【摘要】：隨著“中國(guó)制造2025”戰(zhàn)略的推進(jìn),通信技術(shù)得到了長(zhǎng)足發(fā)展。新環(huán)境、新需求和新目標(biāo)對(duì)信號(hào)檢測(cè)技術(shù)帶來(lái)了重大挑戰(zhàn),對(duì)各種無(wú)線(xiàn)環(huán)境的監(jiān)測(cè),尤其是非合作模式下微弱信號(hào)的監(jiān)測(cè),具有非常重要的意義。然而,現(xiàn)有的信號(hào)檢測(cè)理論只能對(duì)特定環(huán)境下的信號(hào)進(jìn)行有效識(shí)別和監(jiān)測(cè),對(duì)非合作模式下的微弱信號(hào)進(jìn)行快速檢測(cè)和深度認(rèn)知的能力不足,這嚴(yán)重制約了無(wú)線(xiàn)通信管理和檢測(cè)技術(shù)的發(fā)展和應(yīng)用。因此,研究非合作模式下微弱信號(hào)的監(jiān)測(cè)和識(shí)別技術(shù)具有重大的理論和工程意義。該問(wèn)題首先需要對(duì)微弱信號(hào)進(jìn)行預(yù)處理,從而降低微弱信號(hào)受到的干擾,然后分別對(duì)各種應(yīng)用場(chǎng)景進(jìn)行研究:針對(duì)單個(gè)種類(lèi)微弱信號(hào)識(shí)別問(wèn)題,如果數(shù)據(jù)量較少,那么需要研究小數(shù)據(jù)樣本下微弱信號(hào)識(shí)別問(wèn)題;如果數(shù)據(jù)量較大,那么需要研究大數(shù)據(jù)樣本下微弱信號(hào)識(shí)別問(wèn)題;另一方面,如果識(shí)別微弱混合信號(hào),則需要研究微弱混合信號(hào)分離和識(shí)別問(wèn)題。針對(duì)上述問(wèn)題,本文創(chuàng)新性地提出了各種解決方法和策略,其主要的貢獻(xiàn)和創(chuàng)新點(diǎn)如下:1.非合作模式下微弱信號(hào)的預(yù)處理技術(shù)。收發(fā)信機(jī)之間的頻率偏移會(huì)嚴(yán)重影響識(shí)別精度,而且頻率偏移在實(shí)際通信系統(tǒng)中是無(wú)法完全消除的。然而,傳統(tǒng)的頻率偏移估計(jì)算法在非合作模式下的估計(jì)效果較差,無(wú)法有效地消除頻率偏移。針對(duì)該問(wèn)題,我們提出了一種基于聚類(lèi)的頻率偏移糾正算法,和傳統(tǒng)的頻率偏移糾正方法相比,本文提出的方法具有更高的精度,能夠有效地消除頻率偏移。另外,本文提出了基于譜聚類(lèi)算法的調(diào)制方式粗估計(jì)技術(shù)。譜聚類(lèi)算法是一種廣泛使用的聚類(lèi)算法,但是傳統(tǒng)的譜聚類(lèi)算法對(duì)信噪比較低的信號(hào)聚類(lèi)效果較差,本文發(fā)現(xiàn)該缺陷出現(xiàn)的原因在于其距離矩陣構(gòu)建方式存在缺陷。針對(duì)傳統(tǒng)譜聚類(lèi)算法的缺陷,本文提出了一種改進(jìn)的譜聚類(lèi)算法,經(jīng)過(guò)實(shí)際通信系統(tǒng)的驗(yàn)證,該方法能夠有效地識(shí)別星座圖中的調(diào)制方式。然后根據(jù)識(shí)別后可能的結(jié)果構(gòu)造調(diào)制方式候選集,方便微弱信號(hào)的精細(xì)識(shí)別。2.小數(shù)據(jù)樣本下微弱信號(hào)精細(xì)識(shí)別技術(shù)�，F(xiàn)有的非合作模式下微弱信號(hào)的識(shí)別方法通常分為兩種:基于最大似然的方法和基于特征的方法。針對(duì)現(xiàn)有識(shí)別方法的不足,本文提出了一種基于字典學(xué)習(xí)的調(diào)制方式識(shí)別框架。