利用决策树和神经网络对AWGN信道下的综合调制识别

针对现有数字调制中多种调制类型混合时的调制识别问题,结合目前对单一调制类型识别各种方法,提出一种综合分类器来完成AWGN环境中的通信信号调制识别。该方法综合使用决策树和RBF神经网络,利用神经网络可以同时对多个特征参数进行非线性优化组合,得到的超曲面能够对整个特征空间进行较精细的分割,从而提高调制识别的整体性能。识别时以决策树为主,以RBF神经网络为辅,其识别效果良好。结果表明,复杂类型调制识别通过合理选择信号特征和分类器,优化识别方法,在一定程度上可以达到相应的识别要求。     

调制识别算法及性能分析

为了提高信号调制识别的性能,以信号的六阶和四阶累积量作为识别特征,研究了一种基于高阶累积量的调制识别算法.分析了最大似然调制识别算法和高阶累积量调制识别算法的性能.并在高斯信道和平衰落信道下对其性能进行了仿真,仿真表明,在一般通信环境下,基于累积量的调制识别算法具有较强的稳健性和实用性.     

基于时频分析和RBF神经网络的调制识别

提出了利用Wigner-Ville分布区分FSK、PSK、FM和BSS信号的自动调制样式识别方法，利用Wigner-Ville分布提取调制信号的瞬时频率特征，用径向基(RBF)神经网络根据提取的特征参数识别这四种信号，计算机仿真结果证实了该方法的有效性和正确性。     

基于高阶累量与神经网络覆盖算法的数字调制识别

提出了一种把归一化四阶累量作为分类特征参数，应用神经网络覆盖算法进行分类的调制识别算法。对MFSK信号的三种归一化四阶累量进行了理论推导，对几种不同调制方式的数字通信信号的三种特征参数随信噪比的变化进行了仿真，证明了高阶累量不受高斯噪声影响的理论结果。最后应用神经网络覆盖算法进行分类识别，得到了比较好的识别结果。     

基于免疫RBF网络阵列的雷达信号分类识别方法

本文提出了基于免疫算法设计的径向基函数(RBF)网络阵列实现对雷达信号体制和用途的分类识别.同单个神经网络相比,这种方法克服了识别类型较多时存在的扩充、修改、维护等难点.在RBF子网络的训练中,采用结合记忆机制的递阶免疫算法确定RBF网络的隐层参数,有效折衷了系统性能和运算量之间的矛盾.实验结果表明,采用这种方法设计的雷达信号识别系统达到了很高的性能.     

基于新型RBF网络的模拟调制信号识别

对敌方雷达信号调制类型的识别是电子对抗的一个重要方面。采用了一种基于人工免疫聚类和进化规划的混合算法设计径向基函数(RBF)网络,并将其应用于雷达信号调制类型的自动识别。该算法首先利用一种实现数据聚类的人工免疫机制,根据输入数据集合自适应地确定RBF网络初始中心的数量和位置,之后采用进化规划训练RBF网络。仿真实验表明,采用这种方法设计的RBF网络对各种模拟调制信号的调制类型达到了较高的识别精度。     

认知无线电中调制识别算法研究

通信信号的调制类型识别对于认知无线电这种智能通信系统具有重要研究意义。利用调制信号的循环谱相关特征,提取了5个特征参数,给出了各个参数随信噪比变化的曲线图。分类器基于RBF神经网络,采用"一类一个网络"结构,并从提高网络识别性能出发,构建了大容量和高质量的网络训练样本,能够扩大识别范围,提高识别精度。基于谱相关特征参数和神经网络分类器的算法能动态识别信号的调制方式,仿真结果验证了该算法在低信噪比下的有效性。     

