粒子群優(yōu)化算法在通信信號(hào)調(diào)制模式識(shí)別中的應(yīng)用.pdf_第1頁(yè)
已閱讀1頁(yè),還剩64頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、通信信號(hào)調(diào)制模式識(shí)別廣泛應(yīng)用于信號(hào)確認(rèn),干擾辨識(shí),無(wú)線電偵聽(tīng),電子對(duì)抗和信號(hào)檢測(cè)等領(lǐng)域。通信信號(hào)的調(diào)制主要分為兩大類:模擬調(diào)制信號(hào)和數(shù)字調(diào)制信號(hào)。本文主要針對(duì)數(shù)字調(diào)制信號(hào)的調(diào)制方式自動(dòng)識(shí)別進(jìn)行研究。
  針對(duì)比較常用的6種數(shù)字通信調(diào)制信號(hào),首先介紹了用于區(qū)分這些信號(hào)的特征參數(shù)的提取,提取方法包括比較常用的基于時(shí)頻分析法、高階累積量等,并對(duì)不同的信號(hào)特征參數(shù)提取方式進(jìn)行分析比較。然后著手于高精確率、高速度和高穩(wěn)定性的自動(dòng)識(shí)別調(diào)制信號(hào)

2、的分類器設(shè)計(jì)。分類器的設(shè)計(jì)理論主要有決策樹(shù)、支持向量機(jī)(SVM)和神經(jīng)網(wǎng)絡(luò)等。考慮到常用的決策樹(shù)識(shí)別節(jié)點(diǎn)過(guò)多和支持向量機(jī)(SVM)識(shí)別處理多類問(wèn)題分類繁瑣,而神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中容易陷入局部極小值的問(wèn)題,特引入了在函數(shù)優(yōu)化、數(shù)據(jù)挖掘等方面具有突出優(yōu)勢(shì)的混沌粒子群算法來(lái)對(duì)以上常用分類器設(shè)計(jì)算法的關(guān)鍵參數(shù)選擇進(jìn)行擇優(yōu)提取,極大地改進(jìn)了這些傳統(tǒng)分類器算法的準(zhǔn)確度,體現(xiàn)了較好的效果。
  在信噪比取5%、10%、15%的情況下,對(duì)六種數(shù)字

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論