基于邻域粗集神经网络的通信信号调制识别研究

本文的研究工作为通信信号调制识别提供了新的思路和方法,同时对邻域粗糙集在通信信号识别中的应用进行了尝试。在对已有研究进行分析的基础上,针对现实中通信调制信号含有连续型属性的决策系统的约简问题,本文提出了基于邻域粒化和贪心算法的约简算法。该方法采用基于邻域等价关系建立粗糙集模型,用邻域等价度量粗糙集不可分辨关系,通过邻域信息粒子逼近论域空间。构造了连续型属性的特征选择算法。利用本文提出的特征选择算法识别2ASK、BPSK、2FSK、4ASK、QPSK、4FSK、16QAM。实验结果证明了该算法的有效性和可行性。     

概念的属性约简及异构数据概念漂移探测

粗糙集是粒计算的一种重要方法,数据异构性是大数据的一种特征.针对异构数据问题,探索了粗糙集属性约简的本质,提出了概念属性约简的定义,它兼容值约简、Pawlak约简和并行约简.探究了概念属性约简的性质,提出了异构数据的属性约简方法和概念漂移探测方法.理论分析和示例表明了这些方法的有效性.为粗糙集、粒计算融入大数据的时代潮流提供了一种新方法.     

基于FCM的模糊粗糙属性约简

为解决粗糙集离散化过程中存在的信息损失问题,将粗糙集理论与模糊集理论相结合,提出基于FCM的模糊粗糙属性约简算法.该方法用模糊C均值聚类算法对连续属性进行模糊化,并通过有效性分析来确定最佳分类数目.该方法克服了目前属性模糊化方法需要人为规定划分类数.几乎不考虑信息系统的具体属性值等缺点.最后分别对天气信息系统和玻璃识别信息系统进行了属性约简计算,结果表明该方法是可行有效的.     

一种基于粗糙集理论的双向选择属性约简算法

文章首先对粗糙集的基本理论进行了简要介绍,然后重点讨论粗糙集理论中的属性约简问题,在总结分析现有属性约简算法的基础上,提出了一种双向选择属性约简算法--BSARA,并用一个例子与其它算法进行了对比分析,结果表明该算法是可行和有效的.     

Jelonek属性约简算法的一个改进

受Jelonek粗糙集属性约简算法思想的启发,本文利用单属性的近似精度和Hu的差别矩阵方法,得到一个改进的属性约简算法.理论分析表明,该算法比Jelonek算法具有更低阶的计算复杂性.     

信息系统属性约简的柔性差别矩阵

提出了一种柔性差别矩阵的概念与构造方法,利用柔性差别矩阵可直接对不完备信息系统、模糊属性信息系统以及Vague集属性信息系统进行属性约简,同时给出了相关的理论和应用举例.该研究结果也为实值属性信息系统利用差别矩阵进行属性约简提供了研究基础,对粗糙集的理论与应用研究具有新的意义.     

利用粗糙集理论评估卫星导航系统效能

为了对卫星导航系统进行效能评估,提出了一种新的效能评估方法一粗糙集理论.在基于粗糙集理论的属性约简能力基础上,建立了卫星导航系统评估指标体系,确立了系统评价决策表和权重计算方法.通过对卫星导航系统实际测试数据的评估分析,得出了约简后的属性重要度和指标权重,与通常使用的层次分析法所得评估结果一致.表明利用粗糙集理论进行效能评估,可以克服传统方法确定权重系数的主观性,使得评估结果更具合理性和科学性.     

粗糙集属性约简方法研究

属性约简是粗糙集理论研究的核心内容之一。传统的属性约简研究并未考虑决策信息系统的树形结构,为解决这一问题,本文基于粗糙集理论,首先给出了决策信息系统的树形表示结构,该树形结构以粗糙集理论中的不可分辨关系为基础。基于本文构建的树形表示结构,文中给出了一种判断属性是否可约简的树形结构求解方法。通过理论分析表明,本文提出的树形结构求解方法能够大大减少属性搜索的步骤,压缩属性约简所消耗的时间。因此本文提出的属性约简算法是行之有效的。     

属性约简准则与约简信息损失的研究

属性约简是粗糙集的重要研究内容,信息熵是度量信息量的方法.在研究绝对约简和几种相对约简的基础上,归纳出属性约简的一般准则.定义了基于条件属性信息熵的属性约简和基于联合熵的属性约简,研究了几种属性约简与绝对约简之间的关系.定义了基于条件属性信息熵的约简信息损失,澄清了属性约简不损失信息的含糊观念,指出了属性约简只是在约简准则意义下不损失信息,在信息熵意义下可能损失信息.为进一步研究粗糙集、粒计算中属性约简与分类夯实了信息论基础.     

