شناسائی هوشمند نوع سیگنال های مخابراتی دیجیتال با استفاده از شبکه عصبی و استخراج ویژگی مبتنی بر موجک
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - دانشکده برق و کامپیوتر
- نویسنده حامد عظیمی آسیابر
- استاد راهنما عطا الله ابراهیم زاده رضا قادری
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
شناساگر خودکار نوع سیگنال، عمل تعیین نوع مدولاسیون سیگنال دریافتی را در بین مجموعه ای از مدولاسیونها به صورت اتوماتیک انجام می دهد و کاربردهای فراوانی در زمینه نظامی و غیر نظامی دارد. اکثر سیستم های شناساگر خودکار نوع مدولاسیون که تاکنون ارائه شده در شرایط سیگنال به نویز پایین عملکرد مناسبی ندارند و فقط قادرند تا تعداد محدودی از مدولاسیونها را شناسایی کنند. در این پژوهش، تلاش شده تا با استخراج ویژگی های بسیار کارا و پیشنهاد طبقه بندی کننده موثر، شناساگرهای پیشرفته ای با عملکردی بهتر از کارهای دیگران ارائه شود. دسته اول ویژگی های طیفی با طبقه بندی کننده های شبکه عصبی پرسپترون چند لایه و شبکه عصبی بازگشتی با الگوریتم های یادگیری rprop، lm، cgf، cgb، cgp، scg و sass مورد بررسی قرار گرفت که شبکه عصبی بازگشتی با الگوریتم lm توانست عملکرد مطلوبی را بدست آورد. دسته دوم ویژگی های استخراجی، بر پایه ضرایب تبدیل بسته موجک، ضرایب مدل خود بازگشتی، ممان مرتبه چهارم سیگنال، نرخ تقاطع عبور از صفر سیگنال، آنتروپی و انرژی سیگنال استخراج شده اند. طبقه بندی کننده پیشنهادی که برای دسته دوم ویژگی ها در نظر گرفته شده ماشین پشتیبان بردار می باشد که عملکرد این طبقه بندی کننده توسط الگوریتم ژنتیک بهینه گشته است. این شناساگر در سیگنال به نویز برابر با db5-، درصد موفقیت94/14 % را بدست آورده است. در ادامه این پژوهش به کمک کمیته کلاسیفایر قابلیت تفکیک پذیری این ویژگی ها افزایش داده شد که عملکرد این سیستم به نحو مطلوبی افزایش پیدا کرد. مدولاسیون هایی که در این پژوهش مورد بررسی قرار گرفته عبارتند از: 2ask، 4ask، 2psk، 4psk، 2fsk، 4fsk و 16qam.
منابع مشابه
تشخیص زیربهینه ی نوع مدولاسیون دیجیتال با استفاده از ویژگی های مبتنی بر تبدیل موجک و شبکه ی عصبی lvq
طبقه بندی کننده ی مدولاسیون، نوع مدولاسیون سیگنال دریافتی را از میان مجموعه ای از مدولاسیون ها تشخیص می دهد و در زمینه های نظامی و غیرنظامی کاربردهای فراوان دارد. بسیاری از روش های ارائه شده در حوزه ی کانال های نویزی، به نویز کانال ارتباطی حساس اند. بدین معنی که در شرایط سیگنال به نویز پایین، عمل کرد مطلوبی از خود نشان نمی دهند. و تنها در صورت استفاده از طبقه بندی کننده هایی که از نظر زمان و پی...
15 صفحه اولآزمون حافظه سیگنال سری زمانی و شبیه‌سازی فرایند بارش-رواناب با استفاده از مدل‌های شبکه عصبی و ترکیب موجک-عصبی
در پژوهش حاضر، حافظه بلندمدت و رفتار دینامیکی سیگنال سری زمانی جریان روزانه رودخانه خرم‌آباد که حوزه آبخیز آن کوهستانی و دارای کاربری شهری است، با استفاده از نمایه هرست بررسی شده است. مقدار نمایه هرست سیگنال رواناب رودخانه خرم‌آباد در بازه زمانی سال‌های 1370 تا 1393 برابر با 0.8 به‌دست آمد. این مقدار نشان از حافظه بلندمدت و دینامیک غیر خطی سیگنال رواناب این رودخانه دارد. در ادامه، با به‌کارگیر...
متن کاملشناسایی خودکار مراحل خواب از سیگنال EEG تک کاناله با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکه عصبی مبتنی بر طبقه‌بند RUSBoost
طبقه‌بندی کردن خودکار مراحل خواب به منظور تشخیص دادن به موقع اختلالات و مطالعات مرتبط با خواب امری ضروری است. در این مقاله الگوریتمی مبتنی بر EEG تک کاناله برای شناسایی خودکار مراحل خواب با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و نیز شبکه عصبی مبتنی بر طبقه‌بند RUSBoost ارائه می‌شود. سیگنال با استفاده از تبدیل موجک گسسته به 4 سطح تجزیه شده و ویژگی‌های آماری از هر یک ا...
متن کاملارزیابی یک دستگاه هوشمند برای جداسازی پسته با استفاده از شبکه های عصبی مصنوعی (ANN) و تبدیل موجک انعکاس صدا
دستگاه‌هایی که برای جداسازی پسته مورد استفاده قرار می‌گیرند حجیم بوده، انرژی زیادی مصرف می‌نمایند و چندان دقیق نیستند. در این پژوهش یک دستگاه هوشمند مبتنی بر انعکاس صدا طراحی و برای جداسازی پسته پوک از پسته‌های مغزدار مورد استفاده قرار گرفت. برای ارزیابی دستگاه، پسته به طور جداگانه با فواصل 1، 3 یا 5 سانتی‌متر بر روی یک نوار نقاله قرار داده شدند تا از دو ارتفاع 25 و 35 سانتی‌متری بر روی یک صف...
متن کاملشناسایی هوشمند نوع مدولاسیون دیجیتال با استفاده از ماشین بردار تکیه گاه و استخراج ویژگی مبتنی بر آمارگان مرتبه بالا
شناساگر خودکار نوع سیگنال، عمل تعیین نوع مدولاسیون سیگنال دریافتی را در بین مجموعه ای از مدولاسیون ها به صورت اتوماتیک انجام می دهد و کاربردهای فراوانی در زمینه نظامی و غیر نظامی دارد. اکثر سیستم های شناساگر خودکار نوع مدولاسیون که تاکنون ارائه شده در شرایط سیگنال به نویز پایین عملکرد مناسبی ندارند و فقط قادرند تا تعداد محدودی از مدولاسیون ها را شناسایی کنند. در این پژوهش، تلاش کرده ایم تا با ا...
15 صفحه اولمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - دانشکده برق و کامپیوتر
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023