通信信號的參數(shù)提取與分層結構BP網(wǎng)絡識別研究.pdf

1、太原理工大學碩士學位論文通信信號的參數(shù)提取與分層結構BP網(wǎng)絡識別研究姓名：任淑萍申請學位級別：碩士專業(yè)：信號與信息處理指導教師：王華奎20060401太原理工大學碩士研究生學位論文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)絡的訓練樣本集。其次，根據(jù)不同調制信號波形變化的特點，提出具有優(yōu)良品質酶分形特征，并進行了性能分析，分類識剮實驗結果表明該特征參數(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縮構韻MLP設計神經(jīng)網(wǎng)絡模型，采

3、用改進的BP神經(jīng)網(wǎng)絡算法——RPRoP。該算法另辟蹊徑，拋開偏導數(shù)豹大小麗采用鑣導數(shù)豹符號所帶來的溺絡訓練信息來調整網(wǎng)絡，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練識羽，實驗結果表明：本文設計的網(wǎng)絡模型及訓練算法，與傳統(tǒng)方法相比在收斂速度、訓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。本文的研究結果表明：通過采用本文提出的調制信號自動識別算法和稠莢的特征參數(shù)