【摘要】：認(rèn)知無線電Underlay模式技術(shù)中,次用戶可以在保證主用戶正常通信的條件下與其共用同一段頻譜進(jìn)行通信,相對于將頻譜單獨(dú)分給主用戶使用的情況,大大提高了頻譜的使用效率,該技術(shù)已成為解決當(dāng)前頻譜資源短缺問題的重要研究內(nèi)容之一。但Underlay頻譜共享是在干擾溫度范圍內(nèi)同一信道中多個(gè)用戶的信息同時(shí)進(jìn)行傳遞,該信道中信號存在時(shí)頻域重疊問題,接收信號模型更為復(fù)雜。此外,在信號處理研究中,調(diào)制識(shí)別是判斷接收信號的調(diào)制方式的過程,間接影響干擾溫度的值,同時(shí)為接下來的信號解調(diào)提供參考依據(jù),且對于頻譜管理、非法信號監(jiān)測等研究都具有重要意義。本文主要研究認(rèn)知無線電Underlay模式下信號的調(diào)制識(shí)別方法。具體研究內(nèi)容如下:1.認(rèn)知無線電Underlay模式下,本文針對時(shí)頻重疊MQAM信號的調(diào)制方式識(shí)別率低的問題,提出了一種基于時(shí)頻分析和灰度-梯度共生矩陣的調(diào)制識(shí)別方法。該方法首先通過頻率切片小波變換(FSWT)對時(shí)頻重疊MQAM信號做時(shí)頻分析,得到時(shí)頻分析圖像;接著選取圖像中紋理差異明顯的切片部分進(jìn)行灰度化處理;然后計(jì)算處理后的時(shí)頻分析圖像的灰度-梯度共生矩陣;最后將特征向量輸入概率神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行分類,從而實(shí)現(xiàn)時(shí)頻重疊MQAM信號的調(diào)制識(shí)別。為驗(yàn)證所提方法的有效可行性,本文從不同的信噪比(SNR)和信號個(gè)數(shù)、不同頻譜重疊率以及不同功率比等方面進(jìn)行實(shí)驗(yàn)仿真,結(jié)果表明:當(dāng)SNR為4dB時(shí),所提方法的平均識(shí)別率可超過95%;所提方法對分量信號的功率比及頻譜重疊率均具有較強(qiáng)的穩(wěn)健性。此外,在所提方法與傳統(tǒng)方法的對比實(shí)驗(yàn)中,當(dāng)SNR大于0dB時(shí),所提方法的調(diào)制識(shí)別性能優(yōu)于傳統(tǒng)方法。2.認(rèn)知無線電Underlay模式下,本文還提出一種基于循環(huán)譜等高圖和卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型的時(shí)頻重疊MPSK/MQAM信號的調(diào)制識(shí)別方法。所提方法是通過對接收信號初步特征提取,然后用CNN模型進(jìn)行特征的深層提取作為特征量來實(shí)現(xiàn)信號的調(diào)制識(shí)別,具體過程為:首先,求接收信號的循環(huán)譜等高圖;接著對循環(huán)譜等高圖進(jìn)行預(yù)處理,作為初步特征數(shù)據(jù)輸入CNN模型;然后構(gòu)建和優(yōu)化CNN模型并完成訓(xùn)練;最后使用訓(xùn)練好的CNN模型進(jìn)行信號的調(diào)制識(shí)別。實(shí)驗(yàn)仿真結(jié)果表明:當(dāng)SNR為2dB時(shí),所提方法的平均識(shí)別率達(dá)90%;且在分量信號的功率比及頻譜重疊率等方面均具有較好的穩(wěn)健性;在對比實(shí)驗(yàn)中,雖然所提方法比第一種方法識(shí)別效果差,但當(dāng)SNR大于0dB時(shí),該方法的調(diào)制識(shí)別性能優(yōu)于傳統(tǒng)方法。
【圖文】：

