导读:本文包含了分形调制论文开题报告文献综述及选题提纲参考文献，主要关键词:调制识别,分形理论,特征提取,最小二乘双支持向量机
分形调制论文文献综述
张子翾,罗正华,陈绍祥[1]（2019）在《基于分形特征和ILST-KSVC的调制方式识别》一文中研究指出针对传统的信号调制识别方式在信噪比较低的情况下识别精度低与种类少的问题,提出了一种新的基于分形理论及多分类最小二乘双支持向量机的通信信号识别方法.首先采集数字信号,对接收到的信号进行预处理,提取其分形特征作为识别的特征参数,然后采用多分类最小二乘双支持向量机分类器实现对未知信号的识别.该方法与传统的神经网络分类法及决策树分类法相比,具有更好的泛化推广能力.实验仿真结果表明,该方法在低信噪比情况下,调制识别准确率要优于其他调制识别方法,且在信噪比SNR>-5dB时,平均识别成功率达到91%以上.(本文来源于《成都大学学报(自然科学版)》期刊2019年01期）
王晨歌[2]（2017）在《基于信号分形特征的通信调制信号识别技术研究》一文中研究指出在现代通信系统中,有时候需要接收设备在不知道信号的调制方式,及调制阶数等参数的情况下计算出信号的调制信息,以便后续对传输的信号进行解调工作。无论在军用和民用两方面,还是在电子战对抗中,或是在政府对民用通信信号的管理上,调制识别都具有重要的意义。信号的调制方法不同,则信号的各项指标、参数、特征则不会相同,调制方式是信号间的最显着的区别,也是我们根据信号各项参数指标进行识别信号的目标标信息。信号调制方式的识别自动化是在非协作通信领域中最为重要,也是最为基础的一环。在进行调制识别问题的讨论之前,先介绍了各类常见的调制模型。本文首先使用传统经典的通信调制识别技术,通过信号包络特征、统计方差、及功率谱密度最大值等,作为通信调制识别的重要参数,进行了通信信号的识别仿真。然后使用基于信号分形的特征参数,作为通信调制识别的唯一参数,进行了通信仿真。并在后面对两种方法的各项性能进行了分析工作。得知了基于分形特征的调制识别方法在识别效率上略好于传统经典调制识别方法,而在时间效率上并没有优势。在过去通信领域的发展中,调制模式识别的领域已经取得了丰硕的成果。但是在非协作通信领域,通信调制信号的识别技术还远未达到可以形成独立学科理论的成熟阶段,目前尚未形成完整的科学技术体系。本文以通信信号调制识别的传统识别方法为基础,以信号特征参数提取为手段,研究了基于信号分形特征的通信信号调制识别方法,对比新旧方法的优缺点,并对这一领域的未来发展做了些许展望。(本文来源于《昆明理工大学》期刊2017-03-01）
张天骐,闫振华,欧旭东,钱文瑞[3]（2016）在《并行码相位结合分形重构的TMBOC调制信号捕获算法》一文中研究指出针对TMBOC调制信号自相关函数多峰值造成的捕获模糊性问题,提出了一种并行码相位结合分形重构去除模糊性的捕获算法.该算法首先对接收信号解调,然后用本地PN和BOC码分别与解调后的信号循环相关,对相关结果取模相加,最后利用分形重构算法折迭出没有副峰的相关函数.理论分析和仿真结果表明,重构算法能有效捕获到信号,算法复杂度较低,而且相关峰值比ASPeCT算法提高了43.7%,经过两径信道时主峰能量达到96%.(本文来源于《上海交通大学学报》期刊2016年05期）
陈红,蔡晓霞,徐云,刘文涛[4]（2016）在《基于多重分形特征的通信调制方式识别研究》一文中研究指出该文提出一种基于多重分形特征的数字通信信号调制方式识别新方法。对接收信号进行去噪预处理,基于2维数据阵列求取信号的广义维数和多重分形谱;详细讨论了权重因子q对多重分形谱的影响,提取了13个多重分形特征参数;设计了基于多重分形特征的支持向量机分类器对不同信号进行调制方式识别。仿真结果表明,该算法在低信噪比情况下具有很好的识别性能。(本文来源于《电子与信息学报》期刊2016年04期）
卢阳,伊鹏,王熙[5]（2015）在《边际谱和多重分形在调制模式识别中的应用探究》一文中研究指出由于边际谱和多重分形下的调制模式具有一定的差异特征,将其应用在调制模式识别中能够提高识别正确率。因此文章针对边际谱和多重分形原理展开了分析,并加大其在调制模式识别中的应用,从而确保其在工程中有更好的应用。(本文来源于《信息通信》期刊2015年12期）
