資源簡介
基于BP神經網絡的調制方式識別，信號分別是2ASk，4ASK，BPSK，QPSK，2FSK,4FSK。
我首先提取出信號的九種特征 然后對神經網絡進行訓練 對調試信號的類型進行識別 可是我做的結果識別率很低 不知道問題出在哪里 別人額論文跟我使用一樣的特征 識別率卻非常的高 源代碼在下面
代碼片段和文件信息
%%%%
%%%%根據賈可新的文章中的九種特征進行分類
%%%%分別是前九種特征
%%%%信號分別為2ASK，4ASK2BSK4BSK2FSK4FSK
%%
clc
close?all;
clear?all;
warning（‘off‘‘comm:obsolete:dmod‘）
warning（‘off‘‘comm:obsolete:modmap‘）
fs?=?10e+3;
fc?=?1e+3;?%?Carrier?frequency
fd=1000;
num=6;?????%signal?numbers
fnum=11;??%feature?numbers
%?%=========================================
%%
%%%%%%%%%%%%
%%%%%%%%%%%%產生樣本訓練網絡
i1=0;
K=100;
%%
for?n=1:50
????i1=i1+1;
????j1=0;
????for?SNR=2:4:30
????????j1=j1+1;
????????%%
????????%%%2ASK信號特征
????????%%
????????M=2;
????????x?=?randint（K1[0M-1]）;
????????xx=modmap（xfdfs‘ask‘M）+1;
????????yas2?=?dmod（xxfcfdfs‘ask/nomap‘M）;
????????N=length（yas2）;
????????G=N;
????????t?=?0:1/fs:（N-1）/fs;
????????x=yas2;
????????[rmax_2ask（i1j1）aap_2ask（i1j1）adp_2a- 上一篇：遺傳算法求解excel多數據分析
- 下一篇：templet.mat手寫數字樣本
評論
共有 條評論