ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ КЛАССИФИКАЦИИ РАДИОСИГНАЛОВ

Статья посвящена проблеме распознавания принимаемых кодированных последовательностей радиосигналов. Традиционно в системах связи для обнаружения и обработки шумоподобных сигналов используются корреляторы или согласованные фильтры. Обе модели параметризованы порогом обнаружения. Оптимальность традиционных методов по количеству правильных и ложных обнаружений доказана для случая, когда шум в среде передачи является аддитивным Гауссовским. Для улучшения качества распознавания сигналов в среде с помехами общего вида предлагается использовать нейронную сеть. Предполагается, что качество распознавания будет лучше, чем при традиционном использовании автокорреляционной функции так как в процессе обучения нейронной сеть способна запомнить особенности помех в канале связи, и, следовательно, использовать полученную модель на этапе классификации сигналов. В данной работе также приводится схема эксперимента, позволяющего подтвердить данное предположение.