Статья

В исследовании рассмотрена возможность классификации сигналов QAM-16 с помощью сверточной нейронной сети (CNN) без предварительной обработки данных. Входными признаками служили синфазные (I) и квадратурные (Q) отсчеты радиосигнала. Для решения задачи использовалась одномерная CNN из трёх слоёв. Архитектура включала Batch Normalization, что улучшило обучение за счёт нормализации входных данных Эксперимент показал, что точность распознавания (accuracy) достигает 0.8956 на обучающей выборке и 0.8982 на валидационной. Это подтверждает возможность применения CNN к классификации модулированных сигналов без традиционной цифровой обработки