版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著通信技術(shù)的迅速發(fā)展,其涉及的領(lǐng)域也越來(lái)越廣,以模式識(shí)別為基礎(chǔ)的通信信號(hào)調(diào)制模式識(shí)別技術(shù)是軟件無(wú)線電領(lǐng)域中的重要研究課題,經(jīng)過(guò)多年的研究和發(fā)展已經(jīng)取得了很多研究成果,但是在對(duì)于大動(dòng)態(tài)信噪比環(huán)境下的通信信號(hào)調(diào)制模式識(shí)別一直無(wú)法取得較好的效果,同時(shí)采用人工進(jìn)行特征篩選的方式會(huì)增加很多工作量。本文從對(duì)與通信信號(hào)特征的噪聲魯棒性入手,研究在信噪比動(dòng)態(tài)快速變化的情況下依然具有良好分類能力的通信信號(hào)調(diào)制模式識(shí)別方法。
本文首先對(duì)于所涉及
2、到的10種調(diào)制信號(hào)即MASK,MFSK,MPSK以及16QAM信號(hào)進(jìn)行了分析說(shuō)明,之后我們分別提取了通信信號(hào)的瞬時(shí)信息特征,統(tǒng)計(jì)量特征以及變換域特征,使用提取出的信號(hào)特征組成了原始特征集。
其次,通過(guò)對(duì)深度信念網(wǎng)絡(luò)(Deep Belief Network,DBN)分析和研究,應(yīng)用DBN網(wǎng)絡(luò)對(duì)原始特征集進(jìn)行了提取,不但獲得了具有噪聲魯棒性的特征集,同時(shí)排除減小了特征的維度,提高了計(jì)算速度。經(jīng)過(guò)后的特征集的特整體數(shù)量被縮減到了4個(gè)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于噪聲魯棒性的通信信號(hào)調(diào)制模式識(shí)別方法研究
- 基于壓縮感知的PSK信號(hào)調(diào)制模式識(shí)別方法.pdf
- 基于DSP的通信信號(hào)調(diào)制識(shí)別方法研究.pdf
- 無(wú)線通信信號(hào)調(diào)制識(shí)別方法研究.pdf
- 基于粗糙集的通信信號(hào)調(diào)制識(shí)別方法研究.pdf
- 基于小波變換的通信信號(hào)調(diào)制識(shí)別方法研究.pdf
- 基于DSPs和FPGA的通信信號(hào)調(diào)制識(shí)別方法研究.pdf
- 自動(dòng)語(yǔ)音識(shí)別噪聲魯棒性方法研究.pdf
- 語(yǔ)音識(shí)別前端噪聲魯棒性方法研究.pdf
- 無(wú)線信號(hào)調(diào)制模式識(shí)別技術(shù)的研究.pdf
- 基于高魯棒性特征的人體動(dòng)作識(shí)別方法研究.pdf
- 自動(dòng)語(yǔ)音識(shí)別中的噪聲魯棒性方法.pdf
- 復(fù)雜調(diào)制信號(hào)調(diào)制樣式識(shí)別方法的研究.pdf
- 基于群集智能模式識(shí)別方法的研究.pdf
- 基于WAMS的低頻振蕩模式識(shí)別方法研究.pdf
- 基于鐵譜的磨損模式識(shí)別方法研究.pdf
- 基于CCGA優(yōu)化的ANN信號(hào)調(diào)制模式識(shí)別.pdf
- 基于強(qiáng)魯棒性的SAR圖像目標(biāo)識(shí)別方法研究.pdf
- 改進(jìn)的SVM模式識(shí)別方法.pdf
- 基于稀疏編碼的魯棒說(shuō)話人識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論