文档介绍：西南交通大学
硕士学位论文
数字通信信号自动调制识别中的分类器设计与实现
姓名:阙隆树
申请学位级别:硕士
专业:微电子学与固体电子学
指导教师:冯全源
20100401
摘要模式识别具有广泛的应用前景。目前模式识别已广泛应用于文字识别、语音识别、指纹识别等等。其中通信调制信号的自动识别也属于模式识别的范畴。模式识别主要研究的问题是分类特征的选择和优化以及分类器的设计。所以数字通信信号的自动调制识别也主要是针对这两个问题。而本文重在研究能应用于数字的龇掷嗵卣鞑问0扛龇掷嗵卣鞑问囊庖逡约叭绾翁崛≌庑┓掷嗵卣接下来采用神经网络作为分类器。首先介绍了神经网络的结构及均方误差反向传播修正权值和阈值的训练方法。然后设计了一个适合于数字信号自动调制保侗鹇蚀锏ヒ陨希芡瓿墒中点,本文研究了具有只需要小的训练样本、泛化性好、全局最优等优点的支持向量机多类分类算法。本文采用了三种支持向量机多分类算法:一对多、一对一、决策有向无循环图。通过对三种多分类方法的识别率和训练测试时间的仿真比较,最后本文简要介绍了实现自动调制识别要用到的硬件,并把一对一的支持向量机多分类算法在鲜迪郑苁凳钡厥侗鹦藕诺髦颇J剑佣橹ち吮疚纳西南交通大学硕士研究生学位论文第通信调制信号识别的分类器,从而有效识别信号的调制方式。本文主要针对比较常用的质滞ㄐ诺髦菩藕牛紫冉樯芰擞糜谇炙参数。然后采用固定门限的决策树分类器对这些信号进行识别,识别的结果表明在低信噪比下效果不太好,在较高的信噪比下才达到比较好的识别效果,在时识别正确率达到.%。识别的神经网络结构,并采用自适应调整学习率的训练方法对网络进行训练。之后研究了神经网络隐含层神经元个数选取和样本数对识别率的影响,得出了最佳隐含层神经元个数为个的结论,从而也验证了隐含层神经元个数选取的经验公式的正确性。总的来说在信噪比为号的自动调制识别。为了克服神经网络的局部极值、训练过程不易控制、需要大量训练样本等缺得出一对一方法更适合于解决数字通信信号自动调制识别问题。这不仅仅是因为一对一方法具有更高的识别正确率,在时最低识别率为.%,时最低识别率为.%。同时也是因为在训练时间和分类时间上它比较有优势。计的分类器的有效性。关键词:调制识别;分类器;支持向量机;神经网络:决策树
甒西南交通大学硕士研究生学位论文第页瑄瑃.%.%,.猚甀,瑆琻瑂琭甌..琲’,,.痶,瓵,甇,瑀瑆琯,.
西南交通大学硕士研究生学位论文第:籒.%,.瓵甤’
学位论文作者签名:犀目傍季暗媚全协日期:加材斯日期:卯#西南交通大学学位论文版权使用授权书槐C芏ⅲ褂帽臼谌ㄊ椤本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。年解密后适用本授权书;本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于C芸冢朐谝陨戏娇蚰诖颉啊指导老师签名:
学位论文作者签名:鬲司陆纠洲缰謑各日西南交通大学硕士学位论文主要工作毕声明本文所研究的分类器,旨在能够应用于通信信号自动调制识别领域。使在信献有:攵种常用数字通信调制信号的识别问题,从传统的决策树分类器至支疚脑谟布﨑上实现了支持向量机分类器算法,使其能应用到实际的自动调本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所取本人在学位论文中所做的主要工作或贡献如下:噪比合适的前提下能够对信号的调制模式进行有效的辨识。所做的主要工作及贡持向量机分类器进行了比较系统的分析和仿真,比较了它们的优缺点,通过研究发现支持向量机分类器识别率更高,更适合作为自动调制识别系统中的分类器。制识别系统,并给出了硬件氖侗鸾峁得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均己在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。日期:
第绪论模式识别中的数字通信信号自动调制识别的应用前景未知类别模式的卖时分类西南交通大学硕士研究生学位论文数字通信信号自动调制识别是一个典型的模式识别问题。模式识别已广泛应石分类、地震分析⒁窖心电图分析、脑电图分析、医疗图像分析⒕路面状锖蜕尚藕偶觳庥敕掷唷⒆远勘晔侗、安全方面肝萍ā⒓嗍雍模式识别又可以分为两类:分类问题和回归问题,尤其以分类问题应用广泛。模式分类的一般过程如图:从图中可以看出,分类器的设计是整个模式识别中关键的一个环节,一个好的分类器设计可以提高分类的准确率。当然分类结果的好坏不仅仅依赖于分类器的设计,但分类器的设计是影响其结果的一个重要因素。分类器的设计是至关重要的,一个好的分类器可以应