發(fā)布時間：2017-06-28 21:18

  本文關(guān)鍵詞：數(shù)字信號參數(shù)估計與調(diào)制識別關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著現(xiàn)代通信技術(shù)的發(fā)展,使得有限頻率范圍內(nèi)的信號越來越多,導致通信環(huán)境越來越復雜,通信資源也日益匱乏,因此對未知通信信號重要特征參數(shù)的提取尤顯重要。數(shù)字通信信號的調(diào)制方式、碼元速率、載波頻率和帶寬作為確定信號的基本特征參數(shù),是對信號正確解調(diào)的前提,也是對信號干擾、破譯的基礎(chǔ)。這些特征參數(shù)提供了未知信號的結(jié)構(gòu)特性等有用信息,在軍事和民用領(lǐng)域皆具有重要應用。首先,對常用的數(shù)字調(diào)制信號的調(diào)制方式、碼元速率、載波頻率和帶寬等四類參數(shù)進行了分析。并介紹了當前主要的參數(shù)估計和調(diào)試方式識別算法,詳細討論了各種算法在不同適用的場合下的性能,因為需求或者應用場合的不同我們需要選擇不同的識別或者估計算法,同時分析了各類算法的發(fā)展趨勢。其次,提出了針對三種重要參數(shù)的估計算法,即基于小波變換的碼元速率估計算法、基于高階循環(huán)累積量的載波頻率估計算法以及基于平均周期圖法的帶寬估計算法。小波變換通過對母小波平移操作得到信號的時間信息又可以通過對小波尺度的縮放操作得到信號的頻域信息,稱得上是信號分析的顯微鏡；循環(huán)累積量算法具有很好地抗高斯噪聲性能,當搜索步長設(shè)置很小時,載波估計能夠達到較高的精度；平均周期圖法通過將接收信號分段求周期圖后再平均的辦法在信號帶寬估計方面有很好的性能。針對以上各類算法,文中都進行了詳細的理論分析和說明,同時給出了切實可行的算法流程,并進行了大量的仿真和性能測試。最后,調(diào)制方式識別的目的即在全盲的前提下,判斷出接收信號的調(diào)制方式。本文從算法的擴展性和快速性兩方面考慮,以不同側(cè)重面,研究了兩種針對不同實現(xiàn)需求的識別算法。前者以高階累積量作為特征參數(shù),以統(tǒng)一的方式提取特征,選擇支持向量機作為分類器。其具有完整的分類器體系且對于各種信號都有類似的特征提取方法,可擴展性能良好且利于擴大識別范圍。但其耗時較長且算法復雜度較高。后者針對待識別信號各自的頻譜、平方譜和高次方譜等特征進行分析,從其波形特征提取識別特征值,再采用樹形分類結(jié)構(gòu),以大量測試確定最優(yōu)門限值進行識別。該算法復雜度相對較小,識別實時性較好,但其可擴展性不好。
【關(guān)鍵詞】：數(shù)字調(diào)制 特征參數(shù)估計 支持向量機 高階累積量 譜特征
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN911.3
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 符號對照表11-12
• 縮略語對照表12-16
• 第一章 緒論16-20
• 1.1 研究背景及意義16-17
• 1.2 研究現(xiàn)狀17-18
• 1.3 論文的主要研究內(nèi)容及章節(jié)安排18-20
• 第二章 數(shù)字信號重要參數(shù)的估計20-34
• 2.1 數(shù)字信號碼元速率估計20-25
• 2.1.1 碼元速率估計研究思路20-21
• 2.1.2 數(shù)字調(diào)制信號的一般模型21
• 2.1.3 碼元速率估計算法分析21-23
• 2.1.4 碼元速率估計算法實現(xiàn)23-24
• 2.1.5 碼元速率估計仿真分析24-25
• 2.2 數(shù)字信號載波頻率估計25-28
• 2.2.1 載波頻率估計研究思路25
• 2.2.2 載波頻率估計算法分析25-27
• 2.2.3 載波頻率估計算法實現(xiàn)27
• 2.2.4 載波頻率估計仿真分析27-28
• 2.3 數(shù)字信號帶寬估計28-34
• 2.3.1 帶寬估計研究思路28-30
• 2.3.2 帶寬估計算法分析30-31
• 2.3.3 帶寬估計算法實現(xiàn)31
• 2.3.4 帶寬估計仿真分析31-34
• 第三章 基于高階累積量及支持向量機的識別算法34-58
• 3.1 調(diào)制方式識別理論基礎(chǔ)34-39
• 3.1.1 調(diào)制方式識別概述34-35
• 3.1.2 調(diào)制方式識別方法分類35-37
• 3.1.3 研究思路37-39
• 3.2 調(diào)制信號高階累積量分析39-45
• 3.2.1 高階累積量理論基礎(chǔ)39-42
• 3.2.2 調(diào)制信號高階累積量理論值分析42-43
• 3.2.3 相位旋轉(zhuǎn)影響的消除43
• 3.2.4 高階累積量的歸一化43-44
• 3.2.5 各信號高階累積量仿真44-45
• 3.3 信噪比估計45-48
• 3.3.1 算法實現(xiàn)45-46
• 3.3.2 信噪比估計仿真分析46-48
• 3.4 支持向量機相關(guān)理論48-54
• 3.4.1 線性分類器49-52
• 3.4.2 核函數(shù)52-53
• 3.4.3 SVM的多類別分類53-54
• 3.5 調(diào)制方式識別仿真54-58
• 第四章 基于頻域特征的識別算法58-68
• 4.1 常用數(shù)字信號頻域特征58-59
• 4.1.1 信號功率譜58
• 4.1.2 信號平方譜58
• 4.1.3 信號四次方譜58-59
• 4.2 數(shù)字信號頻域特征分析59-63
• 4.2.1 2FSK信號59
• 4.2.2 2ASK信號59-60
• 4.2.3 16QAM信號60
• 4.2.4 BPSK信號60-61
• 4.2.5 MSK信號61-62
• 4.2.6 QPSK信號62-63
• 4.3 調(diào)制方式識別流程63-64
• 4.4 調(diào)制方式識別仿真64-68
• 第五章 結(jié)論68-70
• 參考文獻70-72
• 致謝72-74
• 作者簡介74
• 1. 基本情況74
• 2. 教育背景74
• 3. 攻讀碩士學位期間的研究成果74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 唐發(fā)明,王仲東,陳綿云;支持向量機多類分類算法研究[J];控制與決策;2005年07期

  本文關(guān)鍵詞：數(shù)字信號參數(shù)估計與調(diào)制識別關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：495309