积分商城

最新搜索： 滤波器 STC LINK1D 4岁 msp430f425 线性电源 GB/T 18268.1
您现在的位置是：首页 > 技术资料 > 基于python 的无线电信号数据分析研究
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于python 的无线电信号数据分析研究

更新时间：2019-12-24 21:20:17 大小：1M 上传用户：songhuahua查看TA发布的资源 标签：python无线电信号数据分析 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

随着大数据与人工智能发展,数据分析逐渐成为智能信息处理中必备的技术与技能。Python语言在数据分析领域优势明显,主要介绍Python数据分析的一些类库,和基于Python的无线电信号数据分析,为无线电信号自动调制识别提供预处理,为提高调制识别的准确率提供基本的保障。


部分文件列表

文件名 大小
基于python_的无线电信号数据分析研究.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
Vol.31 No.4  
Journal of Handan Polytechnic College  
Dec.2018  
基于 python 的无线电信号数据分析研究  
冀宝安  
( 河北科技大学，石家庄 050018)  
摘  要：  
随着  
Python 语言在数据分析领域优势明显，主要介绍 Python 数据分析的一些类库，和基于 Python 的无线  
电信号数据分析，为无线电信号自动调制识别提供预处理，为提高调制识别的准确率提供基本的  
大数据与人工智能发展，数据分析逐渐成为智能信息处理中必备的技术与技能。  
保障。  
关键词：Python 语言；数据分析；人工智能；无线电信号     
中图分类号：  
TP312py  
文献标识码：  
文章编号：  
A
1009-5462（2018）04-0052-03  
引言  
随着  
景下，无线电信号成为数据科学领域中的一个重 研究。分析处理无线电数据，需要高效的编程工具，  
Python 语言在处理海量数据时简单易用，在处理大量数据的无线电信号上优势明显。同时 Python 可以关联  
相关的处理库，使得 Python 在数据处理方面更加强大，同时可视化程度更高。  
智能信息和人工智能在工程实践中的普及，无线电信号数据分析越来越受到研究者的欢迎。在此  
背
要
1 Python 数据分析  
Python 是面向对象的高级语言，相对于 C++ 来说，它的语法更加简单，对处理大数量级的数据来说，  
处理方式更加友好，编译代码分析多维数组更加直观。无线电信号数据本身就是一个庞大的数据，分析处  
理要  
选好处理工具，Python 的友好编程成为处理无线电信号数据的首选，Python 分析无线电信号，需要相  
关的库函数配合，这样才能发挥 Python 的强大功能，加载 Numpy[1]、SciPy、Sympy 和 matplotlib[2] 相关的  
库处理无线电信号数据。Python 与调用库的处理关系如图1所示。  
图1 Python 处理关系图  
收稿日期：  
2018-12-10  
作者简介：  
冀宝安，男，河北涞水人，河北科技大学信息科学与工程学院电子与通信工程专业2017级硕士研究生。  
·
·
52  
第 31 卷第 4 期  
Python 具有下列特性：  
邯郸 职业技术学院学报  
2018年12月  
(1) 代码简单易懂，充分考虑初学者接受能力，编译器简单，维护性好。使用更加方便，代码效率提高。  
(2) 相对于 C++ 语言，实现同一功能的代码编译简单，代码行数也更少，阅读性比较友好。测试代码  
更加简洁。  
(3) 封装的库函数比较丰富，功能比较强大，接口也比较丰富，操作更加灵活流畅。  
(4) 在进行人工智能搭建环境方面相较 C++ 比较容易，匹配各种深度学习网络模型更加方便。给从事  
深度学习的算法工程师降低编程要求。  
(5) 使用 Python 的程序员越来越多，对 Python 编程语言优化也越来越丰富，相应的第三方库更加多样、  
强大。  
2 无线电信号数据分析  
无线电信号数据使用公开的 RML2016.10a.pkl 数据集 [3]，用 Spyder 分析11种无线电信号的调制类型，  
其中包括8种数字无线电信号和3种模拟无线电信号，数据的采样信噪比在 -20dB 到18dB 的区间中。11无线  
电信号调制类型如图2所示。  
图2 11种无线电调制信号  
无线电信号数据应尽可能的接近真实的无线电系统，从最开始的仿真设计充分考虑到真实场景的信号  
生成原理、调制解调原理、信号识别原理等。在分析过程中我们使用 Pickle 函数读取数据集，通过 Python  
的处理，分析数据集里包含220000个采样样本，每个采样的数据长度为128，同时使用 Python 的 dictionary  
数据结构，分析无线电数据集，其中 dictionary 数据结构有220个，其中11种无线电信号在20个不同的信噪  
比下各分布一个，这样也可以直观理解 Python 的 dictionary 的用法，其中 mods 代表11种无线电信号调制  
类型，snrs 代表20种不同信噪比。RML2016.10a.pkl 整体数据如图3所示。  
RML2016.10a.pkl 整体数据分析已经很全面  
这样可以更加了解无线电信号数据的内部结构，处理这些数据更加有的放矢，使用 Python 中的 NumPy 库  
中的具体函数如 List 函数、Value 函数、array 函数等，数据分析到具体11种无线电信号和20种信噪比 [4]  
的一种，发现数据是以矩阵的形式存储在数据集中，其中 QAM16；12dB 中有1000个数据样本如图4所示。  
，但具体到一种无线电信号就需要更加深入的数据分析，  
中
·
·
53  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号