一种新的MPSK信号调制分类算法

针对多进制相移键控(MPSK)信号的调制识别问题,提出了一种新的基于2、4阶循环累积量的调制识别算法。先利用信号的2阶和4阶循环累积量的特征,将MPSK信号分为BPSK和QPSK与8PSK以上两大调制子类,再由信号循环频率等于信号载频处的2阶和4阶循环累积量,构成BPSK和QPSK的分类特征量,实现对BPSK和QPSK信号的调制识别。该算法在MPSK信号码元不等概率出现时依然有效。由于高斯噪声的循环累计量均为0,因此此算法具有一定的抗高斯噪声能力。实验仿真结果验证了该算法的有效性。     

基于高阶累积量实现数字调相信号调制识别

给出了基于高阶累积量进行多进制数字相位调制(MPSK)信号调制识别的特征值构造方法,对该特征值抑制多径干扰能力进行了理论分析,证明累积量阶数越高抑制多径干扰的性能越好。推导出基于6阶累积量进行MPSK信号调制识别的特征值公式,并给出具体分类方法,对4阶和6阶累积量调制识别性能进行了分析比较。计算机仿真试验证明:多径信道时,6阶累积量分类特征值优于4阶;当符号信噪比低于0dB时,4阶累积量分类特征值优于6阶。     

调制与解调技术、调制解调器、时分复接

0632558基于高阶累量与神经网络覆盖算法的数字调制识别[刊,中]／张金涛／／电子信息对抗技术．-2006,21 (5)．-15-18(G)提出了一种把归一化四阶累量作为分类特征参数．应用神经网络覆盖法进行分类的调制识别算法。对MFSK信号的三种归一化四阶累量进行了理论推导．对几种不同调制方式的数字通信信号的三种特征参数随信噪比的变化进行了仿真,证明了高阶累量不受高斯噪声影响的理论结果。最后应用神经网络覆盖算法进行分类识别,得到了比较好的识别结果。参6 0632559用多幅值CPM减小OFDM信号的PAPR[刊,中]／张航／／中国集成电路．-2006,15(10)．-36-38(C)正交频分复用(OFDM)是一种多载波调制(MCM)技术,其具有良好的抗多径衰落的能力和非常高的信道利用率。但是OFDM有一个固有缺点就是存在较高的峰平功率比(PAPR),本文提出将多幅值的连续相位调制信号与部分响应序列相结合的方法来减少OFDM信号的PAPR。参5     

基于核Fisher判决分析的脸谱识别新方法

本文提出一种新的基于核Fisher判决分析(简称KFDA)的脸谱识别方法。即首先应用KFDA提取脸谱特征，然后，进行脸谱识别。利用标准的AT＆T脸谱数据库对KFDA特征提取方法和PCA、FDA以及ICA特征提取方法进行比较，最后使用线性支持向量机(简称SVM)进行分类和识别，实验结果显示基于KFDA特征提取脸谱识别方法的识别率明显优于其它三种脸谱识别方法的识别率。     

一种合成孔径雷达图像特征提取与目标识别的新方法

该文提出了一种利用小波域主成分分析和支持向量机进行的合成孔径雷达图像特征提取与目标识别的新方法。该方法对图像小波分解后提取低频子带图像的主成分分量作为目标的特征,利用支持向量机进行分类完成目标识别。实验结果表明,该方法可以明显提高目标的正确识别率,是一种有效的合成孔径雷达图像特征提取和目标识别方法。     

用于车牌字符识别的SVM算法

支持向量机(SVM)是20世纪90年代初由Vapnik等人提出的一类新型机器学习方法，此方法能够在训练样本很少的情况下达到很好的分类推广能力。本文应用SVM算法时车牌中的汉字字符进行识别，无字符特征提取提高了识别速度，并且可得到较高的识别率。实验讨论了SVM算法用于字符识别时，不同的核函数时识别率的影响。实验结果表明，用SVM算法进行车牌字符识别具有较高的识别率。     

一种粒子群优化原型模式修正力度的协同分类方法

协同模式识别是一种有着抗噪声、抗缺损、强鲁棒性等诸多优良特性的模式识别方法,其中原型模式的选取模式识别结果有着决定性的作用,其选取直接决定着模式识别的结果和效果,各种方法中信息反馈修正的方法能获得较的效果,但易出现信息饱和的问题;提出了一种粒子群优化修正力度的处理机制,能有效改善此问题,获得最优原型;改进的算法应用于纹理和鼻咽癌细胞图像识别,结果表明,该方法能有效地提高协同神经网络的识别率和可靠性,且识速度也有提高.     

