改进型自组织特征映射神经网络的数字调制信号识别技术分析-信号与信息处理专业论文.docxVIP

太原理工大学硕士研究生学位论文 太原理工大学硕士研究生学位论文 certain advantages. KEY WORDS: digital modu lation recognition ，characteristic parameter extraction ，Self二organizing Feature Map Neural Network ，K-means clustering algorithm IV 太原理工大学顾个研究生学校论文 目录 第一章绍论… ……………… …... ，…… 1 川通信信号调制识别的目的及意义………………..…… 1 1.2 通信信号调制识别的发展历程及现状………… 2 1.3 论文的结构…………… . 4 第二章数字调制信号概述及特征参数提取 ……………·… 7 2.1 数字调制信号模型 ………………………………7 2.2 数字调制信号……………………8 2.2.1 幅移键技(八SK)……………………，.………… 8 2.2.2 频移键控(FSK)……………，.....………… …… 10 2.2.3 相移键控(PS则 14 HYPERLINK \l _TOC_250000 2.3 正交幅度调制(QAM) …………，…………………… 17 2.4分类特征提取 …… .…18 2.4.1 瞬时特征提取与处理………………………………18 2.4.2 分类特征参数介绍………………… …………21 2.5 分类特征参数提取仿真 -t ……………… … 22 2.6 本章小结……………………… …………...…24 第三章自组织特征映射神经网络…… 25 3.1 自组织特征映射神经网络基本思想……………25 3.1.1 SOFM 网络模型 ………… 刃 3. 1.2 竞争层神经元的侧反馈作用 ...……… 26 3.2 竞争学习规则 ……………… … ……………·………… 27 3.2.1 相似性测量，…… ………………27 3.2.2 权值向量归一化………· …… …… 28 3.2.3 竞争学习规则 ……28 3.3 SOFM 网络的学习原理 ……………… ………… 31 3.4 SOFM 神经网络的实验仿真………… 32 3.5 传统 SOFM 神经网络的局限性………… 34 3.6 本章小结 ………..………………………………. …34 V I.i... 太原理 太原理工大学硕士研究生学位论文 太原理工 太原理工 大学硕士研究生学位论文 第 Vq 幸 K-均值聚类算法的 研究及改进 … ……，.… 35 4.1 K-均值聚类算法概述 … .………… 35 4. 1.1 K-均值聚类算法的 思想提出 ……. 35 4.1.2 K-均值聚类算法 的算法流程…，.，..…..………·……… 35 4.2 全局 K-均值聚类算法 …… ……… ……… 37 4.2.1 J辛法的基本思想…………………… 37 4.2.2 金周 K-均值黑类算法流程 ……… 37 4.3 k 中心点法确定初始化中心………·…… …… …….38 4.4基于全 局 K-均值粟类算法的改进 39 4.4.1 算法的基本思想… ……39 4.4.2 改进后的算法流程….. …………………40 4.5 仿真实验及结果分析 … ……………4 0 4.6 本市小结 …… ……43 第4意基于神经网络的调制识 别器设计 …………， ..……·……4 5 5.1 SOFM 神经网络用子调制信号识别…… …·… …… 的 5. 1.1S0FM 神经 网络结构设计… ……………. 4 5 5.1.2 神经元初始权值向量 的洗挠... …….. ……………46 5. 1.3权值向量调整公式…………… .. …………47 5.1.4 学习率及初始领域半役的 选择 .. ..………………47 5. 1.5 算法描述…… …..…………48 5.2 SOFM 的改进算法…………………… . ………… 4 8 5.2.1 利用 kmea ns 函数 …… ……. 49 5.2.2 利用改进的 全局 K-均值聚类 ………， 50 5.2.3 改进后算法流程………………51 5.3仿真实验及结果分析…………………… .51 5.4本章小结 ……………………53 第六章总结与展望 ……. …55 6.1 本文的工作总结………………………… 55 6.2 展望…………… .. 56 参考文献 …·…………·… .………………………………………… .57 V