胡玥,刘晓芳,朱妍雯[6]（2015）在《大鼠初级视皮层神经元整合野调制的多重分形去趋势波动分析》一文中研究指出初级视皮层(V1区)神经元整合野的外周调制作用是动物执行视觉图像-背景分割和目标识别的神经基础。采用多重分形去趋势波动的方法,分析了整合野调制下神经元响应的多重分形性,并分析了其与整合野抑制作用的关系。结果表明:不同模式下神经元的响应信号均具有多重分形特征,谱宽Δα能显著区分两种典型的整合野调制状态,且神经元的分形性强度与整合野的抑制指数呈正相关。该研究表明整合野的调制作用改变了神经元响应的复杂程度,提高了其携带信息的能力。(本文来源于《科学技术与工程》期刊2015年29期）
张鹏[7]（2015）在《运动调制HRV信号的相关性与多重分形性分析》一文中研究指出对复杂系统输出信号的分形性研究,可得到该系统内部的有用信息和状态间的转换规律,从而方便对系统的非线性动力学行为的研究。心脏系统是自然界最复杂的系统之一,负责为人体的血液循环提供持久的动力。相关研究表明,心脏系统的复杂性是由心脏中多个自律组织共同作用的结果,同时受交感神经和迷走神经的协调控制。这种复杂而有组织的调控模式可通过心脏系统输出信号的变异性表现出来,我们称这种信号为心率变异性信号(HRV)。该信号是介于确定性信号与随机信号之间的一种整体有序但局部无序的混沌信号。对心率变异信号的研究可以推广非线性分析法在医学信号分析中的应用,而且可发现心脏系统的复杂性与自主神经调控功能间的关系,为心血管疾病的理论研究提供有价值的信息。近些年,随着人们对身心健康的关注,运动成为了日常生活不可缺少的组成部分。普通人如何健身来预防心脑血管疾病的发生,运动员如何训练来提高自身的运动水平已成为众多学者在该领域研究的热点。本文运用非线性理论中的分形方法,通过切实可行的实验,建立了运动调制状态下心率变异信号的分析模型。结合传统R/S分析与Lo-R/S分析的优点,改进了相关性分析方法,提出了HI-R/S分析模型和分形系数的概念,解决了传统方法不能量化心率变异信号短程相关和长程相关的不足。从理论上模拟出了不同运动状态心脏自主神经间的转换规律。同时将去势波动分析与多重分形理论结合起来,从多标度分形上探讨了不同运动状态下心率变异信号的多重分形特性和变化趋势。分析了短程相关、长程相关、多重分形和自主神经调控间的动态关系。得出了以下主要结论：(1)HI-R/S方法考虑了重标极差曲线的斜率和截距共同蕴含的信号非线性动力学信息,弥补了传统方法只考虑Hurst指数而忽视截距所包含信息的不足。通过比较HI-R/S与R/S,Lo-R/S的分析结果,可看出新方法能更好的区分不同运动状态下HRV信号的分形性差异。更好地量化HRV信号相关性中短程相关和长程相关所占的比重,得出了运动前后短程相关与长程相关的强度几乎相同,而运动中的相关性主要由长程相关来体现的结论。该方法更适合对非线性信号的相关性进行细节上的描述。(2)从去势波动分析所得的广义Hurst指数可看出,不同运动状态下的HRV信号具有不同强度的多重分形特性。通过广义Hurst指数与Legendre变换建立起相关性与多重分形性的关系,得出了低强度运动时心脏系统的多重分形特征明显大于运动前和运动后的结论。因此,运动对HRV信号心率变异性的影响还取决于运动强度。通过对相关性分析和多重分形性分析结果的比较发现,运动前后,HRV信号的长程相关性与多重分形性的变化趋势相同,与短程相关性的变化趋势相反。其生理意义及其与自主神经的转换规律间的关系还有待进一步研究。(3)通过比较上午和下午不同运动状态下HRV信号的相关性和多重分形性发现,下午不同运动状态HRV信号的多重分形性差异较上午时小。结合长程相关性与多重分形性的含义可知下午时自主神经对心脏系统的调控作用更强。最后,通过重复二元方差分析,证明了运动状态和生理节律对心脏系统的复杂性程度都具有一定的影响,而且运动调制与生理节律之间存在明显的互作效应。从理论上讲,下午时心脏的非线性状态更适合进行高强度的体育锻炼。(本文来源于《陕西师范大学》期刊2015-05-01）
刘文涛,陈红,蔡晓霞,刘俊彤[8]（2014）在《基于分形维数的数字调制信号识别》一文中研究指出在复杂的电磁环境下,如何快速准确地对低信噪比下的常见通信信号进行较全面的识别是一个亟待解决的问题。在对信号分形维数仿真讨论的基础上,提出了一种新的通信信号识别方法。首先,对接收到的信号进行预处理,然后提取其盒维数和信息维数,将两者作为识别的特征参数,最后基于支持向量机实现未知信号的识别。由仿真结果分析可知:预处理后的信号序列的盒维数和信息维数分离度高且受噪声和信号参数的影响小,识别结果较好。在信噪比为5 dB时,不同调制类型信号间的识别准确率最低为87%。(本文来源于《火力与指挥控制》期刊2014年10期）
