文档介绍：西南交通大学研究生学位论文年姓专二零一二年五月一苓一一,牛直月国内图书分类号:国际图书分类号:.密级:公开
篗篩::...
日期:≯恢髟/学位论文作者签名:方色衣失保密口,在一年解密后适用本授权书。不保密∥学位论文版权使用授权书西南交通大学日期:切垃年厂月纠日朐谝陨戏娇蚰诖颉袄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。本人授权西南交通大学可以将本学位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、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于指导教师签名:
学位论文作者签名:施矗麦日期:≯·兰//西南交通大学学位论文主要工作毕声明本人在学位论文中所做的主要工作或贡献如下:攵越馕鲂藕盘崛⊥ㄐ判藕潘彩辈问茉肷跋旖洗蟮南肿矗孕藕沤行经验模式分解珽朔瞬糠衷肷挠响,并通过对其分解后的内蕴模式函数,信号提取瞬时参数,提高提取参数的精度。迪至撕献餍糯惴珻优化神经网络的信号调制模式识别。采用神经网络纵向分割。“随机钣的代表个体选择,结构和连接权值分别编码,单点对应交叉,结构和连接权值分别变异的进化方案,能同时优化结构和连接权值,降低神经网络的训练时间,提高识别率。迪至嘶谑庇蚵瞬ǖ亩嘈藕诺髦颇J绞侗稹J庇蚵瞬ǚ掷牒蟮牡バ藕采用时域特征参数判定其调制模式,识别率较低。用自回归珹模型提取信号的短时平均中心频率和短时平均带宽,并采用直方图后处理压缩,作为待识别信号的特征向量,提高了识别率。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得到的成果。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,均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。.
摘要制条件,给出希尔伯特一黄变换西南交通大学硕士研究生学位论文第信号调制模式识别是非合作通信中重要的研究内容,是民用无线电管理部门进行频谱管理和军用电子对抗的必备技术。软件无线电和认知无线电概念的提出和微电子技术的发展,使多体制通信系统能够在同一接收机中实现成为可能,对信号的调制模式识别提出了新要求。本文是在前人研究的基础上,将优化的神经网络应用到基于统计模式信号调制识别。第一,阐述信号调制模式识别的两种途径,即决策理论和统计模式。瞬时参数的提取是统计模式识别的基础,针对解析信号法提取瞬时参数的不足与限琀崛∷彩辈问的方法。试验仿真结果表明,椒芸朔糠衷肷挠跋臁第二,依据提取出的特征参数作为特征向量,研究人工神经元网络珹バ藕诺髦颇J绞侗鹞侍狻T诩蛞=樯蹵基本原理和用于模式识别的方法与特点的基础上,把神经网络引入到信号调制模式识别。针对算法收敛慢,易陷入局部极小点等缺陷,引入遗传算法珿优化神经网络,提高全局搜索能力。试验仿真结果表明,本文运用优化神经网络的结构和权值,网络分类时间比网络缩短约%,比甅网络缩短近%,识别率也有提升。由于过分强调“生存竞争雎粤烁鎏逯涞暮献鞴叵担闹薪幼叛芯緾呕窬绲实现方案。针对的特点,文中详细论述子种群分割、代表个体选择、子个体编码方案、子个体交叉和变异的方法。试验仿真结果表明,相同条件下,比优化的神经网络在识别率提高的同时,运行时间缩短%。第三,针对多信号调制模式识别问题,依据处理多信号的接收数据模型,对多信号进行分离识别。因受噪声和滤波器性能的影响,对分离后的单信号计算时域特征参数,用优化后的神经网络判定其调制模式,识别率较低。采用模型提取信号的短时平均中心频率和短时平均带宽,并用直方图压缩其维数后作为待识别信号的特征向量,判定其调制类型,识别率可提高约关键词:特征提取;调制模式识别;神经网络;合作协进化遗传算法;模型ァ
西南交通大学硕士研究生学位论文第页%甌琣,,,.瓵瑃甌瑃%.,畃,,..,
瑃畉西南交通大学硕士研究生学位论文第甒%瑃ィ,.甋瑃篺;籲籄甀
⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第翪呕腁单信号调制模式识别⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯神经网络识别仿真结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..研究背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..霾呗鄯椒ㄓ胪臣颇J椒椒ǖ谋冉稀统计模式信号调制识别的两种神经网络分类器⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本文主要内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..荡藕攀P汀用于频带信号分类的时域特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