基于神经网络的几种数字调制信号分类方法研究

《基于神经网络的几种数字调制信号分类方法研究》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、学号：s13041210硕士学位论文基于神经网络的几种数字调制信号分类方法研究研究生姓名：金鑫学科、专业：信息与通信工程二○一六年四月分类号：TN914密级：可公开UDC：621.39编号：基于神经网络的几种数字调制信号分类方法研究CLASSIFICATIONMETHODOFDIGITAL-MODULATION-SIGNALSBASEDONNEURALNETWORK学位授予单位及代码：长春理工大学（10186）学科专业名称及代码：信息与通信工程（0810）研究方向：光通信系统理论与无线通信技术申请学位

2、级别：工学硕士指导教师：于林韬副教授研究生：金鑫论文起止时间：2014.09-2015.12长春理工大学硕士学位论文原创性声明本人郑重声明：所呈交的硕士学位论文，《基于神经网络的几种数字调制信号分类方法研究》是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名：年月日长春理工大学学位论文版权使用授权书

3、本学位论文作者及指导教师完全了解“长春理工大学硕士、博士学位论文版权使用规定”，同意长春理工大学保留并向中国科学信息研究所、中国优秀博硕士学位论文全文数据库和CNKI系列数据库及其它国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权长春理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。作者签名：年月日导师签名：年月日I摘要通信领域的迅猛发展、打赢信息化战争的新要求决定着通信、雷达等各种信号调制样式的千变万化

4、，这就需要我们对不同调制样式的信号分类方法进行不断的探索研究。当前，识别信号的方法有很多，如对数似然比识别法、过零点法、数字相位统计相关变量识别法、基于决策理论识别法等等。本文主要研究的是依靠神经网络技术对信号进行识别的方法。神经网络技术是以人体的神经系统为基础，构建解决信息处理等问题的模型，从而智能地实现不同的功能。根据其内部结构与算法的不同，又分为很多种网络，当然不同的网络各有千秋，在实现不同的功能上也各有所能。论文利用神经网络，实现了对几种数字调制信号（2ASK、4ASK、2FSK、4FSK、B

5、PSK、QPSK）的分类识别。首先，通过对几种数字调制信号的调制技术的研究，确立了几种特征参数，从而设计了信号分类识别的流程。其次，根据信号分类特点及研究方向论文选取了RBF网络，并基于MATLAB软件平台，对RBF网络实现几种数字调制信号分类进行了仿真实验，主要有信号生成实验（加入高斯白噪声的信号）、神经网络训练、单个RBF网络识别的仿真。最后，论文围绕RBF网络中心选取这一核心，在其算法上进行了改进，将递归最小正交二乘法与RBF网络进行了融合，并进行仿真实验，并将结果与单个RBF网络识别对比，改进

6、后的网络在网络训练的收敛速度和信号的识别率两方面取得了明显的改善。关键词：数字调制信号分类识别神经网络RBF网路ROLS算法IIABSTRACTTherapiddevelopmentofcommunicationfieldandthenewrequirementsofwinningtheinformationwardeterminethattherearemanykindsofsignalmodulationstyles,whichrequiresustoexploretheclassificatio

7、nmethodofdifferentmodulationstyles.Atpresent,theidentificationmethodofthesignalhasmanykinds，whichmainbasedontheloglikelihoodratio,thezerocrossingmethod,thedigitalphasecorrelationvariableidentificationmethod,thedecisiontheoryrecognitionmethodandsoon.This

8、papermainstudiestherecognitionmethodbasedonneuralnetwork.ANNisbasedonthehumanbody'snervoussystem,tobuildamodeltosolvetheproblemofinformationprocessing,soastoachieveintelligentlydifferentfunctions.Accordingtoitsinternalstructurean