پایش طیف فرکانسی بر پایه یادگیری انتها به انتها از داده­های طیفی به روش یاد گیری عمیق

یادگیری انتها به انتها یک ابزار قدرتمند برای پایش طیف فرکانسی است و می­تواند بر روی سیگنال­های مختلف بی­سیم اعمال ­شود تا به طور موثر حضور فرستنده­های رادیویی را بدون نیاز به ویژگی­های تخصصی تشخیص دهد. در این مقاله شناسایی تکنولوژی و تشخیص مدولاسیون برای 5 نوع نمایش یعنی حوزه زمان، دامنه و فاز، حوزه فرکانس، تبدیل هیلبرت و تبدیل موجک، از داده­های سیگنال بی­سیم در snrهای مختلف با استفاده از شبکه عصبی پیچشی بر پایه یادگیری انتها به انتها مورد بررسی قرار گرفته است. نتایج نشان می­دهد که نمایش­های مختلف داده بر روی دقت طبقه­بند تاثیر دارد. لذا می­توان با توجه به نوع درخواست، نمایش مناسب را انتخاب نمود. نتایج نشان می­دهد نمایش داده در حوزه فرکانس عملکرد بهتری نسبت به سایر نمایش­ها در شناسایی تکنولوژی شبکه بی­سیم دارد و اختلاف دقت نمایش­های مختلف داده در snrهای بالا تا %2، در snrهای متوسط تا %6 و در snrهای پایین تا %26 است. در تشخیص مدولاسیون، نمایش داده سیگنال ­بی­سیم، تبدیل موجک نسبت به سایر نمایش­ها نتایج قابل قبول­تری را در برداشته و اختلاف دقت نمایش­های مختلف داده در تشخیص مدولاسیون به ترتیب در snrهای بالا تا %12، در snrهای متوسط تا %1 و در snrهای پایین تا %19 می باشد.