12(b) 16QAM圖2.1 單信號的循環(huán)譜圖2.3 卷積神經(jīng)網(wǎng)絡(luò)多層感知器（MLP）是一種基本的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過改變神經(jīng)元連接方式和網(wǎng)絡(luò)訓(xùn)練方式等可以形成不同類型的網(wǎng)絡(luò)，如卷積神經(jīng)網(wǎng)絡(luò)。MLP 是由多個(gè)輸入和輸出節(jié)點(diǎn)以及兩層以上網(wǎng)絡(luò)構(gòu)成的神經(jīng)網(wǎng)絡(luò)，是一種前饋神經(jīng)網(wǎng)絡(luò)模型[37]，如圖 2.2 所示。圖 2.2 中，， 1,2,3, iX i 表示輸入樣本數(shù)據(jù)， 1 代表偏置項(xiàng)，MLP 神經(jīng)網(wǎng)絡(luò)含有輸入層、隱藏層（可為任意層）和輸出層

西安電子科技大學(xué)碩士學(xué)位論文24圖3.1 時(shí)頻重疊信號的 FSWT 時(shí)頻分析圖圖3.2 時(shí)頻重疊信號 FSWT 時(shí)頻分析圖的等高圖3.4.2 圖像的灰度化彩色圖像中每個(gè)像素點(diǎn)由紅(R)、綠(G)、藍(lán)(B)三個(gè)分量合成，但通常不直接使用彩色圖像進(jìn)行圖像處理，將彩色圖像處理為灰度圖像，即圖像的灰度化。在彩色圖像中，RGB 三個(gè)分量值得范圍是 0 到 255，可以理解為一個(gè)三維的空間直角坐標(biāo)系，該
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN911.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 孫文琦;吳建平;李賀武;;寬帶無線網(wǎng)絡(luò)中的頻譜資源管理綜述[J];軟件學(xué)報(bào);2015年04期

2 趙宇峰;曹玉健;紀(jì)勇;戴旭初;;基于循環(huán)頻率特征的單信道混合通信信號的調(diào)制識(shí)別[J];電子與信息學(xué)報(bào);2014年05期

3 徐聞;王斌;;采用高階累計(jì)量的時(shí)頻混疊信號調(diào)制識(shí)別研究[J];信息工程大學(xué)學(xué)報(bào);2013年03期

4 楊清躍;高飛;聶青;;紋理圖像識(shí)別中的旋轉(zhuǎn)不變性分析[J];計(jì)算機(jī)工程與應(yīng)用;2010年33期

5 付海濤;石榮;萬群;朱波;;基于HOCCs和SVM的單通道時(shí)頻重疊信號調(diào)制識(shí)別[J];電子信息對抗技術(shù);2009年06期

6 陸明泉;肖先賜;;基于GAR的同信道多信號的調(diào)制識(shí)別[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年10期

相關(guān)博士學(xué)位論文 前1條

1 丁春輝;基于深度學(xué)習(xí)的暴力檢測及人臉識(shí)別方法研究[D];中國科學(xué)技術(shù)大學(xué);2017年

相關(guān)碩士學(xué)位論文 前8條

1 張堯;激活函數(shù)導(dǎo)向的RNN算法優(yōu)化[D];浙江大學(xué);2017年

2 任仲杰;非合作MPSK信號解調(diào)方法研究[D];電子科技大學(xué);2016年

3 賀姣;基于色差模型的彩色圖像灰度化算法研究[D];西安電子科技大學(xué);2014年

4 李建偉;基于頻率切片小波變換的軌道交通輪軌振動(dòng)信號分析[D];南京理工大學(xué);2014年

5 黃德文;認(rèn)知無線電網(wǎng)絡(luò)的頻譜共享技術(shù)研究[D];南京郵電大學(xué);2013年

6 李晏;基帶PSK、QAM信號調(diào)制子類自動(dòng)識(shí)別研究[D];電子科技大學(xué);2008年

7 董慧;手寫體數(shù)字識(shí)別中的特征提取和特征選擇研究[D];北京郵電大學(xué);2007年

8 王之倉;多層感知器學(xué)習(xí)算法研究[D];蘇州大學(xué);2006年

本文編號：2690697