跳频信号识别技术
目前,跳频信号检测识别面临着严峻挑战,主要表现为跳速越来越快、跳频范围越来越宽、以及频点越来越多等方面。跳频通信设备已经大量使用,但是跳频信号检测识别技术的发展相对较慢,使得跳频信号识别技术的改进迫在眉睫。随着计算机领域的迅猛发展,机器学习的方法变得越来越成熟,已经运用到金融、医疗等生活的各个领域。因此在现有时域分析跳频信号的基础上,运用神经网络自动提取数据特征的方法为跳频信号检测识别提供了新的思路。
但是当前电磁环境中的跳频信号,例如无人机信号,在被接收的时候很容易被其他信号所淹没。所以导致很难被分离出来。因此想讨论一下,把信号转为图像进行神经网络的训练,到底该怎么做?或者说还能不能做?