基于粗糙集神经网络与联合参数法的数字调制信号识别研究

《基于粗糙集神经网络与联合参数法的数字调制信号识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据声明尸刚本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体己经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：笪!生≤!鲤关于学位论文使用权的说明本人完全了解太原理工大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；⑦学校可以采用影印、缩印或其它子复制手段复制并保存学位论文；④学校可允许学位论文被查阅或借

2、阅；④学校可以学术交流为目的，复制赠送和交换学位论文；③学校可以公布学位论文的全部或部分内容(保密学位论文在解密后遵守此规定)o签名：—挺鲤4——一IEI辫t：—丝监上止导师签名：日期：万方数据太原理工大学硕士研究生学位论文基于粗糙集神经网络与联合参数法的数字调制信号识别研究摘要随着信息技术的快速发展，通信技术的调制样式也趋于复杂多样化，正确高效的识别通信信道中数字调制信号的样式，并对其加以利用，可以给人类在信号确认与监控、电子救援，通信对抗、军事威胁等领域内的通信研究带来更大帮助。然而不同样式的调制信号的调制参数不相同，因此，对调制

3、信号有效监控和识别成为了重要的研究课题。自动调制识别的目的是为了在未知先验信息时，估计出信号的调制参数，然后对其调制方式进行识别。本文所作的主要工作：1．首先介绍了几种数字调制信号产生原理，分析了各种信号的瞬时特征信息，并对每一类信号进行了分析和仿真。2．介绍了关于高阶累积量的基础知识，根据本文所研究的八种数字调制信号，在他们的高阶累积量和瞬时幅度基础上，选择了(‰、盯面、巧、最、F，、盯叩、R、％，)八个特征参数，通过实验证明，这些特征参数能够有效区分这八种数字调制信号。3．详细的阐述了粗糙集理论，并且利用了粗糙集属性约简算法对特征

4、参数进行选择。此算法不仅直观、而且易于理解。本文把邻域粗糙集模型应用在调制信号的研究识别中，得到了较好的效果。4．将BP神经网络用作识别信号的分类器。对采集到的2ASK、2PSK、2FSK、4ASK、4PSK、4FSK、8ASK、16QAM这八种信号进行调制识别的实验。万方数据太原理工大学硕士研究生学位论文实验结果得到了各类信号的仿真实验结果图、单个信号的识别率和所有信号的平均识别率，实验结果表明了本文算法的有效性。关键词：邻域关系，属性约简，粗糙集，BP神经网络II万方数据太原理工大学硕士研究生学位论文AI之ESEARCHOFMOD

5、ULATIONRECOGNITION0FDIGITALSIGNALSBASEDONNEIGHBORHOODROUGHSET卜哐I爪AI，卜mTWORKANDJ0n町TPARAⅧTERSABSTRACTAsrapiddevelopmentofcommunicationtechnology,themodulationstyleofcommunicationtechnologytendtobecomplicated．CorreCtandefficientidentificationofdigitalmodulationsignalsinac

6、ommunicationchannel，andusethemCanaffirmtohumansinthesignalandmonitoring，electronics，communications，militarythreat，etcinthefieldofcommunicationresearchbringgreaterhelp．However,differentstyleofmodulationsignalmodulationparametersarenotidentical，therefore，theeffectivemonit

7、oringandidentificationofthemodulationsignalbecomeanimportantresearchtopic．AutomaticmodulationrecognitionInunknownaprioriinformation，estimatethemodulationparametersofthesignal，andthentorecognizateitsstyle．Inthisartilethemainworkisasbelowdescribed：1．Firstlyseveraldigitals

8、ignalsareintroduced，Allkindsofsignalinstantaneouscharacteristicinformationareanalyzed，andforeverykindofsignals