基于VPRS与RBF神经网络的调制信号识别的研究

论文摘要

通信信号调制识别是通信信号接收处理的一个重要组成部分。其基本任务是对未知调制信号进行分析、判别和归类。通过对未知信号进行调制识别,可以更深入的了解信号的结构、属性等,并为信号的解调及分析提供参数依据,最终获得有用的信息内容。本文以粗糙集与神经网络为工具,对2ASK、4ASK、2FSK、4FSK、2PSK、4PSK数字信号的调制识别为目的,开发了一个基于不完备决策表的变精度粗糙集与径向基神经网络(RBF)调制信号识别的原型系统。主要成果与创新点如下：1、将VPRS模型引入不完备模糊信息系统,对不完备信息系统的粗糙集理论进行扩充,使其更具一般性；2、研究了径向基函数神经网络的数字信号调制识别,并分析了其特性及优缺点；3、提出了变精度粗糙集与径向基函数神经网络相结合的数字信号调制识别算法,提高了识别的精度及泛化能力。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 调制信号识别简介
• 1.2 调试识别发展历程
• 1.2.1 判决论方法的发展
• 1.2.2 统计模式识别方法的发展
• 1.3 研究内容和主要工作
• 1.3.1 主要研究内容
• 1.3.2 拟采用的新方法和技术路线
• 1.3.3 拟解决的关键问题
• 1.3.4 预期实现的成果
• 1.4 本文的组织结构
• 第二章 粗糙集的研究
• 2.1 粗糙集理论的由来
• 2.2 粗糙集理论基础
• 2.2.1 粗糙集理论基本概念
• 2.2.2 粗糙集知识约简
• 2.2.3 粗糙集决策规则提取
• 2.3 粗糙集模型的扩展
• 2.3.1 可变精度粗糙集模型
• 2.3.2 概率粗糙集模型
• 2.3.3 模糊粗糙集模型
• 2.3.4 不完备信息系统粗糙集模型
• 2.4 基于集对分析方法的不完备模糊信息系统变精度粗糙集模型
• 2.5 本章小结
• 第三章 神经网络应用于调制信号识别的研究
• 3.1 引言
• 3.2 神经网络基础理论
• 3.2.1 神经网络概述
• 3.2.2 RBF神经网络
• 3.3 RBF神经网络分类器设计及仿真
• 3.3.1 调制信号数学模型
• 3.3.2 调制信号特征参数选取
• 3.3.3 RBF神经网络分类器设计
• 3.3.4 算法流程
• 3.3.5 仿真实验及结果分析
• 3.4 本章小结
• 第四章 粗糙集与神经网络相结合的调制信号识别
• 4.1 引言
• 4.1.1 粗糙集与神经网络集成的基础
• 4.1.2 粗糙集与神经网络的集成方式
• 4.2 连续属性的离散化
• 4.2.1 现有离散化方法
• 4.2.2 基于微粒群算法的连续属性离散化
• 4.3 粗糙集与神经网络调制信号识别模型设计
• 4.3.1 用粗糙集理论构造径向基函数神经网络
• 4.3.2 基于VPRS和RBF神经网络数字信号调制识别的建模方法
• 4.3.3 仿真实验及结果分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 后续的研究工作
• 参考文献
• 致谢
• 攻读研究生期间发表的学术论文