通信信號的參數(shù)提取與分層結(jié)構(gòu)BP網(wǎng)絡(luò)識別研究.pdf

1、太原理工大學(xué)碩士學(xué)位論文通信信號的參數(shù)提取與分層結(jié)構(gòu)BP網(wǎng)絡(luò)識別研究姓名：任淑萍申請學(xué)位級別：碩士專業(yè)：信號與信息處理指導(dǎo)教師：王華奎20060401太原理工大學(xué)碩士研究生學(xué)位論文2基于時域統(tǒng)計特征和分形特征的參數(shù)提取，并形成了特征矢量樣本集。首先，分析并提取各糞數(shù)字調(diào)制信號的瞬時幅度、相位纛頻率，在對特征矢量進行提取時，用去卷疊和去線性相位分量的方法對瞬時相位的正確恢復(fù)進行了處理，減小了信道秘噪聲對信號瞬時特征的影響，使提取的瞬時特征

2、更接近理想情況。在MATLAB平臺一F針對調(diào)制方式集(ASK，4ASK，2FSK，4FSK，BPSK，QPSK，16QAM等)提取特征，同時考慮噪聲對信道的影響，形成了特征矢量空間，作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本集。其次，根據(jù)不同調(diào)制信號波形變化的特點，提出具有優(yōu)良品質(zhì)酶分形特征，并進行了性能分析，分類識剮實驗結(jié)果表明該特征參數(shù)提取算法具有運算量小、識別效率高的特點。3針對判決瓣分類方法的不足，提出了使用分漂潮絡(luò)縮構(gòu)韻MLP設(shè)計神經(jīng)網(wǎng)絡(luò)模型，采

3、用改進的BP神經(jīng)網(wǎng)絡(luò)算法——RPRoP。該算法另辟蹊徑，拋開偏導(dǎo)數(shù)豹大小麗采用鑣導(dǎo)數(shù)豹符號所帶來的溺絡(luò)訓(xùn)練信息來調(diào)整網(wǎng)絡(luò)，從而避開了基本BP算法的固有局限性。在不同信噪比的高斯信道中進行了訓(xùn)練識羽，實驗結(jié)果表明：本文設(shè)計的網(wǎng)絡(luò)模型及訓(xùn)練算法，與傳統(tǒng)方法相比在收斂速度、訓(xùn)練時間以及識別率方面都有很大的改進。同時考察了各種信噪比信道下不同的觀測數(shù)據(jù)歐度對識別率的影嘛。本文的研究結(jié)果表明：通過采用本文提出的調(diào)制信號自動識別算法和稠莢的特征參數(shù)