TAILIEUCHUNG - Về một giải pháp phân loại và nhận dạng điều chế tín hiệu vô tuyến sử dụng mạng nơ ron tích chập

Bài viết trình bày một phương pháp nhận dạng tín hiệu mới dựa trên một trong những công cụ học sâu, mạng nơ ron tích chập, giảm độ phức tạp tính toán và nâng cao độ chính xác khi nhận dạng điều chế tín hiệu. | Kỹ thuật điện tử VỀ MỘT GIẢI PHÁP PHÂN LOẠI VÀ NHẬN DẠNG ĐIỀU CHẾ TÍN HIỆU VÔ TUYẾN SỬ DỤNG MẠNG NƠ RON TÍCH CHẬP Bùi Minh Tuấn Nguyễn Phú Giang Trần Công Thìn Đỗ Doanh Điện Vũ Lê Hà Tóm tắt Phân loại và nhận dạng điều chế tín hiệu là một khâu quan trọng trong trinh sát vô tuyến. Bài báo trình bày một phương pháp nhận dạng tín hiệu mới dựa trên một trong những công cụ học sâu mạng nơ ron tích chập giảm độ phức tạp tính toán và nâng cao độ chính xác khi nhận dạng điều chế tín hiệu. Bài báo phân tích so sánh phương pháp đề xuất và các phương pháp dùng hệ chuyên gia truyền thống. Các kết quả mô phỏng chứng minh hiệu quả của giải pháp so sánh với các giải pháp truyền thống dựa trên độ chính xác của việc phân loại dạng điều chế của tín hiệu thu được. Ưu điểm của giải pháp kỹ thuật này mở ra hướng áp dụng mạng nơ ron cho việc nâng cao hiệu quả của bài toán nhận dạng tín hiệu. Từ khóa Học sâu Mạng nơ ron tích chập Phân loại dạng điều chế tín hiệu. 1. ĐẶT VẤN ĐỀ Trí tuệ nhân tạo AI-Artificial Intelligence là một trong những công nghệ được quan tâm nhất hiện nay đây là công nghệ trọng tâm nền tảng của cách mạng công nghiệp . Các ứng dụng AI vào cuộc sống đã và đang phát triển mạnh mẽ và đạt hiệu quả cao trong các lĩnh vực như xử lý ngôn ngữ tự nhiên xử lý ảnh robot Trong lĩnh vực quân sự các cường quốc như Mỹ Nga đã và đang đầu tư phát triển các hệ thống vũ khí trang bị áp dụng AI như các hệ thống tàu thuyền máy bay không người lái Sea Hunter UCAV X47 hay hệ thống tấn công bán tự động của Nga 1-3 . Việc nghiên cứu áp dụng AI vào trong lĩnh vực quân sự đang là một xu hướng phổ biến trong quân đội các nước trên thế giới. Trong các ứng dụng thông tin vô tuyến tự động phát hiện dạng điều chế tín hiệu Automatic Modulation Classification AMC là khâu quan trọng đối với cả mục đích bảo mật và trinh sát thông tin. Đối với mục đích bảo mật dạng điều chế tín hiệu có thể được sử dụng nhằm mã hóa làm cho máy thu không khôi phục được dữ liệu khi không xác định chính xác dạng điều .

• Tự động hoá
• Mạng nơ ron tích chập
• Phân loại dạng điều chế tín hiệu
• Phương pháp nhận dạng tín hiệu
• Công cụ học sâu
• Điều chế tín hiệu
• Mạng nơ ron học sâu
• Nhận dạng khuôn mặt
• Nhận dạng khuôn mặt từ video
• Nhận dạng chữ số viết tay
• Multi layer perceptron
• Mô hình mạng nơ ron tích chập
• Kiến trúc CNN
• Deep learning
• Mạng nơ ron
• Mạng Inception v3
• Kiến trúc mạng nơ ron
• Tóm tắt Luận văn Thạc sĩ
• Khoa học máy tính
• Phân loại độ tuổi bằng ảnh mặt người
• Nhận diện khuôn mặt
• Mạng nơ ron tích chập xếp chồng
• Mô hình FaceNet
• Thuật toán đặc trưng khuôn mặt
• Phát hiện cháy rừng
• Camera giám sát
• Cảnh báo cháy rừng
• Phát hiện lửa
• Mạng nơ ron YOLOV5
• Thị giác máy
• Hệ thống báo cháy
• Phân lớp phương tiện giao thông
• Kỹ thuật học sâu
• Mạng R CNN
• Công tác quản lý giao thông
• Dự đoán góc quay vô lăng
• Xe tự lái
• Cấu trúc mạng
• Công nghệ LiDAR
• Giới thiệu bài toán tô màu
• Mô hình mạng residual
• Mô hình kết hợp ResNet18
• Mô hình kết hợp VGG16
• Tích hợp DSM
• Thuật toán Catboost
• Mô hình số bề mặt
• Xử lý ngôn ngữ tự nhiên
• Tạp chí Khoa học và Công nghệ
• Nhận dạng cảm xúc
• Phân loại cảm xúc
• Trích chọn đặc trưng
• Phát hiện bộ phận cây
• Tập dữ liệu PlantClef
• Phương pháp phát hiện tự động bộ phận cây
• Hệ thống tự động nhận dạng cây
• Luận văn Thạc sĩ
• Công nghệ thông tin
• Kỹ thuật phần mềm
• Nghiên cứu mạng nơ ron tích chập
• Mô hình dự đoán tương tác protein
• Luận văn Thạc sĩ Kỹ thuật
• Hành vi của khách hàng theo độ tuổi
• Tạp Chí Khoa Học Giáo Dục
• Khoa Học Giáo Dục Kỹ Thuật
• Nhận diện cảm xúc khuôn mặt
• Phân loại cảm xúc khuôn mặt
• Thuật toán tối ưu
• Giá trị hàm mất mát
• Số chu kì học
• Hàm Entropy chéo
• Nhận dạng cử chỉ tay
• Ra đa FMCW
• Phổ micro Doppler
• Mô hình Cross CNN
• Trí tuệ nhân tạo
• Nền tảng di động Android
• Bài toán nhận dạng chữ số viết tay
• Kĩ thuật học sâu
• Bộ cơ sở dữ liệu MNIST
• Bộ cơ sở dữ liệu CIFAR 10
• Phân lớp ảnh
• Truy vấn ảnh dựa trên ngữ nghĩa
• Bộ dữ liệu ảnh Caltech 256
• Tập từ vựng thị giác
• Mảng anten không đồng nhất
• Nguồn tín hiệu vô tuyến
• Mô hình DOA ResNet
• Trinh sát tín hiệu vô tuyến
• Đo đạc bản đồ
• Trắc địa bản đồ
• Rác thải nhựa
• Hệ sinh thái biển
• Ô nhiễm rác thải nhựa
• Mô hình Faster R CNN
• Đối tượng di động