بررسی روشهای طبقه بندی و شناسایی اتوماتیک مدولاسیون های دیجیتال با استفاده از شبکه های عصبی مصنوعی

پایان نامه
چکیده

در این پایان نامه یک سیستم شناسایی اتوماتیک مدولاسیون های خطی و غیرخطی دیجیتال مبتنی بر مشخصه استخراج شده از سیگنال دریافتی ارائه شده است. در زیرسیستم استخراج مشخصه، از تبدیل ویولت گسسته برای تجزیه سیگنال دریافتی به زیرباندهای فرکانسی استفاده می شود و سپس آماره های مرتبه بالا شامل ممان های مرتبه 3 الی 2 ، واریانس و اینتروپی ویولت تطبیقی از این زیرباندها استخراج شده و بردار مشخصه را برای زیرسیستم طبقه بندی کننده مدولاسیون تشکیل می دهند. در این ساختار، شبکه عصبی مصنوعی در زیرسیستم طبقه بندی کننده نوع مدولاسیون بکار می رود. سیستم شناسایی مدولاسیون ارائه شده با خطای قابل قبولی توانایی شناسایی مدولاسیون های مورد بررسی را دارد. سیستم ارائه شده در مواجه با شکل پالس های مختلف و سیگنال دارای آفست فرکانس حامل نیز عملکرد مناسبی از خود نشان می دهد. از مزایای این سیستم می توان به پیچیدگی محاسباتی کم و درصد خطای قابل قبول نسبت به سایر روش ها اشاره کرد. با توجه به شبیه سازی های انجام شده و سهولت نسبی و کم بودن حجم محاسبات در سیستم ارائه شده، امید به استفاده عملی از آن در آینده می رود.

منابع مشابه

برآورد تغییرات سطح پوشش جنگل های رودسر با استفاده از روش های طبقه بندی شبکه عصبی مصنوعی و حداکثر احتمال

امروزه کسب آگاهی و دانش در رابطه با پوشش گیاهی نقش مهمی را در مدیریت خاک­ها ایفا می­کند. بااین وجود برآورد پوشش گیاهی به روش معمولی که شامل برآورد کلی از پوشش گیاهی است هم زمان­بر است و هم اطلاعات چندان دقیقی را به دست نمی­دهد. از این رو سنجش از دور فنآوری بسیار مفیدی است که به دلیل کاهش زمان و هزینه، بر سایر روش­ها ارجحیت داده می­شود. در این تحقیق سعی بر آن شد با استفاده از تکنیک­های سنجش از د...

متن کامل

طبقه بندی نیمه اتوماتیک ژئومورفومتریکی یاردانگ های لوت با شبکه های عصبی مصنوعی

یاردانگ های منطقة فراخشک لوت یکی از منحصربه فردترین لندفرم های آّبی- بادی مناطق بیابانی است. شناخت و پهنه بندی ژئومورفومتریک این یاردانگ ها، با توجه به میسرنبودنِ بازدیدهای میدانی و دسترسی به منطقه، دقت مطلوبی نخواهد داشت. در این مطالعه یاردانگ های دشت لوت، با توپوگرافی ویژه و خاص، با یکی از روش های شبکه های عصبی مصنوعی با عنوان «الگوریتم خودسازمانده» مطالعه و طبقه بندی شد. نخست 22 پارامتر مورفوم...

متن کامل

کاربرد شبکه های عصبی مصنوعی در شناسایی و طبقه بندی عیوب سازه های ورقی کامپوزیتی با استفاده از امواج فراصوت هدایت شده

بهره‌گیری از روشهای مبتنی بر هوش مصنوعی برای کاهش نقش تفاسیر انسانی در تحلیل دا‌ده‌ها و اخذ نتایج مناسب، همراستا با افزایش سرعت، کاهش خطا و تعدیل هزینه-ها در فرآیندهای ارزیابی غیرمخرب و پایش سلامت سازه‌ها مورد توجه جدی محققان قرار گرفته است. در این پژوهش، طراحی و اجرای یک سامانه پایش سلامت سازه‌ای مبتنی بر پردازش هوشمند سیگنال امواج فراصوت هدایت شده به منظور شناسایی و دسته‌بندی سه نوع خرابی متد...

متن کامل

طبقه بندی نظارت شده جوامع گیاهی شمشاد هیرکانی با استفاده از شبکه عصبی مصنوعی

در این پژوهش، کاربرد روش شبکه عصبی مصنوعی یا MLP در فرآیند تخصیص رلوه- گروه‌ها/جوامع‌گیاهی با استفاده از پایگاه اطلاعاتی ترکیب‌گیاهی جنگل‌های شمشاد هیرکانی (Buxus hyrcana Pojark.) ارزیابی شد. برای این منظور، نخست گروه‌های بوم‌شناختی و جامعه‌شناختی شمشاد هیرکانی به ترتیب با استفاده از نتایج دو روش عددی TWINSPAN و تجربی براون-بلانکه تعیین شد. نتایج هر دو دارنگاره عددی و تجربی طبقه‌بندی مشتمل بر 7...

متن کامل

درجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی

زعفران به‌عنوان یک کالای تجاری مهم در کشور به­شمار می‌آید و توجه به مکانیزه کردن آن از مرحله تولید تا بسته‌بندی اهمیت زیادی دارد. در بدو ورود زعفران به فرایند کیفی سنجی در آزمایشگاه ، ارزیابی اولیه بر اساس مشخصات ظاهری زعفران توسط شخص خبره انجام می‌شود. لیکن بروز خطای انسانی در تشخیص کیفیت زعفران بر مبنای ویژگی‌های ظاهری آن امری اجتناب‌‌ناپذیر‌ است؛ استفاده از تکنیک‌های مبتنی بر هوش مصنوعی می‌ت...

متن کامل

افزایش نرخ کارایی طبقه بندی با استفاده از تجمیع ویژگی های موثر روش های مختلف ترکیب شبکه های عصبی

Both theoretical and experimental studies have shown that combining accurate Neural Networks (NN) in the ensemble with negative error correlation greatly improves their generalization abilities. Negative Correlation Learning (NCL) and Mixture of Experts (ME), two popular combining methods, each employ different special error functions for the simultaneous training of NN experts to produce negat...

متن کامل

منابع 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 شیراز - دانشکده برق و کامپیوتر

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023