| 【中文题名】 | 基于粗糙集的通信信号调制识别方法研究 |
| 【英文题名】 | Study on Modulation Recognition Method of Communication Signals Based on Rough Set |
| 【学科专业】 | 计算数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-1 |
| 【中关键词】 | 调制识别,高阶累积量,粗糙集,BP神经网络,, |
| 【英关键词】 | Modulation Recognition,high-order cumulants,Rough Set,Back-Propagation Network, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>通信>通信理论>调制理论> |
| 【论文摘要】 |
本论文的研究工作为具有强大现实价值的宽带大动态数字接收机的通信信号调制识别提供了新的思路和方法，同时对粗糙集在通信信号识别中的应用进行了尝试。
本文以粗糙集在通信信号调制识别中的应用为研究主题，在了解国内外研究现状和广泛收集前人研究资料的基础上，首先介绍了通信信号调制的相关基础知识。然后介绍了高阶累积量的定义和本文所提取的特征参数的算法。接下来对粗糙集理论进行了详细的理论阐述，由于粗糙集只能适用于离散化数据，所以本文给出了粗糙集和自组织神经网络相结合的离散化算法并阐述了用粗糙集进行特征选择的算法；同时考虑到粗糙集作为分类器的缺点和神经网络作为分类器的优点，设计采用了BP神经网络作为分类器。同时对实际采集到的2psk，2fsk，2ask，4psk，4ask进行试验。通过与粗糙集约简前的BP神经网络和基于PCA的BP神经网络两种不同的识别方法的对比，表明该方法能够得到较好的识别效果。最后对进一步的研究工作进行了展望。 |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-8 |
|
第1章 引言 |
8-17 |
|
1.1 选题依据 |
8-9 |
|
1.2 国内外研究现状 |
9-14 |
|
1.2.1 调制识别国内外研究现状及不足 |
9-12 |
|
1.2.2 粗糙集研究现状 |
12-14 |
|
1.3 本文的研究内容及研究思路 |
14-16 |
|
1.4 主要特色和创新 |
16-17 |
|
第2章 通信信号调制相关基础知识 |
17-20 |
|
2.1 调制的概念及在通信系统中的作用 |
17 |
|
2.2 调制的分类 |
17-20 |
|
第3章 调制信号的特征提取 |
20-26 |
|
3.1 高阶累积量的定义及性质 |
20-23 |
|
3.2 调制信号特征参数提取的算法 |
23-26 |
|
第4章 粗糙集理论及调制信号特征选择算法 |
26-47 |
|
4.1 知识的含义与表达 |
26-29 |
|
4.1.1 知识的分类概念 |
27-28 |
|
4.1.2 知识的表达 |
28-29 |
|
4.2 粗糙集理论基础 |
29-32 |
|
4.2.1 粗糙集理论的基本概念 |
29-31 |
|
4.2.2 粗糙度和分类质量 |
31-32 |
|
4.3 知识获取 |
32-34 |
|
4.3.1 知识获取概述 |
32-33 |
|
4.3.2 决策规则 |
33-34 |
|
4.4 知识约简 |
34-39 |
|
4.5 决策表离散化 |
39-42 |
|
4.5.1 离散化问题的描述 |
39-40 |
|
4.5.2 离散化问题的分类分析 |
40-41 |
|
4.5.3 基于自组织神经网络的属性离散化方法 |
41-42 |
|
4.6 常用的属性约简算法 |
42-43 |
|
4.7 基于正区域的调制信号特征选择算法 |
43-47 |
|
4.7.1 不可分辨关系IND(P)的算法 |
45 |
|
4.7.2 正区域POS_p(Q)的算法 |
45-46 |
|
4.7.3 JELONEK属性约简(特征选择)算法 |
46-47 |
|
第5章 基于粗糙集的调制识别器设计 |
47-52 |
|
5.1 BP神经网络调制识别器 |
47-50 |
|
5.1.1 神经网络概述 |
47-48 |
|
5.1.2 BP神经网络调制识别器算法 |
48-49 |
|
5.1.3 BP神经网络调制识别器设计分析 |
49-50 |
|
5.2 基于粗糙集的调制识别方法步骤 |
50-52 |
|
第6章 基于粗糙集的调制识别方法的应用 |
52-63 |
|
6.1 实验数据来源 |
52 |
|
6.2 基于粗糙集的调制信号特征选择 |
52-55 |
|
6.3 基于粗糙集的BP调制识别结果 |
55-57 |
|
6.4 不同方法的调制识别结果对比分析 |
57-61 |
|
6.4.1 粗糙集处理前的BP调制识别结果 |
57-60 |
|
6.4.2 基于 PCA的BP调制识别结果 |
60-61 |
|
6.5 基于粗糙集的BP调制识别在不同信噪比下识别结果 |
61-63 |
|
第7章 结论与展望 |
63-64 |
|
致谢 |
64-65 |
|
参考文献 |
65-67 |
|
| 【DOI】 | LunWen.ID:2.2008.389121 |
