本文關(guān)鍵詞：數(shù)字信號(hào)參數(shù)估計(jì)與調(diào)制識(shí)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(hào)越來越多,導(dǎo)致通信環(huán)境越來越復(fù)雜,通信資源也日益匱乏,因此對(duì)未知通信信號(hào)重要特征參數(shù)的提取尤顯重要。數(shù)字通信信號(hào)的調(diào)制方式、碼元速率、載波頻率和帶寬作為確定信號(hào)的基本特征參數(shù),是對(duì)信號(hào)正確解調(diào)的前提,也是對(duì)信號(hào)干擾、破譯的基礎(chǔ)。這些特征參數(shù)提供了未知信號(hào)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(yīng)用。首先,對(duì)常用的數(shù)字調(diào)制信號(hào)的調(diào)制方式、碼元速率、載波頻率和帶寬等四類參數(shù)進(jìn)行了分析。并介紹了當(dāng)前主要的參數(shù)估計(jì)和調(diào)試方式識(shí)別算法,詳細(xì)討論了各種算法在不同適用的場(chǎng)合下的性能,因?yàn)樾枨蠡蛘邞?yīng)用場(chǎng)合的不同我們需要選擇不同的識(shí)別或者估計(jì)算法,同時(shí)分析了各類算法的發(fā)展趨勢(shì)。其次,提出了針對(duì)三種重要參數(shù)的估計(jì)算法,即基于小波變換的碼元速率估計(jì)算法、基于高階循環(huán)累積量的載波頻率估計(jì)算法以及基于平均周期圖法的帶寬估計(jì)算法。小波變換通過對(duì)母小波平移操作得到信號(hào)的時(shí)間信息又可以通過對(duì)小波尺度的縮放操作得到信號(hào)的頻域信息,稱得上是信號(hào)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(dāng)搜索步長(zhǎng)設(shè)置很小時(shí),載波估計(jì)能夠達(dá)到較高的精度；平均周期圖法通過將接收信號(hào)分段求周期圖后再平均的辦法在信號(hào)帶寬估計(jì)方面有很好的性能。針對(duì)以上各類算法,文中都進(jìn)行了詳細(xì)的理論分析和說明,同時(shí)給出了切實(shí)可行的算法流程,并進(jìn)行了大量的仿真和性能測(cè)試。最后,調(diào)制方式識(shí)別的目的即在全盲的前提下,判斷出接收信號(hào)的調(diào)制方式。本文從算法的擴(kuò)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(duì)不同實(shí)現(xiàn)需求的識(shí)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(jī)作為分類器。其具有完整的分類器體系且對(duì)于各種信號(hào)都有類似的特征提取方法,可擴(kuò)展性能良好且利于擴(kuò)大識(shí)別范圍。但其耗時(shí)較長(zhǎng)且算法復(fù)雜度較高。后者針對(duì)待識(shí)別信號(hào)各自的頻譜、平方譜和高次方譜等特征進(jìn)行分析,從其波形特征提取識(shí)別特征值,再采用樹形分類結(jié)構(gòu),以大量測(cè)試確定最優(yōu)門限值進(jìn)行識(shí)別。該算法復(fù)雜度相對(duì)較小,識(shí)別實(shí)時(shí)性較好,但其可擴(kuò)展性不好。
【關(guān)鍵詞】：數(shù)字調(diào)制 特征參數(shù)估計(jì) 支持向量機(jī) 高階累積量 譜特征
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.3
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 符號(hào)對(duì)照表11-12
• 縮略語(yǔ)對(duì)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?jī)?nèi)容及章節(jié)安排18-20
• 第二章 數(shù)字信號(hào)重要參數(shù)的估計(jì)20-34
• 2.1 數(shù)字信號(hào)碼元速率估計(jì)20-25
• 2.1.1 碼元速率估計(jì)研究思路20-21
• 2.1.2 數(shù)字調(diào)制信號(hào)的一般模型21
• 2.1.3 碼元速率估計(jì)算法分析21-23
• 2.1.4 碼元速率估計(jì)算法實(shí)現(xiàn)23-24
• 2.1.5 碼元速率估計(jì)仿真分析24-25
• 2.2 數(shù)字信號(hào)載波頻率估計(jì)25-28
• 2.2.1 載波頻率估計(jì)研究思路25
• 2.2.2 載波頻率估計(jì)算法分析25-27
• 2.2.3 載波頻率估計(jì)算法實(shí)現(xiàn)27
• 2.2.4 載波頻率估計(jì)仿真分析27-28
• 2.3 數(shù)字信號(hào)帶寬估計(jì)28-34
• 2.3.1 帶寬估計(jì)研究思路28-30
• 2.3.2 帶寬估計(jì)算法分析30-31
• 2.3.3 帶寬估計(jì)算法實(shí)現(xiàn)31
• 2.3.4 帶寬估計(jì)仿真分析31-34
• 第三章 基于高階累積量及支持向量機(jī)的識(shí)別算法34-58
• 3.1 調(diào)制方式識(shí)別理論基礎(chǔ)34-39
• 3.1.1 調(diào)制方式識(shí)別概述34-35
• 3.1.2 調(diào)制方式識(shí)別方法分類35-37
• 3.1.3 研究思路37-39
• 3.2 調(diào)制信號(hào)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(hào)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(hào)高階累積量仿真44-45
• 3.3 信噪比估計(jì)45-48
• 3.3.1 算法實(shí)現(xiàn)45-46
• 3.3.2 信噪比估計(jì)仿真分析46-48
• 3.4 支持向量機(jī)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(shí)別仿真54-58
• 第四章 基于頻域特征的識(shí)別算法58-68
• 4.1 常用數(shù)字信號(hào)頻域特征58-59
• 4.1.1 信號(hào)功率譜58
• 4.1.2 信號(hào)平方譜58
• 4.1.3 信號(hào)四次方譜58-59
• 4.2 數(shù)字信號(hào)頻域特征分析59-63
• 4.2.1 2FSK信號(hào)59
• 4.2.2 2ASK信號(hào)59-60
• 4.2.3 16QAM信號(hào)60
• 4.2.4 BPSK信號(hào)60-61
• 4.2.5 MSK信號(hào)61-62
• 4.2.6 QPSK信號(hào)62-63
• 4.3 調(diào)制方式識(shí)別流程63-64
• 4.4 調(diào)制方式識(shí)別仿真64-68
• 第五章 結(jié)論68-70
• 參考文獻(xiàn)70-72
• 致謝72-74
• 作者簡(jiǎn)介74
• 1. 基本情況74
• 2. 教育背景74
• 3. 攻讀碩士學(xué)位期間的研究成果74

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 唐發(fā)明,王仲東,陳綿云;支持向量機(jī)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(hào)參數(shù)估計(jì)與調(diào)制識(shí)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(hào)：495309