利用循环谱和参数统计的数字调制信号识别

该文利用决策理论识别常用数字信号调制方式. 该识别方法基于接收信号的循环谱和参数统计法,采用谱相关测量的频率平滑法分析数字信号在循环频率轴上的特征谱,运用参数统计法提取统计参数,用于数字调制信号识别. 最后利用决策理论,给出信号识别流程图及判决门限. 实验表明,在信噪比为5 dB的条件下,对预期调制信号2ASK, 4ASK, 2FSK, 4FSK, 4PSK, 8PSK的识别率可达90%, 说明该方法在低信噪比下识别效果良好.     

利用循环平稳性检测和支持向量机的调制信号分类

非合作接收条件下调制识别算法预处理要求高,分类集有限,为此提出一种基于循环频率特征和支持向量机的调制分类方法. 利用信号循环累积量的循环频率为分类特征,不必进行参数估计和同步等预处理,在缺乏先验知识条件下对FSK、PSK、QAM、OQAM、CPOFDM、ZPOFDM等常见调制信号具有良好的识别效果. 该方法提升了盲接收环境下的分类效果,扩大了分类集. 理论推导和计算机仿真表明,该方法能有效提升非合作接收条件下的盲分类性能.     

模糊识别及模糊推理网方法的研究

介绍一种模糊识别方法,提出用"组合法"将原始模糊集用分散模糊集表达的算法.同时,又提出了一种新型的知识表示方法和不确定推理机构——模糊操作网,以实现并行快速推理.最后给出了上述算法的应用效果.     

星座图加权匹配的调制方式识别

通过分析现有基于星座图的调制识别法的局限性,提出一种改进方法. 首先计算信号的高阶矩,把11种数字信号归为3类,然后作模糊C均值聚类,将得到的重构星座图与相应的理想星座图模型进行比较,通过引入新的代价函数实现多种数字调制方式的识别. 实验表明该方法在识别率和识别范围上均有提高,在信噪比为10 dB时平均识别率提高25%以上.     

自适应调制中一种新的盲检测算法的研究

在基于包传输的自适应调制系统中,提出了一种新的调制方式分类的算法,即利用接收到的包数据在星座图上的每一个点周围区域的分布概率来确定调制方式,并通过分析对该算法参数的选择进行了讨论,仿真和分析结果表明此算法对自适应调制系统是非常有效的,且复杂度很低,适用于实时处理.     

采用分数低阶循环谱相干系数的调制识别

摘要： Alpha稳定分布噪声导致二阶循环谱相干系数失效,使相应的通信信号调制识别算法退化. 针对这个问题,提出了基于分数低阶循环谱相干系数的识别算法. 文中给出了分数低阶循环谱相干系数的相关理论,分析了通信信号的分数低阶循环谱相干系数,在此基础上提取谱相干系数循环频率域特征作为识别特征参数. 用BP神经网络为分类器,实现了通信信号调制方法识别. 仿真结果表明,在Alpha稳定分布噪声下,该识别算法性能优于基于二阶循环谱相干系数的方法. 在高斯噪声条件下,两种识别算法性能相当.     

基于BP神经网络的机械臂模糊自适应PID控制

机械臂属于强耦合多变量的典型非线性系统,常规的控制策略难以取得满意的控制效果.采用基于BP神经网络的模糊自适应PID控制策略,解决了原有PID控制的参数自适应能力弱、鲁棒性较差的问题.该方法采用BP神经网络动态调整PID控制器参数,使之能够随时满足控制精度的需要,改善系统的控制性能.仿真实验结果表明:所提的控制策策略实现简单,同时具有较高的控制精度.     

一类非线性系统的模糊自适应控制

针对一类非线性系统,把模糊T S模型和自适应模糊逻辑系统这两种模糊逻辑方式结合起来,提出了一种自适应控制方案.首先,采用模糊T S模型来对非线性系统建模,由线性矩阵不等式得到模糊模型的控制律.其次,构建了自适应模糊逻辑系统,应用自适应模糊逻辑系统补偿器来消去建模误差.证明了闭环系统满足期望的H∞性能,仿真结果表明了该方案的可行性.     

一种改进的自适应模糊控制器

改进了自适应模糊控制方法,将一阶TS模糊模型作为IF-THEN规则后件,引入额外的参数向量,调整RBF网络的所有参数,从而减少了逼近误差,提高了跟踪性能并改善了控制性能。通过仿真及在典型非线性系统单级倒立摆上的应用表明其有效性。     

采用黄金分割法的自适应调制无线网络跨层设计

提出一种通过最优化网络的目标误包率来降低丢包率的方法. 物理层采用自适应调制编码方式,数据链
路层采用有限长数据缓冲区,并改变了原有网络中固定的目标误包率值. 在不同的网络参数,如网络的信噪比、功
率、带宽、包到达率等条件下,考察网络的丢包率随目标误包率的变化,总结其变化规律,并根据黄金分割法寻找
最佳的目标误包率,使得丢包率达到最小,即网络吞吐量达到最大.     

模糊反向传播神经网络的函数逼近能力研究

研究了模糊反向传播神经网络的函数逼近能力.研究结果给出了单调连续函数的FBP按序单调特性、连续映射定理以及非函数一致逼近定理,并且说明了FBP虽然能保持连续性映射,但不如原神经网络具有函数逼近能力.