论文研究-基于粗糙集与神经网络的自动调制识别研究 .pdf

所需积分/C币:5 2019-08-28 00:00:51 286KB .PDF

基于粗糙集与神经网络的自动调制识别研究,张斌,武娟萍,将粗糙集理论与神经网络相结合并应用到通信制式的自动调制识别中,依据属性重要性和决策表的相容性,用自组织神经网络完成连续数
国科技论文在线 http://www.paper.edu.cn e 积出 ++-{+ 两平平平评 a 2ASK. 4ASK, 2FSK, 4FSK 2PSK 4PSk Bg nldA b2ASK4ASK的 食资会资好实宾宾宾向南宾 c2FSK,4FSK的 d2ASK,4ASK,2PSK的 图1特征参数在不同信噪比时的变化图 由图可以看到m可以将待识别信号分为 和 大类,图可知可区分和信号,图知可区分和信号,图 知可区分 和信号。 粗糙集智能数据分析 粗糙集基本概念 定义:信息系统 其中为对象集合 是属性结合,为条 件属性,为决策属性,为属性的值域;:×亠为一映像函数,它指定中每一个对 象的属性值;如果 且,满足∩ 则称为决策系统,简称决策表,其中 称为条件属性,称为决策属性,并简记为 定义:不可分辨关系,设是非空对象集合,为属性集合,对于,每一个() 表明且属性值集合为(),对于任意的的子集,不可分辨关系 定义为: ()()(),。不可分辨关系是个等价关系,通过个不可分辨关系,可以得到 决策系统的划分,这里称划分后的等价类为不可分辨类5 山国科技论文在线 http://www.paper.edu.cn 基于分明矩阵的属性约简 分明矩阵是由华沙大学著名数学家 Skowron提出来的,是近年来在粗糙集约筲上出现 的一个有力工具。利用分明矩阵来表达知识有很多优点,特别是它能容易地计算约简和核。 定义:设 ∪为一个决策表,其中∩Φ,为论域,且 为条件属性集,为决策属性集,()是样本在属性上的取值,分明矩阵表示为 其中 分明函数是从分明矩阵屮构造出的,方法是把的每个属性“或”起来,然后再“与” 所有的,其中 ;即()1 分明矩阵是一个的对称矩阵,本文只计算它的下三角阵。根据分明矩阵进行约简 时要注意:若分明矩阵中有条件属性组合数为1的元素项,表明除该条件属性外其它条件属 性都无法将两种信号区分开来,则这个属性必须保留。因此,可将所有条件属性组合数为1 的条件属性看为核属性:分明矩阵中包含有核属性的项,都可以仅用核属性就可以将此信号 同其它信号区分开来,也就意味着若包含有核属性的分明矩阵项,除了核属性外的其它属性 都是多余的;因此一个数据集的所有约简可以通过构造分明矩阵并化简由分明矩阵导出的分 明函数而得到,在化简区分函数为标准式后,所有蕴含式包含的属性就是信息系统的所有约 简集合明 基于粗糙集分明矩阵的属性约简方法流程如下: 根据公式生成分明矩阵 用分明函数求出核属性 从分明矩阵中找出不包含核属性且0的属性集合; 将所有不包含核属性的条件属性组合表示为合取范式的形式; 根据需要选择不同的属性组合作为约简 基于粗糙集与神经网终的调制识别步骤 利用上文所提取的特征参数,经过粗糙集进行特征选择和神经网络分类器进行通信信号 调制识别时,其主要步骤可概述为: 用信号产生函数产生信号样本; 用所获得的信号样本提取特征参数并构建原始决策表; 用自组织神经网络对原始决策表进行离散,建立新决策表 用基于分明矩阵的属性约简方法对新决策表属性约简,并建立最简决策表; 用最简决策表中的信号样本训练神经网络; 用训练好的神经网络对测试样本进行分类识别 上述主要步骤可用流程图来描述: 山国删技论文在线 http://www.paper.edu.cn 样本信号产生 特祉参数提取 连续属性离散 构造决策表 粗糙集 属性约简 最简决策表 属性约简后训 练样本集输入 神经网络分类器 测试样本集输入 输出结果 图2基于粗糙集与神经网络调制识别的系统框图 仿真结果及分析 在 的情况下,每种信号产生个样本信号,且每种信号的前个样本用于 训练神经网络,后个样本用于测试网络。对样本提取特征参数以后,建立个神经 网络对原始决策表的条件属性进行离散,表为离散后的原始决策表 表1离散后的原始决策表 样本 y max o ap o dp o af o aa y maxf决策属性 4 4 2 l50 151 300 301 2 450221212 4 600 60l 750 3 2 2 5 4 2 900 421 5 删除相同行后根据定义建立分明知阵,部分数捱如表 国武技企文在线 http://www.paper.edu.cn 表2分明矩阵 根据分明矩阵构造分明诼数,求出核属性后,根据3.2基于粗糙集分明矩阵的属性约简 方法流程,约简后得到最简决策表为表 表3最简决策表 样本 max 0 ap o af o aa y maxf决策属性 44444:5 4233 4 129 6 将约简后的样本整合后输入神经网终进行训练,网终采用 的结构,这种结构 便于将各种调制信号映射到数字、、、、、上,其中“”代表 “”代表, “”代表 “”代表,“”代表 “”代表。网络隐含层采用 函数为激励函数,用 算法训练网络。训练完成后输入预测样本,识别 结果为图。 