1.完整项目描述和程序获取
>面包多安全交易平台:https://mbd.pub/o/bread/Y56Tl5Zr
>如果链接失效，可以直接打开本站店铺搜索相关店铺：
>如果链接失效，程序调试报错或者项目合作也可以加微信或者QQ联系。
2.部分仿真图预览
3.算法概述
GRNN，即General Regression Neural Network，中文全称为广义回归神经网络，是由The Lockheed Palo Alto研究实验室在1991年提出的。GRNN是一种新型的基于非线性回归理论的神经网络模型。GRNN是建立在非参数核回归基础之上的，该神经网络是以测试样本为后验条件，并从观测样本中计算得到自变量和因变量之间的概率密度函数，然后在计算出因变量关于自变量的回归值。由于GRNN不需要规定模型的类型，只需要设置神经网络的光滑因子参数，GRNN神经网络的光滑因子参数的取值对神经网络的输出影响较大，当光滑因子参数较大的时候，其对应的神经元所覆盖的输入区域就越大；当光滑因子参数较小的时候，神经网络对应的径向基函数曲线较陡，因此神经网络输出结果更接近期望值，但此时光滑度越差。
4.部分源码
SEL = 1;
SNRs = [5:1:12];
Err = zeros(size(SNRs));
MTKL = 20;
for jj = 1:length(SNRs)
jj
SNR=SNRs(jj);
for ii = 1:MTKL
rng(ii);
%%
%产生需要测试的无线信号
%1:WIFI
if SEL == 1
Signal = func_wifi(SNR);
end
%2:3G
if SEL == 2
Signal = func_3G_mobile(SNR);
end
%3:Fsk广播信号
if SEL == 3
Signal = func_2FSK(5000);
end
%采样化处理
Fs = 1e6; %信号采样率
fc = Fs/32; %信号采样率
nsamp = 32; %过采样率
delay = 16; %根号下升余弦的群时延
dataout = RRCsend(Signal,Fs,nsamp,delay);
%基于SDR的上变频
if SEL == 1 | SEL == 2
R = real(dataout).*cos(2*pi*fc*[1:length(dataout)]/Fs) + imag(dataout).*sin(2*pi*fc*[1:length(dataout)]/Fs);
end
if SEL == 3
R = dataout;
end
%通过噪声信道
dataout = awgn(R,SNR,'measured');
%%
%以下是SDR的接收平台
Rec = dataout;
%特征提取
char = real(func_para_check(real(Rec),Fs,fc));
%识别
load Grnn.mat
T(ii) = round(sim(Net,char'));
end
Err(jj) = length(find(T==SEL))/MTKL;
end
05_050_m
