分享到:

基于机器学习的数字信号解调与识别的研究

数字信号的调制和解调在通信系统中起着重要作用,随着社会的信息化发展,对多种类型信号进行智能化处理的需求应运而生。本文提出了一种基于机器学习方法的数字信号智能接收机,利用神经网络对未知调制信号进行调制识别及解调。作为一种自适应解决方案,该接收机在保证了良好的解调性能的同时,提高了接收系统的灵活性,具有理论研究意义与实际应用价值。本论文的主要工作由数字信号的调制方式识别与解调两部分构成,通过仿真分析系统模型的识别及解调性能,证明智能接收方案的可行性。首先,针对数字信号的调制方式识别,本文借鉴了Inception网络与残差网络模型的结构优点以及LSTM网络时序建模的特点,从局部特征提取与时序建模相辅相成的角度设计实现了SigNet网络模型。通过引入高阶累积量来扩充信号数据维度,以提高识别准确率。仿真结果表明,针对六种数字信号,SigNet模型的识别准确率随信噪比增加而提高,在AWGN信道下Eb/N0=12dB时达到96%的识别准确率。  (本文共68页) 本文目录 | 阅读全文>>

中国科学院大学(中国科学院上海应用物理研究所)
中国科学院大学(中国科学院上海应用物理研究所)

机器学习与自由电子激光的应用研究

先进的光学装置的诞生,意味着科学家们可以使用全新的研究方法来探索未知的世界,例如,可以以纳米尺度创建微观物质的三维结构图像。伴随着设备的不断改进,许多实验设备采集的数据量将急剧增加,但只有一小部分数据可用于后续分析。实验所得到的许多数据,有可能是没有意义的无效数据,我们需要将它筛选去除掉,也有些数据可能是含有意义,但比较难以利用。本论文的目的是将机器学习与光学实验结合起来,讨论如何能够智能化、高效地处理光学实验中所产生的数据。纳米晶体学研究了蛋白质等大分子物体的结构,用X射线照射结晶样品产生衍射图像,通过获得来自许多不同方向的衍射图像,就有可能重建样品的空间结构。X射线源以固定的速率产生闪光,由于技术限制,样品的通过位置无法和X射线闪光同步,或者图像内的信号量太小,这导致产生许多无用的、不包含任何信息的图像。X射线自由电子激光器对科学研究产生广泛影响并且拥有着巨大潜力,是解开物质结构动力学的关键因素。为了充分利用这一潜力,我们必...  (本文共64页) 本文目录 | 阅读全文>>

安徽大学
安徽大学

基于葵花8卫星遥感数据的大雾识别研究

大雾是常见的自然天气现象,也是不可忽视的自然灾害。近年来,随着经济的快速发展,大雾影响着人们的生产生活。因此,研究者们逐渐开始重视大雾的监测和识别。而随着科学技术的快速发展,卫星遥感技术也趋于成熟,遥感数据比传统的地面数据具有更新快,检测范围广,时效性高等方面,因而很多的领域使用到遥感卫星技术。本文中所使用的为葵花8卫气象卫星数据,无论是从云图的质量,截取的频率,波道,清晰度都比上代卫星大幅改善。因此,使用葵花8卫星数据进行雾的监测与识别研究,可以提高大雾的识别性能。本文在进行研究之前首先要进行大雾数据的提取与标注,根据地面站的经纬度找出安徽省所对应的地面站的位置,然后与卫星数据进行经纬度匹配,提取该位置上的卫星数据,在根据地面站的能见度判断该位置雾的情况。本文主要通过两类算法对大雾识别进行研究,第一类算法是基于传统的机器学习方法的大雾的识别,第二类算法是基于深度学习的大雾识别。主要研究内容如下:1)基于机器学习的分类方法进行雾...  (本文共60页) 本文目录 | 阅读全文>>

郑州大学
郑州大学

应用机器学习算法对重症手足口病的危险因素筛选与预测

手足口病(hand,foot,and mouth disease,HFMD)为肠道病毒导致的一种儿童好发的出疹性传染病。少数患儿容易进展为重症,出现累及神经系统的各种并发症,如常见的病毒性脑炎,容易导致患儿出现颅内感染、高压进而表现为呕吐、惊厥等。一些患儿甚至进一步发展为危重症,出现外周循环和呼吸系统的衰竭,甚至死亡。因此,建立一个用于预测重症HFMD的模型,用于辅助临床医师对重症患儿的早期识别,从而及早干预,减少严重并发症和不良事件的发生。目的筛选重症HFMD的危险因素,构建其临床预测模型。方法收集2017年9月至2018年6月郑州大学附属儿童医院感染科的HFMD患儿资料。应用SPSS和R软件进行数据分析。通过单因素分析、特征选择等方法筛选重症HFMD的危险因素。从机器学习常见算法中寻找最优算法用于构建机器学习模型,同时以传统logistic模型作为参考,选用多种性能评价指标,比较模型的预测性能。结果共纳入1292例HFMD病...  (本文共58页) 本文目录 | 阅读全文>>

深圳大学
深圳大学

基于结构磁共振和机器学习的品行障碍分类方法研究

品行障碍(Conduct Disorder,CD)是一种儿童或青少年期的精神障碍,其表现特征有攻击性和反社会行为等。基于结构磁共振成像(Structural magnetic resonance imaging,sMRI)的研究已经发现CD伴随着脑结构异常。然而,这些脑结构异常是否可以区分CD和健康对照,目前仍无研究。本研究拟量化分析这些脑结构的差异,并基于机器学习(Machine learning)方法,探索这些量化特征的分类能力。本研究收集了60例CD和60例健康对照的高分辨率三维sMRI图像作为数据集,并进行如下研究:(1)提取灰质体积等形态结构学特征,基于传统机器学习方法构建CD的分类模型,其中分类器包括逻辑斯蒂回归(Logistic regression)、随机森林(Random forest)和支持向量机(Support vector machine,SVM),以对比分析不同分类模型性能;(2)采用多体素模式分析(M...  (本文共69页) 本文目录 | 阅读全文>>

安徽大学
安徽大学

传统机器学习到深度学习行人检测若干研究

行人检测技术在智能交通系统、公共安全、机器人等诸多领域有着广泛的应用。然而,由于姿态、穿着、遮挡以及尺度等因素的影响,鲁棒、准确、高效的行人检测仍然是目标检测中的一个经典难题,同时也是计算机视觉的一个研究热点。在过去的研究中,行人检测算法大致分为两类:一类是基于传统机器学习的方法,这类方法主要集中于手工特征的提取、特征分类器的学习和后处理等方面;另一类是基于卷积神经网络的行人检测算法,这类算法主要集中于分类网络的研究。传统机器学习检测方法对硬件要求较低,检测速度较快,但是由于提取的手工特征简单、后处理不完善等原因,在有遮挡或者光照条件差的情况下检测效果大打折扣。深度学习行人检测算法在精度上往往占据优势,但是池化和卷积操作具有降维的特性,会使得卷积特征图分辨率逐步减小,一些小目标的特征到最后可能会完全消失,所以对小目标的检测效果不理想。本文在详细分析了机器学习行人检测的理论基础上,针对上述两类行人检测算法存在的问题分别进行了部分有...  (本文共77页) 本文目录 | 阅读全文>>