1. 研究目的与意义
随着人们生活水平的不断提升，通信作为现阶段人们日常生产生活中不可或缺的部分，受到越来越多研究者的关注。作为通信研究领域的一个重要课题，信号的分类与识别研究在当下也愈加热门。可以知道的是通信信号在传播过程中易受外界噪声干扰, 造成信号接收的不确定性, 给后续处理带来了困难, 因此, 了解信号的调制类型显得尤其重要, 这也可以为净化信号环境和抗干扰等提供有力的支持 。传统分类器模式分类能力有限, 自适应性较差, 难以满足日益复杂的信号识别与分类要求（例如基于启发式算法的分类器，核心是在决策树各个节点上应用信息增益等准则来选取特征，进而递归地构造决策树，实现分类功能，但是在分类过程中容易出现欠拟合问题；而基于logistic回归算法的分类器，虽然能够通过监督的方法来实现参数估计进而实现分类功能，但是其会出现分类误差过大的问题。）所以就有研究者提出了基于神经网络的分类器进行相关的通信信号分类识别，这种分类器具有一定的自主学习功能，能够很好的适应环境，因而具有强大的模式识别能力, 可以获得很高的识别率，具有更好的稳健性和潜在的容错性, 能够比较有效的的处理一些非线性复杂问题，在信号调制识别中也已经得到了实际应用，并且这种神经网络分类器一般都会采用BP算法，通过不断的训练学习使得结果收敛于最优。
由于通信环境的恶劣性以及通信信号的多样性，导致传统的分类器已经无法满足现阶段的通信信号分类识别需求。而神经网络技术的提出以及发展研究恰好可以解决这一问题，从而神经网络技术被应用于通信信号分类器相关设计上。神经网络分类器通过对既有数据进行反复训练学习，大大提高了分类的可靠性、准确性、以及实时性。并且BP算法作为一种梯度下降算法，是神经网络分类器训练的常用算法，依靠该算法设计的分类器能够很好的克服外部环境的干扰等不利因素，从而实现通信信号的有效分类。
2. 研究内容与预期目标
主要研究内容
对2fsk、2psk、2dpsk、qpsk信号模型进行建模分析，提取信号的瞬时幅度、瞬时相位、瞬时频率特征、分形特征等的特征参数；然后对bp神经网络模型的结构层次进行分析；接着根据所建神经网络模型进行相关的bp神经网络算法设计，该算法的主要功能是实现多个信号的可靠分类，分类的标准是根据前面所提及信号的特征参数制定的，并且会在matlab仿真软件上进行仿真实验，验证所设计分类器的性能，并给出相应的性能分析。
预期目标
3. 研究方法与步骤
拟采用的研究方法1.采用神经网络里经典的bp算法设计一个通信信号分类器，主要是利用神经网络的自适应特性，可以进行自主学习等等，并利用bp算法的梯度下降特性，找到收敛点，验证所设计分类器的有效性等相关性能。
２.用传统的方法对所选的相关调制信号进行特征参数的提取，在这一过程中会涉及到调制信号的相关建模、提取、分析等等。大多是在现有的研究学习基础上进行的。
步骤
4. 参考文献
| [1] Nandi A K , Azzouz E E .Algorithms for AutomaticModulation Recognition of Communication Signals.IEEE Trans.Ccom .,1998 ,46(4):431～ 436. [2] 吕铁军, 肖先赐. 基于神经网络最佳分类器通信信号的调制识别[J]. 系统工程与电子技术, 2001,23(5):44-46. [3] 韩力群.人工神经网络理论, 设计及应用[ M] .化学工业出版社,2007. [4] Bridget Verma .Fast Training of MultilayerPercetrons.IEEE Trans.on Neural Networks, 1997 , 8(6):1314 ～ 1320. [5] Azzouz E E , Nandi A K.Automatic Identification ofDigital Modulation Types.Signal Processing, 1995, 47:55 ～ 69. [6] 郝亮. 通信信号检测、识别与参数提取[D]．南京理工大学，2010． [7] 张想,李明齐,王潮.基于BP神经网络的短波通信信道预测方法[J].工业控制计算机,2017,30(10):55-56 59 [8] 李华楠,郝威,张世伟.基于BP神经网络的通信训练考核评估方法[J].舰船电子工程,2015,35(06):80-82 108. [9] 通信信号特征分析研究:[ 研究报告] .成都电子科技大学,1998 [10] 周超. 基于机器学习的感知信号分类与预测方法研究[D].电子科技大学,2018 [11] 李靖超,苏科源,董春蕾,陈志敏,李庆典.改进BP神经网络的分类器设计算法[J].上海电机学院学报,2018,21(05):53-57. [12] 于成龙,赵宝江.基于BP神经网络的C波段无线电信号分类识别[J].牡丹江师范学院学报(自然科学版),2015(02):21-22.
|
5. 工作计划
（1）2月20日～3月5日（2周） 理解神经网络概念与计算方法；
（2）3月6日～3月26日（3周） 撰写并提交开题报告；
（3）3月27 日～4月2日（1周）了解常用的调制信号模型；