单一神经网络 一各隐芍点误差 粗糙集与神经网络结合 口平均误差 预测的样本 隐含层节点数 图3两种方沄的识别结果 图4隐含层不同节点数时的平均训练误差曲线 国科技论文在线 http://www.paper.edu.cn 图5基于粗糙集与神经网络方法的收敛曲线 图6单一采用神经网络的收敛曲线 通过图、图、图的对比,发现基于粗糙集与神经网终的自动调制识别方法有更快 的收敛速度和更稳定的识别效果,表为各信号在 下的识别率。 表4每种信号70个样本在SNR=5dB下的识别结果 信号2 ASK BPSK2FSK4 ASK QPSK4FSK总识别率 2ASK BPSK 2FSK 4ASK QPSK 4FSK 识别率 结论 本文将粗糙集与神经网络结合,并应用于通信信号的自动调制识别中,这种方法比传统 的仅用单一的神经网络进行调试识别有很大的优越性。通过粗糙集对特征参数进行属性约 简,不仅简化了样木和条件属性,减少了神经网络输入端节点数目,而且不容易使网终陷入 局部最小点,从而提高了收敛速度和识别精度。 参考文献 [] E.E. Azzouz and AKnandi.通信信号调制的自动识别[M]俞仁涛,李武皋.上海:中国人民解放军57394部 队,1998 2 E.F. Azzouz and A.K.Nandi. Automatic identification of digital modulation types[.Signal Processing,1995,47(1):56-59 [3]A.. Nandi and E.E. Azzouz. Modulation recognition using artificial neural networks[J]. Signal Processing,1997,56(3):166-175 4]赵卫东戴伟辉.基于特征矩阵的决策表约简研究叮J系统工程理论与实践,2003,3:65-70 [5] Pawlak Z. Rough sets[J]. International Journal of Information and Computer Science, 1982, 11(5): 341-356 [6J A.K. Nandi, E E Azzouz. algorithms for automatic modulation recognition of communication signals[J].IEEE Transactions on Communication. 1998,46(4): 433-436 [7]李俊俊,陆明泉,等.一种改进的数字信号自动识别方式门系统工程与电子技术,2005,12(272023-2050 [8]李铁鹰,崔艳等.一和基于粗糙集理论的神经网络分类器的设计[计算机工程与应用,2005,32167-192 [9]雷武虎,张军,等基于粗集的电台识别决策表最小约简算法小解放电子工程学院,2005,5(25:113 山国科技论文在线 http://www.papcr.cdu.cn Zhang Bin, Wu Juanping, Wang Huakui College of Information Engineering, Taiyuan University of Technology, Taiyuan, China(030024) The rough set theory combined with neural networks was applied to communication signals automatic modulation recognition, which depend on the importance of attribute and consistency of decision tables, and use self-organizing map to discretize continuous data. Then, rough set theory was applied to reduce attribute and obtain more useful parameters. Finally, we use the neural network to classify and identify the sample signals. Simulation results show that the new method simplifies the structure of neural networks and decreases the training time without reducing the recognition rate. rough set; automatic modulation recognition; neural network

...展开详情
试读 8P 论文研究-基于粗糙集与神经网络的自动调制识别研究 .pdf
img

关注 私信 TA的资源

上传资源赚积分,得勋章
    最新推荐
    论文研究-基于粗糙集与神经网络的自动调制识别研究 .pdf 5积分/C币 立即下载
    1/8
    论文研究-基于粗糙集与神经网络的自动调制识别研究 .pdf第1页
    论文研究-基于粗糙集与神经网络的自动调制识别研究 .pdf第2页
    论文研究-基于粗糙集与神经网络的自动调制识别研究 .pdf第3页

    试读已结束,剩余5页未读...

    5积分/C币 立即下载 >