没有合适的资源?快使用搜索试试~ 我知道了~
通信信号调制识别中的分类器设计学士学位论文.doc
1 下载量 148 浏览量
2023-06-30
01:18:14
上传
评论
收藏 930KB DOC 举报
温馨提示
试读
38页
通信信号调制识别中的分类器设计学士学位论文.doc
资源推荐
资源详情
资源评论
通信信号识别调制分类器设计
- -
毕 业 论 文(设 计)
题 目: 通信信号调制识别中的分类器设计
英文题目:Classifier Design Recognition of Modulation
of Communication Signals
院 系: 电子工程学院
专 业: 通信工程
姓 名:
年 级:
指导教师:
年 月
Ⅲ
摘要
通信信号调制方式的识别是通信侦察的关键技术之一,是目前电子战的重要研
究课题。本文针对通信信号的调制识别问题,深入研究了信号的特征提取方法,在
此基础上探讨了分类器的设计方法。
调制信号识别普遍应用于信号区分、干扰识别等多种领域。其目的是在复杂环
境和有噪声干扰的条件下以及没有先验知识的情况下,通过对信号的接收进行处理,
从而判断出信号的调制方式。
神经网络是一种模拟生物神经工作的方法,功能与人脑有某些相似之处,具有
自学习和存储功能,算法具有智能性,对于处理非线性问题很有用处,并且广泛用
于现在各个领域,例如做销售量的非线性预测,计算机智能控制,图像的处理,优
化算法方面等等。在先辈们的基础之下,本文更深层次的研究信号识别问题。具体
工作内容如下:
1、 概述了一些常见的调制信号,给出一些经常使用调制信号的数学原型,考察了
常见数字调制信号的一些基本特性,如时域波形和频谱图。
2、 对神经网络分类器作整体的介绍。
3、 研究了分类器的训练算法,并对传统的 BP 网络的不足提出改进的算法。
仿真实验表明,将提取的时频分析特征,通过改进的 BP 算法设计的神经网络分类
器对信号进行分类,实现了不单一的信号在较大信噪比变化范围内的自动识别,其
收敛速度计误差识别都明显改善,通过实验取得期望的结果。
关键词: 调制识别;时频特征;神经网络
九江学院学士论文
通信信号识别调制分类器设计
Ⅱ
Classifier Design Recognition of Modulation of Communication Signals
Abstract
Modulation recognition of communication signals is one of the key technologies in
communication reconnaissance, is an important task in the field of electronic warfare. In
this paper, aiming at the problem of communication signalmodulation recognition,
in-depth study of the signal feature extraction method,on the basis of the design method of
classifier.
Modulation recognition is widely usedin signal distinction, interference identification
and other fields. Its purpose is in a complex environment with noise conditions, in the
absence of a priori knowledge, are processed by the reception of the signals, then judge
the modulation signal.
Neural network is a method of simulation of biological neural work, has some
similarities with the human brain function, self learning and memory function,algorithm is
intelligent, very useful for dealing with nonlinear problems, and fornow in various fields,
such as nonlinear do sales forecasting, computer intelligent control, image processing,
optimization algorithm and so on. Based on the predecessors, the research of signal
recognition deeper problems. The specific work is as follows:
1, an overview ofsome common signal modulation. Some frequently usedmodulation
signal mathematical prototype, investigate some basic properties ofcommon digital
modulation signals, such as time domain waveform and spectrum.
2, the neural network classifier for the whole introduction.
3, the training algorithm classifier, and puts forward the improved algorithm of BP
network to the. Simulation results show that the improved BP network, isfeasible in
theory.
