还出现了一些基于深度学习的目标识别算法的改进和变种，如Faster R-CNN、SSD、YOLO等。基于深度
# 基于深度学习的手文字识别算法实现指南
手文字识别（Handwritten Text Recognition, HTR）是一项复杂但是迷人的计算机视觉任务，涉及将手写文本转换为机器可读格式。随着深度学习的兴起，构建一个手文字识别系统变得相对简单。本文将为一名刚入行的新手开发者详细讲解如何实现这一系统。
## 开发流程
以下是实现基于深度学习的手文字识别算法的步骤概述：
| 步骤 | 描述
原创
2024-09-17 07:07:46
165阅读
目录1.QAM的调制原理2.QAM的解调原理3.QAM代码4.结果图5.特点6.加星座图的16QAM代码 1.QAM的调制原理QAM调制原理如下图所示，基带码元波形经过串并转换分成I、Q两路，然后再经过电平转换(00转换成-1,01转换成-3,10转换成1,11转换成3)，再与对应的载波相乘，然后再相加完成QAM的调制。 本次采用的是16QAM，M=16=2^k,因此k=4, L=2^(k/2)
AI算法半路出家的过程其实是有点痛苦的，告别了曾经熟悉的领域，在陌生又熟悉的道路上摸索着前进，其中的焦虑、彷徨以及面对信息过载的不知所措，常常让人怀疑当初的选择。好在，硬核人生不会被小小的困难劝退，我们有很多路径可以到达彼岸。也特别感谢科技和网络的进步，让知识的获取不再是少数人的专利。前些天找到了一个比较牛的AI学习网站，老师的授课方式风趣幽默，通俗易懂，让学习的过程兴趣盎然，忍不住推荐给大家。点
转载
2024-01-02 15:54:42
94阅读
1. 简介 手势识别相对来说可以简单也可以很复杂，这取决与要识别的手势。有三种基本的方法可以用来识别手势：基于算法，基于神经网络和基于手势样本库。每一种方法都有其优缺点。开发者具体采用那种方法取决与待识别的手势、项目需求，开发时间以及开发水平。基于算法的手势识别相对简单容易实现，基于神经网络和手势样本库则有些复杂。1.1 基于算法的手势识别 &
转载
2023-12-16 17:53:20
90阅读
这里写自定义目录标题参考的教程第一步，安装NVIDIA 显卡驱动程序：第二步，安装CUDA第三步，安装CUDA过程会提示没有安装visio studio。第四步，下载cuDNN 参考的教程参考了以上链接的代码：由于电脑本身没有安装NVIDIA。也没有安装Visio Studio（注意与Visio Studio Code区分，只安装用于C++桌面编程的部分） 所以需要从头安装。第一步，安装NVID
