可以做宣传图的网站,国外设计欣赏网站,设计相关的网站,python 网站开发必会目录
1.算法运行效果图预览
2.算法运行软件版本
3.部分核心程序
4.算法理论概述
5.算法完整程序工程 1.算法运行效果图预览 2.算法运行软件版本
matlab2022a
3.部分核心程序
........................................................................
for ij 1:leng…目录
1.算法运行效果图预览
2.算法运行软件版本
3.部分核心程序
4.算法理论概述
5.算法完整程序工程 1.算法运行效果图预览 2.算法运行软件版本
matlab2022a
3.部分核心程序
........................................................................
for ij 1:length(SNR)ijfor j 1:20% 数据划分比例divT 0.05; % 训练数据占全部数据的20%divV 0.2; % 验证数据占全部数据的10%% 分割训练集和验证集SrxT Srx(1,1:floor(divT*length(Srx)));% 训练集信号StxT Stx(1,1:floor(divT*length(Stx)));% 训练集期望结果SrxV Srx(1 ,floor(divT*length(Srx))1:floor((divTdivV)*length(Srx)));% 验证集信号StxV Stx(1 ,floor(divT*length(Stx))1:floor((divTdivV)*length(Stx)));% 验证集期望结果%为每个神经网络寻找最佳超参数组合[accuracy,yfit] func_ANN_qpsk(Si, Sh, Nlabel, lambda, IQmap, SrxT, StxT, SrxV, StxV);err(ij,j)1-accuracy/100;end
end% 调用函数绘制星座图展示数据的10%
func_constellation(Srx,Stx,0.5) figure;
semilogy(SNR,mean(err,2),b-o);
grid on
xlabel(SNR);
ylabel(误码率);
legend(QPSK误码率);figure
plot(yfit,-r,...LineWidth,1,...MarkerSize,6,...MarkerEdgeColor,k,...MarkerFaceColor,[0.9,0.9,0.0]);
xlabel(训练迭代次数);
ylabel(神经网络训练曲线);
134
4.算法理论概述 QPSKQuadrature Phase Shift Keying是一种常见的数字调制方式通过载波的四种相位状态来传输两比特信息。在接收端准确解调出原始数据成为关键任务。传统的方法如相干解调虽有效但对同步要求较高而基于BPBack Propagation神经网络的解调算法提供了一种自适应、非线性处理手段尤其适用于复杂信道条件下的解调。 QPSK信号在经过信道传输后会受到噪声干扰、多径效应等影响导致星座点偏移或失真增加了传统解调方法的误码率。BP神经网络以其强大的非线性拟合能力和自适应学习能力能够学习并补偿这些失真从而实现更稳健的解调。 假设接收到的QPSK信号为s(t)经过匹配滤波器后得到基带信号r(t)通过采样得到离散信号{r[n]}作为BP神经网络的输入。网络的输出层设计为四个神经元分别对应QPSK的四种相位状态输出概率最大的神经元所对应的相位即为解调结果。 设输入层节点数为NI隐藏层节点数为NH输出层节点数为NO4对应QPSK的四个相位。网络权重矩阵分别为W(1)输入到隐藏层和W(2)隐藏层到输出层偏置向量为b(1)和b(2)。 对于输入向量x第j个隐藏层神经元的激活值aj(1)计算如下 利用已知的QPSK信号样本集对网络进行训练不断迭代上述过程直至收敛。训练完成后使用测试集验证网络性能通过比较解调出的比特序列与原序列的差异来评估误码率(BER)。
5.算法完整程序工程
OOOOO
OOO
O
