资源描述：
《通信信号调制识别中的分类器设计学士学位论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、毕业论文（设计）题目：通信信号调制识别中的分类器设计英文题目：ClassifierDesignRecognitionofModulationofCommunicationSignals院系：电子工程学院专业：通信工程姓名：年级：指导教师：年月-I-九江学院学士论文摘要通信信号调制方式的识别是通信侦察的关键技术之一，是目前电子战的重要研究课题。本文针对通信信号的调制识别问题，深入研究了信号的特征提取方法，在此基础上探讨了分类器的设计方法。调制信号识别普遍应用于信号区分、干扰识别等多种领域。其目的是在复杂环
2、境和有噪声干扰的条件下以及没有先验知识的情况下，通过对信号的接收进行处理，从而判断出信号的调制方式。神经网络是一种模拟生物神经工作的方法，功能与人脑有某些相似之处，具有自学习和存储功能，算法具有智能性，对于处理非线性问题很有用处，并且广泛用于现在各个领域，例如做销售量的非线性预测，计算机智能控制，图像的处理，优化算法方面等等。在先辈们的基础之下，本文更深层次的研究信号识别问题。具体工作内容如下：1、概述了一些常见的调制信号，给出一些经常使用调制信号的数学原型，考察了常见数字调制信号的一些基本特性，如时域
3、波形和频谱图。2、对神经网络分类器作整体的介绍。3、研究了分类器的训练算法，并对传统的BP网络的不足提出改进的算法。仿真实验表明，将提取的时频分析特征,通过改进的BP算法设计的神经网络分类器对信号进行分类，实现了不单一的信号在较大信噪比变化范围内的自动识别，其收敛速度计误差识别都明显改善，通过实验取得期望的结果。ⅢⅢ关键词：调制识别；时频特征；神经网络Ⅲ-III-ClassifierDesignRecognitionofModulationofCommunicationSignalsAbstractMo
4、dulationrecognitionofcommunicationsignalsisoneofthekeytechnologiesincommunicationreconnaissance,isanimportanttaskinthefieldofelectronicwarfare.Inthispaper,aimingattheproblemofcommunicationsignalmodulationrecognition,in-depthstudyofthesignalfeatureextract
5、ionmethod,onthebasisofthedesignmethodofclassifier.Modulationrecognitioniswidelyusedinsignaldistinction,interferenceidentificationandotherfields.Itspurposeisinacomplexenvironmentwithnoiseconditions,intheabsenceofaprioriknowledge,areprocessedbythereception
6、ofthesignals,thenjudgethemodulationsignal.Neuralnetworkisamethodofsimulationofbiologicalneuralwork,hassomesimilaritieswiththehumanbrainfunction,selflearningandmemoryfunction,algorithmisintelligent,veryusefulfordealingwithnonlinearproblems,andfornowinvari
7、ousfields,suchasnonlineardosalesforecasting,computerintelligentcontrol,imageprocessing,optimizationalgorithmandsoon.Basedonthepredecessors,theresearchofsignalrecognitiondeeperproblems.Thespecificworkisasfollows:1,anoverviewofsomecommonsignalmodulation.So
8、mefrequentlyusedmodulationsignalmathematicalprototype,investigatesomebasicpropertiesofcommondigitalmodulationsignals,suchastimedomainwaveformandspectrum.2,theneuralnetworkclassifierforthewholeintroduction.3,thetrainingalgo
