

版權(quán)說明: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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、通信領(lǐng)域的迅猛發(fā)展、打贏信息化戰(zhàn)爭的新要求決定著通信、雷達(dá)等各種信號調(diào)制樣式的千變?nèi)f化,這就需要我們對不同調(diào)制樣式的信號分類方法進(jìn)行不斷的探索研究。當(dāng)前,識別信號的方法有很多,如對數(shù)似然比識別法、過零點(diǎn)法、數(shù)字相位統(tǒng)計(jì)相關(guān)變量識別法、基于決策理論識別法等等。本文主要研究的是依靠神經(jīng)網(wǎng)絡(luò)技術(shù)對信號進(jìn)行識別的方法。
神經(jīng)網(wǎng)絡(luò)技術(shù)是以人體的神經(jīng)系統(tǒng)為基礎(chǔ),構(gòu)建解決信息處理等問題的模型,從而智能地實(shí)現(xiàn)不同的功能。根據(jù)其內(nèi)部結(jié)構(gòu)與算法的
2、不同,又分為很多種網(wǎng)絡(luò),當(dāng)然不同的網(wǎng)絡(luò)各有千秋,在實(shí)現(xiàn)不同的功能上也各有所能。
論文利用神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)了對幾種數(shù)字調(diào)制信號(2ASK、4ASK、2FSK、4FSK、BPSK、QPSK)的分類識別。首先,通過對幾種數(shù)字調(diào)制信號的調(diào)制技術(shù)的研究,確立了幾種特征參數(shù),從而設(shè)計(jì)了信號分類識別的流程。其次,根據(jù)信號分類特點(diǎn)及研究方向論文選取了RBF網(wǎng)絡(luò),并基于MATLAB軟件平臺,對RBF網(wǎng)絡(luò)實(shí)現(xiàn)幾種數(shù)字調(diào)制信號分類進(jìn)行了仿真實(shí)驗(yàn),主要
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的幾種數(shù)字調(diào)制信號分類方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)字調(diào)制方式識別的研究.pdf
- 基于粗糙集神經(jīng)網(wǎng)絡(luò)與聯(lián)合參數(shù)法的數(shù)字調(diào)制信號識別研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的EEG信號分類方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的調(diào)制信號識別.pdf
- 數(shù)字調(diào)制信號識別研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)和SVM的信號分類方法的研究.pdf
- 基于DE優(yōu)化的神經(jīng)網(wǎng)絡(luò)信號調(diào)制識別研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的信號調(diào)制識別研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)與AdaBoost的疊前信號分類方法研究.pdf
- 數(shù)字調(diào)制信號識別算法研究.pdf
- 常用數(shù)字調(diào)制信號的識別研究.pdf
- 基于循環(huán)平穩(wěn)理論的數(shù)字調(diào)制信號識別研究.pdf
- 基于譜相關(guān)和神經(jīng)網(wǎng)絡(luò)的信號自動調(diào)制識別方法.pdf
- 基于通信信號調(diào)制識別問題的神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究.pdf
- 數(shù)字調(diào)制信號的自適應(yīng)解調(diào).pdf
- 微弱數(shù)字調(diào)制信號的非線性隨機(jī)共振檢測方法研究.pdf
- 基于支持向量機(jī)的數(shù)字調(diào)制信號識別.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)信號調(diào)制體制識別算法研究.pdf
評論
0/150
提交評論