基于粗径向基网络的雷达信号模式识别

信号识别是侦察系统信号处理的目的,是整个雷达对抗信号处理中关键性的一个环节。为解决雷达信号模式识别的问题,提出一种属性约简方法,将粗糙集和径向基网络耦舍建立新的识别模型,该模型充分融合了粗糙集和径向基网络的优势。通过实例仿真实验表明,该模型减少了识别的主观因素,简化了网络结构,比传统的粗糙集和BP网络结合的方法识别效果更明显,分类能力更强,具有很广阔的应用前景。     

基于粒度的粗集-决策树雷达信号识别模型

通过引入知识粒度的概念,对信息系统中属性的重要度进行了定义,并以属性重要度为启发式信息,进行粗集的属性约简.在构造决策树的过程中,基于粗集的理论运用了加权平均粗糙度的概念,并将其作为选择分离属性的标准.将这种联合粗集与决策树的模型应用到雷达信号识别中,经实验证明,用该方法构造的决策树复杂性低,且能有效提高分类效果.     

粗糙集理论在步战车故障诊断专家系统中知识自动获取的应用

根据粗糙集理论,实现步战车故障诊断专家系统知识自动获取。首先根据历史故障数据建立决策表,利用粗糙集数据挖掘算法对决策表进行属性约简,对得到的决策表消除冗余,再利用属性值约简算法对决策表进行属性值约简,最后得到决策规则。知识库由条件表、结论表和事实表组成,保存在Access2003中。把条件属性保存到知识库的条件表中,把决策属性保存到知识库的结论表中,这样就很方便的建立了知识库。     

基于互信息的模糊粗糙集属性约简

模糊粗糙集知识约简是模糊粗糙集理论的核心内容之一。该文从粗糙集知识熵出发,结合模糊集隶属度函数,将其应用于模糊环境下,推广了互信息的度量概念,使其能评价模糊决策表中属性的重要性。并给出了一种模糊决策表的启发式属性约简算法,通过实例验证了它的可行性,为模糊决策表的属性约简提供了一种有效的方法。     

基于谱线特征的调制方式自动识别方法

研究了基于谱线特征的通信信号调制方式自动识别方法,从信号的功率谱、二次方谱、四次方谱及包络平方谱中,提取出一组鲁棒性强的特征参数。在不需要先验知识的情况下,对卫星通信中常用的调制信号进行了自动识别。仿真结果表明,在信噪比大于5 dB时,总体识别率能达到97%以上,方案具有很强的实用性。     

基于Transformer的通信信号调制识别方法

提出一种基于Transformer模型的通信信号调制识别方法：在数据准备阶段,构建一个不同符号速率调制识别(DSRMR)数据集;在数据预处理阶段,提出I/Q数据增强方法,用于满足模型训练在数量上和多样性的要求,增强了模型泛化能力;在模型构建阶段,将切片序列化的方法引入调制识别Transformer模型中,用于优化Transformer神经网络模型的输入问题。实验结果证明,基于Transformer模型的通信信号调制识别方法能够获得较高的信号自动调制识别准确率。     

基于决策论判决法的调制信号自动识别

调制方式是通信过程中的重要参数,快速检测和识别通信信号的调制方式在通信领域,尤其是军事通信领域,有着极其广泛的应用。对判决法自动检测和识别信号调制方式的经典算法进行了改进,以提高对日常通信训练中常用的USB、LSB以及FM、2FSK、4FSK信号的识别速度及准确率,并给出了该算法的实现流程。经仿真验证,改进算法能在对其他8种常用调制方式识别效果影响不大的前提下,提高对SSB、FM、FSK信号的识别效果。     

层次-粗集组合赋权法在雷达辐射源识别中的应用

对雷达辐射源识别中的权系数赋值问题进行了研究,提出了层次-粗集组合赋权法。该方法利用粗糙集理论的属性约简和属性重要度原理,删除了冗余属性,构造出客观判断矩阵,然后与层次分析法的主观判断矩阵相结合,得到组合判断矩阵,最后计算出权重,从而实现了主客观方法共同赋值。仿真表明,本方法所得权系数在进行雷达辐射源识别时有较好的结果。     

基于小波分析的调制识别技术研究

通信信号的调制制式自动识别是信号智能化分析及处理中的关键问题。该项技术目前正广泛应用于军事、民用、商业和气象等众多领域。针对非稳定、大信噪比变化的通信信号,运用小波分析技术进行了有效的特征提取和分类,能够实现通信信号基本调制制式的自动识别,并且使识别正确率得到了明显提高。