Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://hdl.handle.net/123456789/18371
Назва: | Weak sinusoidal signal extraction from white noise using convolutional neural network |
Автори: | Kozlenko, Mykola Козленко, Микола Іванович |
Ключові слова: | digital communications modulation manipulation keying demodulation detection bit error rate machine learning deep learning convolutional neural network JT65 |
Дата публікації: | 29-лис-2023 |
Видавництво: | Vasyl Stefanyk Precarpathian National University |
Бібліографічний опис: | M. Kozlenko, "Weak sinusoidal signal extraction from white noise using convolutional neural network," 2023 2nd International Conference on Innovative Solutions in Software Engineering (ICISSE), Vasyl Stefanyk Precarpathian National University, Ivano-Frankivsk, Ukraine, Nov. 29-30, 2023, doi: 10.5281/zenodo.10467333 |
Короткий огляд (реферат): | A great number of analog and digital data communications schemes use the sinusoidal waveform as a basic elementary signal, including the spread spectrum data exchange techniques. Detection of the presence of the sinusoidal waveform in a mixture of signal and noise is a common task, regardless the specific modulation scheme. This paper presents the machine learning-based approach for detection of the sinusoidal wave. It presents the structure of the convolutional neural network, as well as the performance metrics for the sinusoidal signals detection. The paper provides an assessment of the overall accuracy for the binary signals. It reports the overall accuracy value of 0.93 for the sinusoidal signal detection in the presence of additive white Gaussian noise at the signal-to-noise ratio value of −20 dB for a balanced dataset. |
URI (Уніфікований ідентифікатор ресурсу): | https://doi.org/10.5281/zenodo.10467333 https://zenodo.org/records/10467333 http://hdl.handle.net/123456789/18371 |
ISBN: | 978-966-640-549-7 |
Розташовується у зібраннях: | Статті та тези (ФМІ) |
Файли цього матеріалу:
Файл | Опис | Розмір | Формат | |
---|---|---|---|---|
2023_ICISSE_paper_77_final.pdf | 356.3 kB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.