Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

23.05.2019 | Original Article | Ausgabe 6/2019

Neural Computing and Applications 6/2019

Deep long short-term memory networks-based automatic recognition of six different digital modulation types under varying noise conditions

Zeitschrift:
Neural Computing and Applications > Ausgabe 6/2019
Autoren:
Nihat Daldal, Özal Yıldırım, Kemal Polat
Wichtige Hinweise

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

In this paper, a new method based on deep learning has been proposed in order to recognize noise-digital modulation signals at varying noise levels automatically. The 8-bit data from six different modulations have been obtained by adding noise levels from 5 to 25 dB. The used digital modulation types are Amplitude Shift Keying, Frequency Shift Keying, Phase Shift Keying, Quadrature Amplitude Shift Keying, Quadrature Frequency Shift Keying, and Quadrature Phase Shift Keying. To recognize the noise-digital modulation signals automatically, a new deep long short-term memory networks (LSTMs) model has been proposed and then applied to these signals successfully. A significant advantage of the proposed system is that deep learning method has been trained and tested with raw digital modulation signals without applying any feature extraction from the signals. In this study, the noise modulation signals of 5–25 dB have been classified and compared with each other. The innovative aspect of the study is to classify the modulation with the LSTM method without dealing with the extraction of signal characteristics. Without noise, added digital modulation signals had been classified as the success rate of 97.22%, while with all noise-added signals have been classified as the success rate of 94.72% with deep LSTM model. The experimental results show that the proposed deep LSTM model has been achieved remarkable results in recognition of noised six different modulation signals with a fully end-to-end structure.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 6/2019

Neural Computing and Applications 6/2019 Zur Ausgabe

Premium Partner

    Bildnachweise