一种基于卷积神经网络的信号调制方式识别方法.pdf

基于PNN神经网络的调制方式识别算法的matlab仿真 %2FSK y_2FSK = func_2FSK(N0); %4FSK y_4FSK = func_4FSK(N0); %BPSK y_2PSK = func_2PSK(N0); %QPSK y_4PSK = func_4PSK(N0);

针对神经网络存在的过学习、欠学习、局部极小值等问题,提出了一种基于支持向量机(SVM)的数字调制方式的识别方法。从信号的瞬时幅度,瞬时相位,瞬时频率,频谱,包络变化等特性中提取了7个特征参数,用于训练支持向量机。运用二叉树理论设计多类分类器,与已有算法相比,具有简单、高速、高精度的特点。仿真结果证明,在高斯白噪声(AWGN)下,当信噪比大于15dB时,对2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK调制方式的识别率可以达到97%以上。

针对通信系统中数字信号调制方式难以准确识别的问题，根据归一化前后小波变换包络的差异性，提出基于小波变异系数差值（ΔCV）和相似度特征的识别算法。该算法对MASK、MFSK、MPSK和MQAM 4种数字调制信号进行分类识别。理论分析和仿真实验表明算法简单易行，适用范围广，且在信噪比大于2 dB时数字调制信号识别率均在92.39%以上。

一种新型的信号调制方式识别算法，唐文晟，，本文通过对信号调制方式的研究，提出一种新的信号调制方式识别算法。首先建立信号模型，识别的信号集合包括数字信号BPSK、QPSK、2FSK

基于星座图的数字调制方式识别，用于做课设参考资料。

网上目前能找到的基于MATLAB神经网络的调制方式识别只有那个识别六种信号的神经网络程序，我也下载研究了一下，发现其代码实现的功能是自己选择训练一组对单一信号的调制神经网络，之后再用同一个信号来验证。举个例子，其实现的效果就是我向神经网络训练2ASK信号，在用训练的2ASK检测，神经网络检测出输入的信号是2ASK信号。而我向里面输入2FSK信号用来检测便检测不出来，所以其实现的并不是我们希望神经网络实现的功能。而且我也对那个程序里面运行后的各种参数观察了一下，发现其实现的并不能区分不同信号的调制识别方式。与是我写了一个应用MATLAB神经网络对信号调制方式识别的程序，目前只是起步阶段，只实现了应用瞬时参数γmax来区分2FSK，2ASK的信号调制方式识别。目前测试是实现了我想实现的功能。这个程序设置的免积分可下载，希望各位志同道合和我一样的小白们一起共同进步，也希望大神们不吝指点。 通过MATLAB的神经网络函数，训练了一组通过瞬时参数γmax来区分2FSK，2ASK的信号调制方式识别。 .m文件sig_2ASK和sig_2FSK用来生成输入数据2ASK_train,2FSK_train和测试数据2ASK_test和2FSK_test,network_2ASK_2FSK是训练的神经网络，对训练好的神经网络保存命名为net，netout是应用训练好的神经网络对输入信号进行调制方式识别检测。 代码下载好直接运行netout就可看出实现效果。

基于BP神经网络的调制方式识别，信号分别是2ASk，4ASK，BPSK，QPSK，2FSK,4FSK。 我首先提取出信号的九种特征 然后对神经网络进行训练 对调试信号的类型进行识别 可是我做的结果识别率很低 不知道问题出在哪里 别人额论文跟我使用一样的特征 识别率却非常的高 源代码在下面

模拟调制方式识别的FPGA设计与实现.pdf

：针对现有数字调制方式识别类型有限的问题，提出一种基于星座图的分类算法。算法首 先利用盲均衡技术克服信道的多径效应与系统同步误差，再对信号减法聚类，提取聚类中心与理 想星座图模型进行匹配，从而实现MASK、MPSK、MQAM 等调制方式的识别。仿真证明：星座 图是一个稳定的、强健的识别标志