МИНИСТЕРСТВО ЦИФРОВОГО РАЗВИТИЯ, СВЯЗИ И МАССОВЫХ КОММУНИКАЦИЙ РОССИЙСКОЙ ФЕДЕРАЦИИ

Ордена Трудового Красного Знамени

Федеральное государственное бюджетное образовательное

учреждение высшего образования

Московский Технический Университет Связи Информатики

Факультет

Радио и Телевидение (РиТ)

Кафедра

«Радиотехнические системы (РТС)»

ОТЧЁТ

по лабораторной работе №4

по дисциплине «Системы искусственного интеллекта»

на тему «Оценка информативности параметров радиосигналов с использованием самоорганизующихся карт Кохонена»

Выполнили:
Студент группы БРВ2201		Велит А.И.
Студент группы БРВ2201		Мусаев Д.Ш.
Проверили:
Старший преподаватель		Безумнов Д.Н.
Ассистент кафедры РТС		Варламов В.О.

1. ЦЕЛЬ РАБОТЫ

Целью выполняемой лабораторной работы является: оценка информативности параметров радиосигналов с использованием самоорганизующихся карт Кохонена для построения систем распознавания.

2. ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ

   1. Анализ картой Кохонена всех параметров

Сперва необходимо произвести анализ картой Кохонена на всех одиннадцати параметрах сигналов.

Рисунок 2.1.1 – Результаты обучения карты Кохонена на всех параметрах сигналов

Как видно из рисунка 2.1.1, карта совершила одну большую, но весьма грубую ошибку: определила всего четыре кластера вместо двух: для BPSK и для FSK-2. При этом все сигналы с модуляцией FSK-2 находятся в одном кластере, что хорошо. Если считать за ошибку приравнивание сигнала не к своему кластеру, то всего было совершено либо сто девяносто девять, либо сто пятьдесят восемь, либо двести семь ошибок.

2. Анализ картой Кохонена по одному из параметров

Далее необходимо определить самые влияющие параметры: параметры, при обучении на которых карта Кохонена совершит меньше всего ошибок. Количество ошибок для каждого параметра будут представлены в следующем пункте, а результаты обучения – на рисунках ниже.

При подсчёте количества ошибок использовалась следующая методика: за кластер сигнала принимался кластер с большим количеством сигналов с одним видом модуляции в нём. Соответственно, все сигналы с иной модуляцией в этом кластере – ошибки. Если существует кластер с количеством сигналов с разной модуляцией, которые не подходят под условия ниже, то они все являются ошибками.

Рисунок 2.2.2 – Результаты обучения карты Кохонена для параметра gamma

В результате обучения для параметра gamma: кластер для BPSK – третий (117 сигналов из 163), а для FSK-2 – второй (23 сигнала из 66). Все сигналы вне этих кластеров – ошибки.

Рисунок 2.2.3 – Результаты обучения карты Кохонена для параметра sigma_ap

В результате обучения для параметра sigma_ap: кластер для BPSK – первый (71 сигнал из 71), а для FSK-2 – четвёртый (103 сигнала из 229). Все сигналы вне этих кластеров – ошибки.

Рисунок 2.2.4 – Результаты обучения карты Кохонена для параметра sigma_dp

В результате обучения для параметра sigma_dp: кластер для BPSK – второй (78 сигналов из 84), а для FSK-2 – третий (82 сигнала из 171). Все сигналы вне этих кластеров – ошибки.

Рисунок 2.2.5 – Результаты обучения карты Кохонена для параметра sigma_aa

В результате обучения для параметра sigma_aa: кластер для BPSK – третий (111 сигналов из 135), а для FSK-2 – первый (35 сигнала из 80). Все сигналы вне этих кластеров – ошибки.

Рисунок 2.2.6 – Результаты обучения карты Кохонена для параметра sigma_fa

В результате обучения для параметра sigma_fa: кластер для BPSK – первый (147 сигналов из 147), а для FSK-2 – четвёртый (112 сигнала из 112). Все сигналы вне этих кластеров – ошибки.

Рисунок 2.2.7 – Результаты обучения карты Кохонена для параметра R_a

В результате обучения для параметра R_a: кластер для BPSK – второй (97 сигналов из 146), а для FSK-2 – первый (36 сигнала из 80). Все сигналы вне этих кластеров – ошибки.

Рисунок 2.2.8 – Результаты обучения карты Кохонена для параметра R_p

В результате обучения для параметра R_p: кластер для BPSK – первый (225 сигналов из 326), а для FSK-2 – третий (3 сигнала из 9). Все сигналы вне этих кластеров – ошибки.

Рисунок 2.2.9 – Результаты обучения карты Кохонена для параметра R_f

В результате обучения для параметра gamma: кластер для BPSK – первый (196 сигналов из 272), а для FSK-2 – четвёртый (6 сигнала из 14). Все сигналы вне этих кластеров – ошибки.

Рисунок 2.2.10 – Результаты обучения карты Кохонена для параметра L

В результате обучения для параметра L: кластер для BPSK – второй (92 сигналов из 129), а для FSK-2 – четвёртый (21 сигнала из 45). Все сигналы вне этих кластеров – ошибки.

Рисунок 2.2.11 – Результаты обучения карты Кохонена для параметра D_a

В результате обучения для параметра D_a: кластер для BPSK – третий (117 сигналов из 155), а для FSK-2 – первый (11 сигнала из 29). Все сигналы вне этих кластеров – ошибки.

Рисунок 2.2.12 – Результаты обучения карты Кохонена для параметра delta_ap

В результате обучения для параметра gamma: кластер для BPSK – третий (72 сигналов из 117), а для FSK-2 – четвёртый (67 сигнала из 168). Все сигналы вне этих кластеров – ошибки.

3. Расчёт общей энтропии по результатам обучения на каждом из параметров

Необходимо рассчитать общую энтропию для каждого из параметров. Для этого сперва необходимо рассчитать энтропию каждого кластера по отдельности по следующей формуле:

где – количество классов сигналов в одном кластере;

– общее количество элементов в кластере.

Общая энтропия является суммой энтропий всех кластеров. По общей энтропии можно судить об информативности каждого из параметров: чем ниже общая энтропия, тем более информативен параметр.

Результаты всех экспериментов, как и расчётов, представлены ниже, в таблице 2.3.1.

Таблица 2.3.1 – Результаты измерений и вычислений

3. ВЫВОДЫ

В результате проведения лабораторной работы было установлено, что не все параметры являются равнозначно значимыми для обучения моделей: можно сокращать количество параметров в выборке для ускорения обучения и уменьшения количества данных.

Было установлено, что наиболее значимыми параметрами (общая энтропия меньше трёх) являются: sigma_fa и delta_ap. Однако практика показала, что этих двух параметров недостаточно для выполнения обучения на надлежащем уровне. Требуется увеличение параметров по уменьшению информативности до тех пор, пока не будут достигнуты требуемые результаты.

Москва 2025г