信号处理
信號處理
신호처리
SIGNAL PROCESSING
2013年
6期
761-765
,共5页
党月芳%徐启建%张杰%陈晓
黨月芳%徐啟建%張傑%陳曉
당월방%서계건%장걸%진효
高阶累积量%分形理论%调制识别%级联神经网络
高階纍積量%分形理論%調製識彆%級聯神經網絡
고계루적량%분형이론%조제식별%급련신경망락
high-order cumulants%fractal theory%modulation classification%cascade neural network
提出了将信号高阶累积量和分形盒维数相结合的特征提取方法.信号高阶累积量特征具有良好的抗噪性能,被广泛应用于调制识别.2ASK和BPSK的高阶累积量、以及2FSK,4FSK,8FSK的高阶累积量相等,使得只提取信号高阶累积量不足以区分信号.针对这一问题,引入信号的分形盒维数,提取信号的高阶累积量和分形盒维数构成联合特征参数,构建级联神经网络分类器,对信号进一步进行分类.对2ASK,4ASK,BPSK,4PSK,2FSK,4FSK,16QAM七种信号进行了仿真,结果表明,该方法提取的特征参数计算复杂度低,具有较好的抗噪性能.在信噪比不低于5dB、测试样本数不少于200的条件下,正确识别率达到了85％以上.
提齣瞭將信號高階纍積量和分形盒維數相結閤的特徵提取方法.信號高階纍積量特徵具有良好的抗譟性能,被廣汎應用于調製識彆.2ASK和BPSK的高階纍積量、以及2FSK,4FSK,8FSK的高階纍積量相等,使得隻提取信號高階纍積量不足以區分信號.針對這一問題,引入信號的分形盒維數,提取信號的高階纍積量和分形盒維數構成聯閤特徵參數,構建級聯神經網絡分類器,對信號進一步進行分類.對2ASK,4ASK,BPSK,4PSK,2FSK,4FSK,16QAM七種信號進行瞭倣真,結果錶明,該方法提取的特徵參數計算複雜度低,具有較好的抗譟性能.在信譟比不低于5dB、測試樣本數不少于200的條件下,正確識彆率達到瞭85％以上.
제출료장신호고계루적량화분형합유수상결합적특정제취방법.신호고계루적량특정구유량호적항조성능,피엄범응용우조제식별.2ASK화BPSK적고계루적량、이급2FSK,4FSK,8FSK적고계루적량상등,사득지제취신호고계루적량불족이구분신호.침대저일문제,인입신호적분형합유수,제취신호적고계루적량화분형합유수구성연합특정삼수,구건급련신경망락분류기,대신호진일보진행분류.대2ASK,4ASK,BPSK,4PSK,2FSK,4FSK,16QAM칠충신호진행료방진,결과표명,해방법제취적특정삼수계산복잡도저,구유교호적항조성능.재신조비불저우5dB、측시양본수불소우200적조건하,정학식별솔체도료85％이상.
