计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2009年
7期
2478-2480
,共3页
调制识别%特征向量%高阶统计量%欧氏距离%神经网络
調製識彆%特徵嚮量%高階統計量%歐氏距離%神經網絡
조제식별%특정향량%고계통계량%구씨거리%신경망락
在高信噪比处理域构造新的用于调制识别的高阶统计量幅值特征,与传统特征相比保留了更多的分类信息,适合干扰较大多种调制模式并存的环境.基于联合特征向量有效提高了识别性能,用窗口平滑抑制截获信号中的噪声,对识别器输入特征向量样本规范化以提高处理速度.分别基于欧氏距离分类方法和改进算法的神经网络识别器进行仿真实验,证明了采用联合特征向量和优化方法在低信噪比干扰更大的信道条件下能区分更多的调制类型(MASK、MPSK、MFSK、MQAM),且平均调制识别率提高20%～30%,算法效率也得到明显提高.
在高信譟比處理域構造新的用于調製識彆的高階統計量幅值特徵,與傳統特徵相比保留瞭更多的分類信息,適閤榦擾較大多種調製模式併存的環境.基于聯閤特徵嚮量有效提高瞭識彆性能,用窗口平滑抑製截穫信號中的譟聲,對識彆器輸入特徵嚮量樣本規範化以提高處理速度.分彆基于歐氏距離分類方法和改進算法的神經網絡識彆器進行倣真實驗,證明瞭採用聯閤特徵嚮量和優化方法在低信譟比榦擾更大的信道條件下能區分更多的調製類型(MASK、MPSK、MFSK、MQAM),且平均調製識彆率提高20%～30%,算法效率也得到明顯提高.
재고신조비처리역구조신적용우조제식별적고계통계량폭치특정,여전통특정상비보류료경다적분류신식,괄합간우교대다충조제모식병존적배경.기우연합특정향량유효제고료식별성능,용창구평활억제절획신호중적조성,대식별기수입특정향량양본규범화이제고처리속도.분별기우구씨거리분류방법화개진산법적신경망락식별기진행방진실험,증명료채용연합특정향량화우화방법재저신조비간우경대적신도조건하능구분경다적조제류형(MASK、MPSK、MFSK、MQAM),차평균조제식별솔제고20%～30%,산법효솔야득도명현제고.