秦立龙,王振宇[9]（2014）在《边际谱和多重分形在调制模式识别中的应用》一文中研究指出为了提高数字信号调制模式识别在低信噪比下的正确率,根据对边际谱和多重分形理论原理的分析,提出了一种新的基于多重分形理论的特征提取方法。该方法首先引入HHT变换求得样本的边际谱,不同调制模式的边际谱具有明显的差异性,可以利用分形的方法提取边际谱的分形维数作为调制识别的特征参数。最后利用支持向量机分类器进行信号的分类识别。并在求解支持向量机优化问题中,利用通用的粒子群算法确定了最优系数。计算机仿真研究证明,新方法提取的特征能有效地提高识别正确率,具有较好的工程应用性。(本文来源于《智能系统学报》期刊2014年06期）
吴建飞,袁学华[10]（2014）在《基于小波多重分形的通信信号调制识别》一文中研究指出针对非平稳、信噪比变化范围较大的通信信号,采用小波多重分形的方法进行调制类型识别。先利用小波变换把通信信号进行分解,再对得到的细节信号计算多重分形维数。仿真结果表明,该方法对噪声和调制参数不敏感,可对通信中的数字调制信号进行有效识别。(本文来源于《航天电子对抗》期刊2014年03期）
分形调制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在现代通信系统中,有时候需要接收设备在不知道信号的调制方式,及调制阶数等参数的情况下计算出信号的调制信息,以便后续对传输的信号进行解调工作。无论在军用和民用两方面,还是在电子战对抗中,或是在政府对民用通信信号的管理上,调制识别都具有重要的意义。信号的调制方法不同,则信号的各项指标、参数、特征则不会相同,调制方式是信号间的最显着的区别,也是我们根据信号各项参数指标进行识别信号的目标标信息。信号调制方式的识别自动化是在非协作通信领域中最为重要,也是最为基础的一环。在进行调制识别问题的讨论之前,先介绍了各类常见的调制模型。本文首先使用传统经典的通信调制识别技术,通过信号包络特征、统计方差、及功率谱密度最大值等,作为通信调制识别的重要参数,进行了通信信号的识别仿真。然后使用基于信号分形的特征参数,作为通信调制识别的唯一参数,进行了通信仿真。并在后面对两种方法的各项性能进行了分析工作。得知了基于分形特征的调制识别方法在识别效率上略好于传统经典调制识别方法,而在时间效率上并没有优势。在过去通信领域的发展中,调制模式识别的领域已经取得了丰硕的成果。但是在非协作通信领域,通信调制信号的识别技术还远未达到可以形成独立学科理论的成熟阶段,目前尚未形成完整的科学技术体系。本文以通信信号调制识别的传统识别方法为基础,以信号特征参数提取为手段,研究了基于信号分形特征的通信信号调制识别方法,对比新旧方法的优缺点,并对这一领域的未来发展做了些许展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分形调制论文参考文献
[1].张子翾,罗正华,陈绍祥.基于分形特征和ILST-KSVC的调制方式识别[J].成都大学学报(自然科学版).2019
[2].王晨歌.基于信号分形特征的通信调制信号识别技术研究[D].昆明理工大学.2017
[3].张天骐,闫振华,欧旭东,钱文瑞.并行码相位结合分形重构的TMBOC调制信号捕获算法[J].上海交通大学学报.2016
[4].陈红,蔡晓霞,徐云,刘文涛.基于多重分形特征的通信调制方式识别研究[J].电子与信息学报.2016
[5].卢阳,伊鹏,王熙.边际谱和多重分形在调制模式识别中的应用探究[J].信息通信.2015
[6].胡玥,刘晓芳,朱妍雯.大鼠初级视皮层神经元整合野调制的多重分形去趋势波动分析[J].科学技术与工程.2015
[7].张鹏.运动调制HRV信号的相关性与多重分形性分析[D].陕西师范大学.2015
[8].刘文涛,陈红,蔡晓霞,刘俊彤.基于分形维数的数字调制信号识别[J].火力与指挥控制.2014
[9].秦立龙,王振宇.边际谱和多重分形在调制模式识别中的应用[J].智能系统学报.2014
[10].吴建飞,袁学华.基于小波多重分形的通信信号调制识别[J].航天电子对抗.2014
标签：调制识别; 分形理论; 特征提取; 最小二乘双支持向量机;