matlab精度检验代码-Automatic-Modulation-Classification:基于累积极地特征的深度学习用于...

matlab精度检验代码用于自动调制分类的深度学习 我们为自动调制分类（AMC）的任务提出了一种高效且轻量级的卷积神经网络（CNN）。 在将接收到的信号发送到我们的CNN模型之前，我们将信号转换为具有建议的累积极性特征的图像域。 它显着提高了预测精度，并使其在衰落信道下更加健壮。 我们提供用于实现常规方法（最大似然和累积量）和基于深度学习的方法的源代码。 希望此代码对同行研究人员有用。 如果您在研究中使用此代码或其部分代码，请引用我们的论文： 相关出版物1：腾杰芳，廖庆春，陈春香和吴安Y ，“”在2018 IEEE全球信号和信息处理会议（GlobalSIP）上发表。 相关出版物2：滕杰芳，周静瑶，陈春香和吴安Y（Andy Wu），“”发表在2020 IEEE车辆技术交易（TVT）上。 所需的包 python 3.6.5 numpy的1.16.4 张量流1.14.0 keras 2.2.5 Matlab R2017a 源代码 Matlab的 Test_ML.m：测试基于似然法的传统方法，即最大似然（ML）和混合似然比测试（HLRT） 调整ML或HLRT的使用 最大似然 HybridLRT