Keywords: Modulation recognition; frequency characteristic; neural network
- III -
目 录
Abstract .............................................................................................................................III
第 1 章 绪 论 ..................................................................................................................1
1.1 本文研究的背景及意义 ........................................................................................1
1.2 神经网络的发展和现状 .......................................................................................1
1.3 本文研究的主要内容 ...........................................................................................2
第 2 章 数字调制信号 .......................................................................................................5
2.1 调制的概念 ...........................................................................................................5
2.2 信号的基本特征参数 ............................................................................................5
2.3 信号的调制模式 ...................................................................................................6
2.3.1、振幅键控调制 ..........................................................................................6
2.3.2、频移键控调制 ..........................................................................................7
2.3.3、相移键控调制 ..........................................................................................8
第三章 神经网络分类器简介 ..........................................................................................10
3.1 分类器设计概述 ..................................................................................................10
3.2 MLP 神经网络分类器 .........................................................................................11
3.2.1 BP 算法 .....................................................................................................12
3.2.2 改进型 BP 算法 ........................................................................................13
3.3 神经网络分类器设计 ..........................................................................................18
第四章 实验的仿真 ..........................................................................................................21
4.1 零中心瞬时特征提取 ..........................................................................................21
4.2 小波分析的特征提取 ..........................................................................................26
4.3 分形等特征的特征提取 ......................................................................................27
4.4 神经网络分类器的仿真实验 .............................................................................28
结 论 ..................................................................................................................................33
参考文献 ............................................................................................................................34
致谢 ....................................................................................................................................35
通信信号识别调制分类器设计
- 0 -
第 1 章 绪 论
1.1 本文研究的背景及意义
自从人类进入 21 世纪以来,科技的发展几乎在以光速在前行。信息时代的到来,
我们生活中渐渐地出现了各种网络信号。当然,这也正在战争中适应的淋漓尽致。然
而,在战争中战场信息的传递主要依靠的是无线电通信,所以对无线电的研究成为现
代科学研究的一个重点内容之一。电子战是军事战争中一个相当重要的方面,信号侦
察就包含在它研究的内容之内。然而,信号调制类型的识别又是其中的一个关键环节,
因此可以说如果知道了某个信号的调制基本类型,就可以估计出大概的调制参数。这
就可以根据实际情况制定出相应的侦察和反侦察策略。这样就可以更有效的,更少的
耗费资源对重要的信号参数进行干扰研究,甚至截获,以达到目的为止。事实上,情
况并不如理论上那么简单。通信信号调制方式,因为环境的变化,各种噪声孕育而生。
在现实情况中,信号的调制变得向多样化和复杂化的方向发展。尽管如此,为了区分
不同性质的信号,我们还是要区别开其调制方式,这是由信号的特点决定的。调制信
号识别已普遍的应用于许多方面,所以通信信号密度在不断变高,调制方式也不断多
样化起来。如果不知道任何的先验知识的话,对于我们来说,信号的分类识别是非常
难解决的。正因为此,这项研究必定将成为我们以后工作的重点。
以上的工作都离不开分类器的使用。分类器(Classifier)是一种计算机程序。他
的设计目标是在通过自动学习后,可自动将数据分到已知类别。应用在搜索引擎以及
各种检索程序中。同时也大量应于数据分析与预测领域。分类器是一种机器学习程序,
因此归为人工智能的范畴中。人工智能的多个领域,包括数据挖掘,专家系统,模式
识别都用到此类程序。对于分类器,其实质为数学模型。针对模型的不同,目前有多
种分支,包括:Bayes 分类器,BP 神经网络分类器,决策树算法,SVM(支持向量机)
算法等。
目前通信信号从识别算法来看,主要分为 1、决策论方法;2、统计模式识别方法。
如何有效的监视识别甚至提取目标的通信信号,是我们一直研究的重点内容。这不仅
是在军事方面,在民用领域也是十分重要的研宄课题。对信号的研究,调制识别在信
号研究中是一个相当主要的内容。因为只要知道信号的类型,就可以初步的估算出目
标信号的基本类型,在没有任何先验知识的情况下,对信号的识别提取就显得相当重
要了。这也就是现在研究的重点,也是难点。
1.2 神经网络的发展和现状
最早的神经网络是传统的人工神经网络,它主要依靠人工来进行识别调制的。人
工参与的调制技术,或多或少都会参杂工作人员自己的主观意识,对结果的观察误差
大,精准度低,所以才会出现对人工神经网络的改进动力!
剩余37页未读,继续阅读
资源评论
Mmnnnbb123
- 粉丝: 701
- 资源: 8万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功