基于小波变换的数字调制信号的特征提取

主要研究基于小波变换的数字调制信号的特征提取.和傅里叶变换不一样,小波变换是一个很好的时频分析工具.在实际中数字调制信号常常带有噪声(如白噪声等).首先对ASK、PSK、FSK信号进行小波分析,并对其特征进行提取(幅度、频率和相位等),其次对染噪的数字调制信号进行去噪处理,然后再进行小波分析比较.     

频率调制信号的恒参滤波识别方法

To classify the frequency modulation signal, this paper employs a parameter invariant filter, which can transfer the frequency modulated information to variety of its envelope, and then extracts the histogram feature to classify the modulation type. This method can efficiently classify the type of a signal such as frequency modulation （FM）, binary frequency shift keyiing （BFSK）, quadrature frequency shift keying （QFSK）, 8-ary frequency shift keying （8FSK）, etc. It can easily be realized and is especially suitable to applications in software radio.     

基于crazy climber算法的数字调制信号脊特征提取

信号特征提取是通信调制信号识别的关键问题,文章对数字调制信号进行Gabor变换和Morlet小波变换,然后在变换的基础上用crazyclimber算法提取脊特征,从而基于脊特征达到对通信数字调制信号进行识别的目的。     

基于支持向量机的通信信号调制识别方法研究

支持向量机(Support VectorMachines简称SVMs)是基于统计学习理论的一种新的模式识别技术,它不仅结构简单,而且技术性能尤其是泛化能力明显提高.介绍支持向量机为理论基础的通信信号调制识别方法,计算机仿真结果证实此方法的可行性.     

基手支持向量机的通信信号调制识别方法研究

支持向量机(Support Vector Machines简称SVMs)是基于统计学习理论的一种新的模式识别技术，它不仅结构简单，而且技术性能尤其是泛化能力明显提高。介绍支持向量机为理论基础的通信信号调制识别方法，计算机仿真结果证实此方法的可行性。     

基于卷积神经网络的调制信号识别算法

针对基于特征提取的调制信号识别算法准确性不高的问题,将卷积神经网络(Convolutional Neural Network,CNN)应用于调制信号识别,实现调制信号的空间和时序特征的自学习,避免了传统算法中特征选择和提取步骤,提高了识别准确率.调制信号样本为RaidoML2016.10 a国际标准数据集,实验结果表明...     

一种基于数字接收机的信号调制方式识别技术

针对侦察接收机信号调制模式识别问题,提出一种基于全数字接收机理论的信号调制方式识别技术,结合AGC、FFT、位同步环和载波跟踪环技术,能够有效识别输入信号强度、载波频率动态变化的BPSK、QPSK和FSK信号。利用载波跟踪环路频率跟踪曲线完成FSK和PSK识别,利用解调的基带数据完成BPSK和QPSK识别。在Altera 公司的Stratix II器件EP2S180F1020C4上利用该方法完成实现,并对中国电子集团提供的空口信号进行识别验证。理论分析和仿真结果表明,该方法在保证识别率的同时可降低算法复杂度,易于硬件实现。     

基于小波变换的信号降噪

介绍了应用一维小波变换对电信号进行降噪的方法,并利用Matlab编程仿真给出仿真结果.     

基于小波变换分析ANN实现的含噪图像数字识别研究

本文研究了基于小波变换平滑降噪,ANN(人工神经网络)实现的含噪图像数字识别。本文从数字识别的主要原理、小波变换图像降噪以及BP神经网络的实现等方面进行了探讨。阐述了BP神经网络的网络的原理,设计BP网络的过程及其实现和改进方案,并附有大量的实验数据。     

基于神经网络的数字广播信号无线定位算法(英文)

为了提高非视距(NLOS)环境下无线定位的准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展卡尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反向传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差分布,也无需视距(LOS)和非视距识别.     

