现有数字信号自动调制识别方法大多只适用于无记忆信号，如PSK、ASK、FSK信号等。将有记忆 信号(MSK信号)和无记忆信号一起考虑，提出了一种改进的数字信号自动识别方法。该方法采用信号的瞬时统 计量作为特征参数，采用多层神经网络作为分类器。计算机仿真表明：当噪声采用高斯白噪声，并且信噪比大于 l5 dB时，识别率高于96％ ；当信噪比不低于l0 dB时，识别率不低于90％。,Existing digital signal automatic modulation recognition

通过采用神经网络中的Clipping方法和MonteCarlo修改学习算法，对用于光学模式识别的纯相位二值化匹配滤波器进行了优化设计。计算机模拟结果表明，和传统的纯相位匹配滤波器的相关输出结果相比，其识别输出的信噪比和信号相关峰值得到了明显的提高，从而为今后的光学实现奠定了良好的基础。-Through the use of neural network methods and MonteCarlo modify Clipping learning algorithm for optical pa

包括压缩比、运行时间和计算复原图像的峰值信噪比,实现了对10个数字音的识别程序基于人工神经网络的常用数字信号调制。- Including compression ratio, image restoration computing uptime and peak signal to noise ratio, Realization of 10 digital audio recognition program The commonly used digital signal modulation

利用matlab针对图像进行马氏距离计算 ,包括调制，解调，信噪比计算，基于人工神经网络的常用数字信号调制。- Using matlab to calculate the Mahalanobis distance for the image, Includes the modulation, demodulation, signal to noise ratio calculation, The commonly used digital signal modulation based on a