基于稠密轨迹特征的红外人体行为识别

提出了一种使用基于稠密轨迹(DT)融合特征的红外人体行为识别(HAR)方法。主要流程如下:1)通过稠密采样获得输入行为视频的DT;2)计算DT的方向梯度直方图(HOG)、光流直方图(HOF)和运动边界描述子(MBH)3个描述子;3)基于DT的HOG、HOF和MBH,并采取词袋库模型和一定的融合策略,构建融合特征;4)以第3步所构建的融合特征为k近邻分类器(k-NN)的输入,完成人体HAR。实验以IADB红外行为库为研究对象,正确识别率达到96.7%。结果表明,提出的特征融合及识别方法能有效地对红外人体行为进行识别。     

基于小波多尺度分析与GVF Snake的空中目标提取

提出一种新的空中目标提取和识别方法。该方法在运用Bubble小波对图像进行多尺度分析的基础上，引入梯度矢量流蛇形曲线方法对空中目标轮廓进行提取，以实现对空中目标的识别。实验表明这种方法在边缘对噪声有较好的鲁棒性和较精确的边缘定位精度。     

基于修正EM算法的说话人识别的研究

提出了针对说话人识别的GMM模型训练的新方法。理论推导和实验结果表明,与GMM常用的传统EM算法相比,提出的新算法能够解决训练中会出现奇异阵的问题,并能提高系统识别率。     

Subspace Distribution Clustering HMM for Chinese Digit Speech Recognition

As a kind of statistical method, the technique of Hidden Markov Model （HMM） is widely used for speech recognition. In order to train the HMM to be more effective with much less amount of data, the Subspace Distribution Clustering Hidden Markov Model （SDCHMM）, derived from the Continuous Density Hidden Markov Model （CDHMM）, is introduced. With parameter tying, a new method to train SDCHMMs is described. Compared with the conventional training method, an SDCHMM recognizer trained by means of the new method achieves higher accuracy and speed. Experiment results show that the SDCHMM recognizer outperforms the CDHMM recognizer on speech recognition of Chinese digits.     

基于LS空间的IC真实缺陷图像的分割

在对集成电路(IC)真实缺陷进行分类与识别时,IC缺陷图像分割是非常重要的一步.本文提出一种新的IC缺陷图像分割方法.该方法首先将IC缺陷图像由RGB空间转换到HLS空间,然后根据IC缺陷图像背景像素的L及S值的分布,设计LS空间上的分段线性判别函数及聚类准则,最后由聚类准则完成IC真实缺陷图像的分割.实验结果表明,本文方法不仅可分割背景一致的IC图像,而且对背景不一致的图像也可获得满意的分割效果.从而为真实缺陷的分类与识别奠定了可靠基础.     

基于莫尔条纹的三维物体的旋转不变识别

本文提出一种基于莫尔条纹的三维物体旋转不变识别方法。采用阴影莫尔法的装置和频域滤波的方法,可得到物体的莫尔条纹图。因为物体的莫尔条纹是物体的等高线,体现三维物体特征的高度函数以莫尔等高线的形式编码于强度图中,因此基于莫尔条纹的相关识别具有本征三维识别的特点。采用振幅调制和功率谱相减的联合变换相关,用实现旋转不变识别的综合鉴别函数(SDF)作为联合变换相关输入的参考图像,来获得具有识别目标的旋转不变性和高的相关识别率。计算机模拟试验结果证明了这种方法用于三维物体旋转不变性识别的有效性。