基于深度学习的数字识别方法研究

近年来,手写数字识别是计算机视觉与模式识别中一个广受关注的问题。该问题的主要挑战是如何设计一种有效方法,以识别用户通过数字设备提交的手写数字。目前,深度学习算法在计算机视觉领域非常流行,被用于处理诸如图像分类、自然语言处理及语音识别等问题。以几种深度学习常见算法,包括线性感知器、卷积神经网络、循环神经网络、长短时记忆网络等为研究对象,分析其在手写数字识别方面的优缺点,并引入Google 第二代人工智能系统 TensorFlow,对比相同算法在不同框架下的识别速度及准确率。实验结果表明,几类深度学习算法都能明显提高识别准确率,且在训练数据集时不会损耗过多计算资源。     

基于卷积神经网络的手写数字图像识别方法

本文使用深度神经网络算法对手写数字图像进行分类识别.该算法利用20个卷积层提取手写数字图像的特征向量,特征向量经过Re LU激活函数后被20个池化层进一步降低向量维度,最后通过softmax激活函数输出.结果表明,训练数据8 000以上时识别率会超过90%,训练次数8次以上识别率高于96%.结论:采用整流线性单元函数作为激活函数,有效解决了梯度消失问题和过拟合问题.     

基于表面肌电信号的腰背动作识别新方法

为提高基于表面肌电信号的人体腰背动作识别率,提出一种基于小波包能量与改进NARX神经网络的分类识别新方法。利用小波包变换对动作部位进行表面肌电信号特征提取,并采用改进NARX神经网络进行分类识别。选取8名实验者分别在扭腰、弯腰、侧弯腰3种动作下进行表面肌电信号数据采集,选择db4小波包函数对信号进行6层分解,得到第6层64个频带的小波包分解系数,代表各个动作信息的特征向量,作为改进NARX神经网络的输入进行分类识别。对照实验组中,改进NARX神经网络的识别率较高,总体识别率达到96.7%。实验结果表明,利用该识别方法对腰部动作进行分类识别,分类准确,且识别率更高。     

基于数字图像处理的数显仪表数字识别

基于数字图像处理技术研究了数显仪表中的数字识别,首先对图像进行预处理和二值化,然后对图像连通域进行快速提取并标号,最后根据数字模板和区域结构特征对数字和小数点进行识别。实验结果表明,数显仪表中的数字能得到有效的识别。     

基于DFT的嵌入式普通话语音快速识别

基于选定的频率普通话发音识别技术,由定义的输入普通话语音拾取的普通话语音识别腔共振曲线,通过对中文分词、韵母声母频谱识别,对中文语音的声母、韵母、声调集成、输出的中文拼音词序列组合,形成句子的中文拼音序列。通过韵母分析方法进行单音节,频域幅频特性分析技术,不需要学习或培训事先要用于一个特定的人的声音,能够识别非特定的单词和句子的普通话语音,采用速率自适应梳状(Discrete Fourier Transform,DFT)谱分析算法,只需极少量的计算,就能够确定地包含4个声调的普通话,具有响应速度快,所需存储空间小,能方便的移植到嵌入式设备的应用程序中。     

一种冠心病心电信号的识别方法

将径向基函数网络(RBFN)用于冠心病心电信号的识别.首先给出了RBF网络的结构,然后讨论了网络的训练方法.并构造了RBFN对冠心病心电信号和正常信号进行了识别.临床和仿真结果表明了该方法的有效性.     

基于MATLAB的数字带通调制系统仿真

数字信号的传输方式分为基带传输和带通传输.由于信道的限制,基带信号在很多信道中不能直接传输,所以必须用数字基带信号对载波进行调制,以使信号与信道的特性相匹配.并在接收端通过解调器把带通信号还原成数字基带信号.本文应用MATLAB对通信系统中基本的3种二进制调制过程进行编程和建模仿真.     

基于支持向量机与谱特征的数字信号识别

由于已有的调制识别方法存在提取的特征参数多、计算量复杂等不足,现提出一种将支持向量机与谱特征结合的方法,该法不仅提取的特征参数少,对噪声不敏感,计算量小,而且还通过设计分级的支持向量机分类器提高了识别率．仿真实验表明,这种方法比普通的阈值法在识别率方面有明显的改善．