Automatická klasifikace digitálních modulací pomocí neuronových sítí
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato diplomová práce se zabývá automatickou klasifikací digitálních modulací pomocí neuronových sítí. V práci je stručně popsána problematika a existující algoritmy řešení problému rozpoznávání modulace. Bylo zjištěno, že nejlepších výsledků bylo dosaženo při použití příznakové metody rozpoznávání umělé neuronové sítě. Takže byly teoreticky popsány digitální modulace, které byly vybrány pro rozpoznávání, a to jsou ASK, FSK, BPSK, QPSK a 16QAM. Tyto modulace jsou v dnešní době používány nejčastěji. Dále byla stručně popsán teorie neuronových sítí. V další části byla věnována pozornost charakteristickým příznakům modulací pro rozpoznávání modulací pomocí umělých neuronových sítí. V předposlední části jsou popsány parametry signálů pro simulace v prostředí Matlab, postup vytvoření klíčových příznaků v prostředí Matlab a analýza výsledků experimentální simulace. Poslední část obsahuje experimenty optimalizace neuronové sítě.
This master’s thesis is about automatic digital modulation recognition using artificial neural networks. The paper briefly describes the issue and existing algorithms for solving the problem of modulation recognition. It was found that the best results are achieved when using the feature-recognition methods and artificial neural networks. The digital modulations that were chosen for recognition are described theoretically and they are ASK, FSK, BPSK, QPSK and 16QAM. These modulations are most commonly used today. Later was briefly described theory of neural networks. In another part was given to the characteristic features of modulation for modulation recognition using artificial neural networks. The penultimate part describes the parameters for signal simulation in Matlab, how to create the key features in Matlab and results after experimental simulation. The last part contains neural network optimization experiments.
This master’s thesis is about automatic digital modulation recognition using artificial neural networks. The paper briefly describes the issue and existing algorithms for solving the problem of modulation recognition. It was found that the best results are achieved when using the feature-recognition methods and artificial neural networks. The digital modulations that were chosen for recognition are described theoretically and they are ASK, FSK, BPSK, QPSK and 16QAM. These modulations are most commonly used today. Later was briefly described theory of neural networks. In another part was given to the characteristic features of modulation for modulation recognition using artificial neural networks. The penultimate part describes the parameters for signal simulation in Matlab, how to create the key features in Matlab and results after experimental simulation. The last part contains neural network optimization experiments.
Description
Citation
SINYANSKIY, A. Automatická klasifikace digitálních modulací pomocí neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2017.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Telekomunikační a informační technika
Comittee
prof. Ing. Aleš Prokeš, Ph.D. (předseda)
prof. Ing. Dan Komosný, Ph.D. (místopředseda)
doc. Mgr. Karel Slavíček, Ph.D. (člen)
Ing. Anna Kubánková, Ph.D. (člen)
Ing. Zdeněk Martinásek, Ph.D. (člen)
Ing. Jiří Pokorný (člen)
Date of acceptance
2017-06-07
Defence
Je možné ukázat průběh přesnosti během trénování sítě?¨
Na straně 35 píšete: „Všechny neuronové sítě dosáhly stop kritéria v 50000 epochách a přestaly se učit.“ A ve výsledcích testování bez šumu je úspěšnost 100%. Znamená to, že úspěšnost trénování byla nižší než úspěšnost testování?
Študent vedel odpovedať na otázky.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení