学位论文 > 优秀研究生学位论文题录展示

改进型自组织特征映射神经网络的数字调制信号识别技术研究

作　者: 冯利利
导　师: 王华奎
学　校: 太原理工大学
专　业: 信号与信息处理
关键词: 数字调制识别 特征参数提取 自组织特征映射神经网络 K-均值聚类算法
分类号: TN911.3
类　型: 硕士论文
年　份: 2011年
下　载: 49次
引　用: 0次
阅　读: 论文下载
 

内容摘要


通信信号调制方式的识别技术在信号检测、频谱监控以及现代电子战中都起着至关重要的作用,它要求在无任何先验知识的前提下准确无误地识别接收信号的调制方式。随着通信技术的发展,数字调制信号的智能化识别成为该领域新的研究方向。人工神经网络具有对外部输入模式进行自学习的能力,从而自组织地对该模式形成认识。本文将自组织特征映射神经网络应用到调制信号的识别系统中,充分体现了系统的智能化设计。本文主要进行了以下三项工作：1.在瞬时特征的基础上构造了五种能够识别七种常用数字信号(2ASK、4ASK、2FSK、4FSK、BPSK、QPSK和16QAM)的特征参数,通过仿真实验得出七种调制信号瞬时特征图和特征参数分布情况。2.研究了K-均值聚类算法在数据聚类中影响聚类效果的两个主要因素,针对其不足,引入全局K-均值聚类算法,并利用k中心点法对此算法进行了改进,仿真比较三种算法的聚类效果。3.提出将K-均值聚类算法所得聚类中心作为神经元的初始权值向量,同时对网络的拓扑结构进行相应的改进。仿真结果表明,改进算法具有一定的优越性。

全文目录


摘要  3-4
ABSTRACT  4-9
第一章 绪论  9-15
  1.1 通信信号调制识别的目的及意义  9-10
  1.2 通信信号调制识别的发展历程及现状  10-12
  1.3 论文的结构  12-15
第二章 数字调制信号概述及特征参数提取  15-33
  2.1 数字调制信号模型  15-16
  2.2 数字调制信号  16-25
    2.2.1 幅移键控(ASK)  16-18
    2.2.2 频移键控(FSK)  18-22
    2.2.3 相移键控(PSK)  22-25
  2.3 正交幅度调制(QAM)  25-26
  2.4 分类特征提取  26-30
    2.4.1 瞬时特征提取与处理  26-29
    2.4.2 分类特征参数介绍  29-30
  2.5 分类特征参数提取仿真  30-32
  2.6 本章小结  32-33
第三章 自组织特征映射神经网络  33-43
  3.1 自组织特征映射神经网络基本思想  33-35
    3.1.1 SOFM网络模型  33-34
    3.1.2 竞争层神经元的侧反馈作用  34-35
  3.2 竞争学习规则  35-39
    3.2.1 相似性测量  35-36
    3.2.2 权值向量归一化  36
    3.2.3 竞争学习规则  36-39
  3.3 SOFM网络的学习原理  39-40
  3.4 SOFM神经网络的实验仿真  40-42
  3.5 传统SOFM神经网络的局限性  42
  3.6 本章小结  42-43
第四章 K-均值聚类算法的研究及改进  43-53
  4.1 K-均值聚类算法概述  43-45
    4.1.1 K-均值聚类算法的思想提出  43
    4.1.2 K-均值聚类算法的算法流程  43-45
  4.2 全局K-均值聚类算法  45-46
    4.2.1 算法的基本思想  45
    4.2.2 全局K-均值聚类算法流程  45-46
  4.3 k中心点法确定初始化中心  46-47
  4.4 基于全局K-均值聚类算法的改进  47-48
    4.4.1 算法的基本思想  47-48
    4.4.2 改进后的算法流程  48
  4.5 仿真实验及结果分析  48-51
  4.6 本章小结  51-53
第五章 基于神经网络的调制识别器设计  53-63
  5.1 SOFM神经网络用于调制信号识别  53-56
    5.1.1 SOFM神经网络结构设计  53-54
    5.1.2 神经元初始权值向量的选择  54-55
    5.1.3 权值向量调整公式  55
    5.1.4 学习率及初始领域半径的选择  55-56
    5.1.5 算法描述  56
  5.2 SOFM的改进算法  56-59
    5.2.1 利用kmeans函数  57-58
    5.2.2 利用改进的全局K-均值聚类  58-59
    5.2.3 改进后算法流程  59
  5.3 仿真实验及结果分析  59-61
  5.4 本章小结  61-63
第六章 总结与展望  63-65
  6.1 本文的工作总结  63-64
  6.2 展望  64-65
参考文献  65-69
致谢  69-71
攻读研究生期间发表的学术论文  71

相似论文

  1. 基于变异粒子群的聚类算法研究,TP18
  2. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  3. 基于GIS的贵州省滑坡地质灾害易发性多模型综合评价,P642.22
  4. 面向装备研制的产品平台构建研究,TJ08
  5. 弥散敏感度b值在脑梗塞多谱MR图像分割中的应用研究,TP391.41
  6. 模糊C-均值算法改进研究,TP311.13
  7. 分层考虑气象因素的电力系统短期负荷预测,TM715
  8. 随机载荷特征参数提取与疲劳寿命预测智能系统开发,TH87
  9. 基于模糊聚类的金融时间序列对公共信息的反应强度研究,F224
  10. 基于粒子群的图像分割算法及其应用,TP391.41
  11. 基于元音长度调整的中文语音识别,TN912.34
  12. 基于语音信号的情绪识别研究,TN912.34
  13. 一种改进的人工神经网络模型,TP183
  14. 印版显微灰度图像二值化算法研究,TP391.41
  15. 数字系统微弱泄漏电磁波信号检测与分析的算法研究,TM937
  16. 基于Web的羊病诊断专家系统关键技术的研究,TP182
  17. 模糊聚类分析中模糊c均值聚类计算方法研究,TP391.4
  18. 雷达欺骗式干扰检测与实现,TN974
  19. 基于模糊理论的研究生复试考评系统的设计与实现,TP311.52
  20. 基于提升小波与聚类算法的脉象信号识别的研究,TN911.7
  21. K-均值聚类算法研究,TP18

中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论 > 调制理论
© 2012 www.xueweilunwen.com