Název:
Klasifikace radiových modulací pomocí strojového učení
Překlad názvu:
Radio Modulation Recognition Networks
Autoři:
Pijáčková, Kristýna ; Maršálek, Roman (oponent) ; Götthans, Tomáš (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2021
Jazyk:
eng
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [eng][cze]
Bakalářská práce se zabývá klasifikací rádiových modulací pomocí metod hloubkového učení. V práci jsou navrženy čtyři architektury, kde tři z nich jsou tvořeny pomocí konvolučních a rekurentních neuronových sítí a čtvrtá využívá architekturu transformátorů. Při návrhu architektur byl brán v potaz výsledný počet parametrů jednotlivých sítí, který může výrazně ovlivňovat výslednou velikost sítě. Pro účely návrhu byl využit programovací jazyk Python a knihovna Keras, která umožňuje práci s neuronovými sítěmi. Výsledky práce jsou následně zhodnoceny a porovnány s výsledky sítí navržených v článcích zabývajících se tímto tématem.
The bachelor thesis is focused on radio modulation classification with a deep learning approach. There are four deep learning architectures presented in the thesis. Three of them use convolutional and recurrent neural networks, and the fourth uses a transformer architecture. The final number of parameters of each model was considered during the design phase, as it can have a big impact on a memory footprint of a deployed model. The architectures were written in Keras, which is a software library, which provides a Python interface for neural networks. The results of the architectures were additionally compared to results from other research papers on this topic.
Klíčová slova:
classification; CNN; deep learning; neural network; Python; Radio modulation; RNN; CNN; hloubkové učení; klasifikace; neuronové sítě; Python; RNN; Rádiové modulace
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/197947