数据挖掘在调制识别中应用及并行化实现研究

《数据挖掘在调制识别中应用及并行化实现研究》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、硕士学位论文题目:数据挖掘在调制识别中应用及并行化实现研究研究生顾嘉伟专业通信与信息系统指导教师赵知劲教授完成日期2016年3月杭州电子科技大学硕士学位论文数据挖掘在调制识别中应用及并行化实现研究研究生：顾嘉伟指导教师：赵知劲教授2016年3月DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterResearchonApplicationandParallelImplementationofDataMininginModulationTypeRecognitionCandidate:GuJ

2、iaweiSupervisor:Prof.ZhaoZhijinMarch，2016抗州电子科技大学学位论文原创往声明巧使用授权说明原创隹声明本人郑重声明：所呈交的学位论义，是本人在导师的指导下，独立进行研巧工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均己在文中明确方式标明。一申请学位论文与资料若有不实么处，本人承担切相关责任。论文作者签名：＾一＾日期：年吝月ｆ真日］＾学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论

3、文的规定，即：研巧生在校攻读学位期间论义工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件，、允许蒼阅和借阅论文，可缩印或其；学校可公布论文的全部或部分内容抖允许采用影印它复制手段保存论文。（保密论文在解密后遵守此规定）＾ｆ论文作者签名：日期；別年月／日指导教师签名；秦日期；年；月日Ｐ杭州电子科技大学硕士学位论文摘要数据挖掘算法可以从大量的数据中搜索出有价值的信息，常用的分析方法主要有分类和聚类。分类算法是一种有监督学习算法，需要先从训练集中学

4、习分类标准，然后根据学习到的分类标准对数据集进行分类。聚类算法是一种无监督学习算法，它能够在无先验知识的条件下，找出数据集的分布结构，将数据集划分成多个簇。本文主要研究利用数据挖掘的调制样式识别及并行化实现。首先，介绍了数据挖掘算法和调制样式识别的研究背景和关键技术，并详细介绍了k-means算法、DBSCAN算法和RBM模型。其次，推导了MASK、MPSK、MQAM和2FSK信号高阶矩的通用公式，计算得到2ASK、4ASK、QPSK、8PSK、2FSK和16QAM信号的高阶累积量理论值，并提取两个特征参数。提出了基于混合三阶受限玻尔兹曼机(HybridThree-o

5、rderRestrictedBoltzmannMachine,H3RBM)的数字调制信号识别方法。仿真结果表明，H3RBM训练时间短，信号识别率高。然后，提出了一种基于并行k-means算法的调制样式识别方法。采用随机抽样的方式将数据集划分成多个块；通过预聚类优化初始聚类中心，通过线性预测平均聚类中心加快聚类效率。该方法对2ASK、4ASK、QPSK、8PSK、2FSK和16QAM信号的识别不需要训练集。仿真结果表明，提出的并行方式具有更高的聚类效率，并且具有较高的信号识别率。最后，提出了一种基于并行DBSCAN算法的调制样式识别方法。利用粒子群算法搜索基于数据交叠分

6、区的最优划分边界；每一数据块的聚类由粗聚类和粗聚类簇合并两个阶段实现，降低了计算复杂度；该方法对2ASK、4ASK、QPSK、8PSK、2FSK和16QAM信号的识别不需要训练集。仿真结果表明，提出的并行方式有效提高了聚类效率，并且信号识别率高于基于k-means识别方法和基于H3RBM识别方法。关键词：调制样式识别，混合三阶受限玻尔兹曼机，k-means算法，DBSCAN算法，并行实现I杭州电子科技大学硕士学位论文ABSTRACTClassificationandclusteringaretwocommonlyuseddataminingalgorithmswhic

7、hcanfindoutthevaluableinformationfromalargenumberofdata.Classificationisakindofsupervisedlearningalgorithms,itcanclassifythedatasetsaccordingtothecriteriawhichislearnedfromthetrainingsets.Clusteringisakindofunsupervisedlearningalgorithms,itcanfindthedistributionstructureofdatas