基于非监督学习神经网络的自动调制识别研究与实现

来源 :计算机应用与软件 | 被引量 : 4次 | 上传用户:xiaoxi0504
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
以非监督学习神经网络为主要研究对象,描述自组织网络的基本模型,分析传统自组织网络的训练算法,提出了一种基于自组织特征映射SOFM(Self-Organizing Feature Map)神经网络的通信信号自动调制识别方法。方法改进了训练算法中的学习率函数和邻域函数,提高了算法的收敛速度和性能,并将其应用在通信信号调制识别中。仿真实验检验基于SOFM神经网络的调制识别方法的性能,并与后向反馈(BP)神经网络加以比较,结果表明SOFM神经网络的调制识别方法具有较高的识别精度,改进后的训练算法提高了识别的
其他文献
当前我国医院的绝大部分电子直线加速器仍然需要依赖国外进口。但是国外部分厂商为了实现维护垄断,在设备维修环节中通常会设置不同程度的障碍,比如配件垄断和技术封锁等。在
MCNP输入文件具有结构复杂、几何模型描述工作容易出错的特点。分析了参考文献[1]提出的从UG模型到MCNP几何模型转换算法的优缺点,并在此基础上用UG OPEN API中的CSG二次开发接口对其做了改进,使改进后的转换算法对复杂UG模型的兼容性和可靠性更强。
聚类的边界是一种有用的模式,为有效地提取聚类的边界点,提出c-层近邻概念,将c-层近邻应用于二路生成树,能快速计算出每个对象的反向近邻值,从而根据反向近邻值提取聚类的边界。提出的基于二路生成树的边界检测算法(DBMST)在综合数据集和真实数据集的实验结果表明,该算法在含有噪声/孤立点的数据集上,能够快速有效地识别出聚类的边界。
随着城市化进程的不断加快,海量的交通监控数据使得传统的存储技术遇到了瓶颈。压缩感知理论的出现为海量视频的压缩存储提供了全新思路,为了进一步解决压缩感知过程中信号重
提出一个带力反馈的虚拟腹部外科手术系统,并重点研究及实现了基于表面网格模型的力反馈算法。为了提高系统的稳定性,使用基于线段与表面三角网格的碰撞检测方法;基于四阶Rung
在工业器件和设备的运输过程中常处于高速或者中速状态,一旦发生冲击将造成较大损害,而利用金属管状物的缓冲特性可以制成缓冲装置,所以为了保证在该情况下的设备与器件能够
本文介绍了一种应用于折叠内插ADC中的信号预测算法,该算法采用Prony模型建立自回归滑动平均过程,能够取得更精确的功率估计。本ADC预测系统能够支持软件无线电多模式、多频
本文主要对教学信息管理系统进行了研究和设计,探索了教学管理系统的创新路径,针对目前高校教学管理信息系统存在的问题及不足,基于移动互联网技术和数据库管理系统完成了教