基于神经网络调制信号识别技术的发展

信号调制样式的自动识别是软件无线电必备的功能之一,基于人工神经网络的识别方法因其较其他方法具有更好的性能受到广泛关注。分析了基于神经网络调制信号识别技术的基本原理,将目前研究的调制信号识别分为基于多层感知器神经网络的调制信号识别和基于径向基函数神经网络的调制信号识别,提出了神经网络调制信号识别技术进一步的研究方向。     

信令监测系统在通信网中的应用研究

保证通信网的顺畅，了解网络流量和性能指标，及时发现、定位和解决通信网络中故障，是通信网研究的一个热点和难点问题。为此，提出了一种基于信令采集分析方式的监测系统，通过监测和分析通信网中的信令消息，实时提供网络流量和性能统计指标。较好地保障了通信网的正常运行。     

基于改进BP算法的电力系统谐波分析

在选取BP神经网络对谐波进行分析时,考虑到BP网络存在的缺点和不足,对BP网络进行改进。通过把FFT和改进的BP网络结合起来,实现对谐波的实时分析。该方法先对采样信号进行FFT运算实现预处理,得到谐波个数和谐波次数;然后根据谐波的个数来确定神经元的个数,通过谐波次数设定神经网络参数迭代的初始值;最后对改进的神经网络进行训练,可以实现谐波的精确分析。所提出的BP改进算法有效地提高了谐波分析的精度,实时性也得到了改善。     

基于人工神经网络的铣刀破损功率监测

提出一种基于人工神经网络的铣刀破损功率监测方法，建立了一个铣刀破损功率监测系统，实验表明：该神经网络方法能够灵敏地检测出刀具破损，且具有在较宽的工作范围内识别铣刀破损的优点     

基于深度学习的无线电信号分类

对无线电信号分类的相关技术进行了研究,提出一种新的基于残差神经网络和群卷积神经网络的深度学习网络来实现无线电的分类.该神经网络基于同相分量信号和正交分量信号组成的样本进行训练,实验结果显示,在10 dB时对24种信号的分类准确率达到了95.69%,揭示了该网络架构的有效性与实用性.     

基于经验模态分解的局域网络入侵检测算法

通过对局域网络入侵的准确检测可以保障网络安全,由于局域网网络入侵信号具有瞬时频率特性,采用传统的时频分析方法难以实现有效检测,出现检测不准确的问题.为此提出基于经验模态分解的局域网络入侵检测算法,分析网络攻击的防护原理和DOS攻击对网络的危害,对信号处理方法进行检测方法设计.卡尔曼滤波方法对DOS入侵信号进行前置滤波,去除入侵信号的EMD虚假分量,采用小波阈值去噪方法进行信号提纯,采用经验模特分解方法,使得DOS入侵信号特征与干扰组成成分最佳匹配,提取HHT频谱实现对入侵信号的准确检测.仿真结果表明,采用该检测方法进行局域网入侵检测,精度较高,抗干扰性强,检测性能优于传统算法.     

一种基于径向基函数神经网络的语音降噪方法

采用径向基函数神经网络在时域上对含噪语音信号进行降噪处理.针对语音信号的短时平稳性以及噪声的随机性,对语音信号进行分帧预处理;用分帧后的纯净语音信号作为径向基函数网络的教师信号,并利用Matlab神经网络工具箱设计和训练网络.实验结果表明,径向基函数网络作为语音信号滤波器,可有效地抑制语音信号中的白噪声,具有良好的降噪性能.     

通信网络中的信号处理技术应用探析

在过去的半个多世纪时间，信号处理为通信技术的进步和发展取了关键的作用，并在现在和将来还将取重大的作用。通信领域的信号处理技术大致可分十一个方面，从其中一个方面——通信网络中的信号处理技术入手，介绍了信号处理技术在无线ATM网中的关键应用，并详细地论述了两种与信号处理有关的无线ATM网薪技术。     

智能线束系统在东南系列轿车上的应用

随着汽车电子设备的增加,汽车线束也越来越庞大,智能线束等网络控制技术也应运而生。本文概要介绍东南汽车常用的4种汽车网络通讯技术,主要介绍其中的智能线束系统的组成、通讯协议、结构原理、信号传输与控制以及信号波形检测等。     

谐波电流的离散化分频及补偿指令信号的获取

针对电网用户端谐波源的某次或若干次超标的谐波电流进行补偿具有重要的实用意义。该文提出一种改进的离散傅立叶变换(HDFT)和离散傅立叶反变换(IHDFT)算法，在基于数字信号处理器(TMS320C32)的并联型有源电力滤波器中，对电网用户端的谐波电流信号进行离散化分频，并依据分频结果获取补偿指定次或指定若干次谐波的指令信号。最后，本文还对该算法建立仿真模型，判断谐波的补偿效果，并通过实验予以验证。