隨著信息時代的到來,通信成為人們生產(chǎn)生活不可缺少的工具。超寬帶和超窄帶技術(shù)應(yīng)用越來越廣泛,其中多數(shù)調(diào)制方式屬于非對稱調(diào)制。短波信道是一種古老又經(jīng)典的信道,在軍事領(lǐng)域備受關(guān)注、應(yīng)用廣泛,屬于時變多徑信道。目前非對稱調(diào)制經(jīng)過短波信道后的解調(diào)結(jié)果差強人意,本文嘗試將粒子群優(yōu)化算法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合以及利用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)和其變種算法,以解決時變多徑信道下多元位置相移鍵控(M-ary Position Phase Shift Keying,MPPSK)的解調(diào)問題。首先,重點研究了非對稱調(diào)制技術(shù)中的MPPSK,對經(jīng)典的MPPSK調(diào)制、改進的MPPSK調(diào)制和雙極性脈沖MPPSK調(diào)制從時域和頻域角度進行了分析,給出了MPPSK調(diào)制器的兩種設(shè)計方法:查找表法和開關(guān)法。其次,針對MPPSK短波信道傳輸系統(tǒng)模型,分別研究了基帶成形濾波器的設(shè)計原理與時頻輸出,探究了短波信道的傳播方式、數(shù)學(xué)模型、標(biāo)準(zhǔn)信道和輸出結(jié)果,給出了相干解調(diào)和非相干解調(diào)兩種接收方案。第三,將粒子群優(yōu)化算法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合,設(shè)計基于PSO-NN的短波信道MPPSK信號解調(diào)器,并對其影響因素進行了細(xì)致的研究。大量的仿真結(jié)果表明...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 非對稱調(diào)制
        1.2.2 短波信道
        1.2.3 人工神經(jīng)網(wǎng)絡(luò)
        1.2.4 粒子群優(yōu)化算法
    1.3 論文研究內(nèi)容及意義
    1.4 論文組織結(jié)構(gòu)
第二章 MPPSK調(diào)制
    2.1 經(jīng)典MPPSK調(diào)制
        2.1.1 調(diào)制方法
        2.1.2 頻譜分析
    2.2 改進的MPPSK調(diào)制
        2.2.1 調(diào)制方法
        2.2.2 頻譜分析
    2.3 雙極性脈沖MPPSK調(diào)制
        2.3.1 調(diào)制方法
        2.3.2 頻譜分析
    2.4 調(diào)制器
    2.5 本章小結(jié)
第三章 短波信道傳輸整體方案
    3.1 短波MPPSK傳輸系統(tǒng)調(diào)制端
        3.1.1 系統(tǒng)整體框圖
        3.1.2 基帶成形濾波器
    3.2 短波信道
        3.2.1 傳播方式
        3.2.2 信道數(shù)學(xué)模型與傳輸特性
        3.2.3 DRM標(biāo)準(zhǔn)中的信道
        3.2.4 經(jīng)短波信道傳輸后的信號波形
    3.3 短波MPPSK傳輸系統(tǒng)接收端
        3.3.1 非相干解調(diào)方案
        3.3.2 相干解調(diào)方案
    3.4 本章小結(jié)
第四章 基于PSO-NN的MPPSK信號判決
    4.1 神經(jīng)網(wǎng)絡(luò)
        4.1.1 神經(jīng)元的M-P模型
        4.1.2 BP神經(jīng)網(wǎng)絡(luò)
    4.2 粒子群優(yōu)化算法
        4.2.1 標(biāo)準(zhǔn)PSO算法
        4.2.2 改進的PSO算法
    4.3 基于PSO-NN的MPPSK信號解調(diào)器
        4.3.1 傳輸函數(shù)
        4.3.2 誤差函數(shù)
        4.3.3 PSO優(yōu)化ANN判決器
    4.4 性能仿真
        4.4.1 接收方案比較
        4.4.2 多碼元聯(lián)合解調(diào)
        4.4.3 PSO-NN解調(diào)器結(jié)構(gòu)優(yōu)化
        4.4.4 發(fā)射端限制
    4.5 本章小結(jié)
第五章 基于深度學(xué)習(xí)算法的MPPSK信號判決
    5.1 深度學(xué)習(xí)算法
        5.1.1 卷積神經(jīng)網(wǎng)絡(luò)
        5.1.2 卷積自編碼網(wǎng)絡(luò)
        5.1.3 卷積循環(huán)神經(jīng)網(wǎng)絡(luò)
    5.2 解調(diào)器整體方案
    5.3 信號預(yù)處理
    5.4 基于深度學(xué)習(xí)的MPPSK解調(diào)器
        5.4.1 基于CNN的MPPSK解調(diào)器
        5.4.2 基于CAE的MPPSK信號解調(diào)器
        5.4.3 基于CRNN的MPPSK信號解調(diào)器
    5.5 性能仿真
        5.5.1 判決性能
        5.5.2 多碼元聯(lián)合解調(diào)
        5.5.3 發(fā)射端限制
        5.5.4 網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化
        5.5.5 抗單頻干擾
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 主要創(chuàng)新
    6.3 展望
致謝
參考文獻(xiàn)
作者簡介



本文編號：3868873