تشخیص خودکار مدولاسیون با استفاده از برنامه نویسی ژنتیک و شبکه عصبی چند لایه پرسپترون
Authors
abstract
تشخیص مدولاسیون سیگنال دریافتی گام میانی بین تشخیص سیگنال و دمدولاسیون آن محسوب می شود؛ به طوری که در بسیاری از سیستم های مخابراتی و نظامی تشخیص خودکار مدولاسیون جزئی از سیستم در نظر گرفته می شود. برای تشخیص خودکار مدولاسیون به طور معمول تعدادی ویژگی از سیگنال دریافتی استخراج و به کار گرفته می شود، در این رابطه، انتخاب ویژگی مناسب، تأثیر به سزایی در افزایش کارایی تشخیص خودکار مدولاسیون دارد. در این مقاله با کمک برنامه نویسی ژنتیک از بین ویژگی های ورودی، ویژگی مناسب برای جداسازی هر مدولاسیون تولید و انتخاب می شود. شبیه سازی با سیگنال های مدوله شده با مشخصه سیگنال به نویز پنج و ده دسی بل صورت گرفت. مجموعه ای از آزمایش ها در این پژوهش صورت گرفت که هدف از آنها تعیین میزان کارایی برای سیگنالهای مدوله شده با مدولاسیونهای پرکاربرد و متداول مخابراتی بوده است. پس از انتخاب ویژگی مناسب برای جداسازی مدولاسیونها از شبکه عصبی پرسپترون چند لایه برای جداسازی نوع مدولاسیون استفاده می شود نتایج حاصل نشان می دهد به کارگیری ویژگی هایی که سیستم مورد نظر پیشنهاد می دهد منجر به افزایش قابل توجهی در تشخیص دقیقتر و سریعتر نوع مدولاسیون می شود.
similar resources
تشخیص خودکار مدولاسیون با استفاده از برنامه نویسی ژنتیک و شبکه عصبی چند لایه پرسپترون
This paper shows how we can make advantage of using genetic programming in selection of suitable features for automatic modulation recognition. Automatic modulation recognition is one of the essential components of modern receivers. In this regard, selection of suitable features may significantly affect the performance of the process. In this research we implemented our model by using appropria...
full textاستفاده از شبکه عصبی مصنوعی پرسپترون چند لایه در تشخیص آپاندیسیت حاد
مقدمه: آپاندیسیت حاد، شایع ترین علت مراجعه بیماران با دردهای شکمی به اورژانس بیمارستان ها و آپاندکتومی، شایع ترین عمل جراحی اورژانس می باشد. با وجود پیشرفت های چشمگیر در تشخیص این بیماری، آپاندکتومی منفی همچنان میزان قابل توجهی را به خود اختصاص داده است. در پژوهش حاضر، شبکه عصبی مصنوعی جهت کمک به تشخیص آپاندیسیت حاد طراحی و ارزیابی گردید. روش بررسی: این مطالعه به صورت توصیفی انجام شد و در ابتدا...
full textهیه نقشه کاربری اراضی شهر سبزوار با استفاده از روشهای حداکثر احتمال و شبکه عصبی مصنوعی پرسپترون چند لایه
از جمله عوامل مهم در برنامهریزی و مدیریت شهری، به ویژه در راستای نیل به توسعهی پایدار در نواحی شهری و استفاده بهینه از سرزمین، اطلاع بهنگام از وضعیّت پوشش اراضی برای این مناطق است. دادههای سنجش از دور به جهت ارائهی اطلاعات به هنگام و رقومی، تنوع اشکال و امکان پردازش پتانسیل بالایی برای تهیهی نقشههای به روز کاربری اراضی شهری دارند. در این تحقیق با استفاده از تصویر ماهوارهای Landsat/ETM+ و ...
full textپیش بینی رسانایی گرمایی نانوسیال گرافن با مدل شبکه عصبی مصنوعی چند لایه پرسپترون
هدف از این مطالعه مدلسازی و پیش بینی رسانایی گرمایی نانو سیال گرافن به کمک شبکه عصبی مصنوعی چند لایه پرسپترون است. پارامترهای دمای نانوسیال، کسرحجمی و رسانایی گرمایی نانو ذره به عنوان ورودی شبکه در نظر گرفته شده است. بااطلاعات مربوط به اندازه گیریهای تجربی محققین قبلی در مورد رسانایی گرمایی نانوسیال گرافن در دمای 25 تا 50 درجه سلسیوس و در کسر حجمی 005/0 تا 056/0 تست عملکرد شبکه انجام شده است....
full textمدلسازی پهنههای اکتشاف نفتی با شبکه عصبی پرسپترون چند لایه (MLP) در GIS
فرآیند اکتشاف منابع هیدروکربنی بهعنوان فرآیندی بسیار پیچیده و پرهزینه میباشد. در این فرآیند فاکتورهای متعدد زمینشناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق میشوند. طراحی بهترین مسیر برای برداشت دادههای لرزهنگاری و همچنین تعیین بهترین محل برای حفر چاههای اکتشافی از اهمیت ویژهایی برخوردار است، زیرا نتیجه تعیین نادرست یا بیدقت این مکانها، صرف هزینه و زمان زیاد در طول عملیات میباشد. این ...
full textمقایسه عملکرد شبکه عصبی پرسپترون چند لایه و تابع پایه شعاعی در پیشبینی حجم صنعتی و هیزمی حاصل از درختان
سابقه و هدف: در مدیریت منابع جنگلی، فرآیندهای تصمیمگیری مثل عوامل کیفی در معادلات ریاضی وارد نمیشوند. درسالهای اخیر شبکههای عصبی، کاربرد فراوانی در منابع جتگلی داشتهاند. این تحقیق به مقایسه شبکه عصبی پرسپترون چندلایه و شبکه تابع پایه شعاعی در پیشبینی حجم صنعتی و هیزمی درختان پرداخته است. بررسی عملکرد شبکههای مختلف و یافتن بهترین نوع آن برای دستیابی به نتایج قابل قبول و معتبر از اهداف این...
full textMy Resources
Save resource for easier access later
Journal title:
پردازش علائم و داده هاجلد ۱۱، شماره ۱، صفحات ۴۹-۵۸
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023