而且基于該框架,提出了一種名為FBCDDL的新型字典學(xué)習(xí)算法,該算法有效地解決了現(xiàn)有方法的缺陷:(1).現(xiàn)有方法對(duì)干擾的魯棒性較差,而FBCDDL對(duì)干擾的魯棒性較強(qiáng);(2).現(xiàn)有方法的復(fù)雜度較高,而FBCDDL復(fù)雜度較低;(3).現(xiàn)有方法無(wú)法保證收斂性,而本文證明FBCDDL能夠保證收斂到全局最優(yōu)解。仿真結(jié)果驗(yàn)證了本文提出的方法對(duì)噪聲、相位偏移以及頻率偏移等干擾有較強(qiáng)的魯棒性,而且具有更低的復(fù)雜度和更快的收斂速度。3.大數(shù)據(jù)樣本下的微弱信號(hào)精細(xì)識(shí)別技術(shù)。隨著業(yè)務(wù)量的上升,通信系統(tǒng)越來(lái)越需要對(duì)大數(shù)據(jù)樣本條件下的微弱信號(hào)進(jìn)行處理。本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的微弱信號(hào)識(shí)別框架。該方法首先計(jì)算微弱信號(hào)的循環(huán)譜圖,然后利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)信號(hào)的循環(huán)譜圖進(jìn)行分類(lèi)和識(shí)別。針對(duì)微弱信號(hào)的特點(diǎn),本文在卷積神經(jīng)網(wǎng)絡(luò)的代價(jià)函數(shù)中加入了新的懲罰項(xiàng)。該方法的能夠解決現(xiàn)有方法的缺陷:(1).現(xiàn)有方法需要人工提取特征并進(jìn)行識(shí)別,而該方法可以自動(dòng)地提取特征;(2).現(xiàn)有方法的準(zhǔn)確度較低,而本文提出的方法具有較高的正確率。仿真表明,在數(shù)據(jù)樣本量較大的情況下,本文提出的方法具有更高的識(shí)別精度。4.非合作模式下微弱混合信號(hào)分離和識(shí)別方法研究。日益緊張的頻譜資源導(dǎo)致一些頻段由不同通信系統(tǒng)共用,這使得不同的信號(hào)相互混合的情況越來(lái)越普遍。本文提出了一種新型的微弱混合信號(hào)分離和識(shí)別方法,該方法解決了現(xiàn)有非合作模式下微弱混合信號(hào)的分離和識(shí)別方法的缺陷:(1).現(xiàn)有方法應(yīng)用場(chǎng)景受限,而本文提出的方法應(yīng)用場(chǎng)景更廣;(2).現(xiàn)有信號(hào)識(shí)別方法分類(lèi)精度較低,而本文提出的方法具有更高的分類(lèi)精度。
【圖文】：

都依靠非合作模式下微弱信號(hào)識(shí)別的理論和技術(shù)。逡逑根據(jù)文獻(xiàn)［２１－２３］，微弱信號(hào)指信噪比很低，淹沒(méi)在噪聲中的信號(hào)。非合作模式逡逑下微弱信號(hào)的識(shí)別系統(tǒng)如圖１－１所示，可見(jiàn)，非合作模式下微弱信號(hào)的識(shí)別通常分兩逡逑步：預(yù)處理階段和識(shí)別階段。預(yù)處理階段的主要工作是估計(jì)和消除各種千擾，如噪逡逑聲和頻率偏移等。在非合作模式下，各種干擾對(duì)識(shí)別結(jié)果造成嚴(yán)重影響，尤其是頻逡逑率偏移對(duì)信號(hào)識(shí)別正確率影響非常明顯，這是因?yàn)轭l率偏移會(huì)導(dǎo)致星座圖的旋轉(zhuǎn)，逡逑使星座圖嚴(yán)重失真。逡逑ｒ邐，邋干擾邋「邐，逡逑｜邐邋邐！邋Ｌ－ｔ－Ｊ＾邐＼邐逡逑｜輸入符號(hào)一＊調(diào)制器￣￣１１邐｜邐？解調(diào)器＋輸出符號(hào)逡逑｜邐丨信道丨卜類(lèi)器‘邐｜逡逑＿邋＆ＪＬ＆邋＿邐邐ｉ邐Ｌ邋＿邐＿邋接ｆ邋器逡逑圖１－１：非合作模式下微弱信號(hào)識(shí)別系統(tǒng)結(jié)構(gòu)示意圖逡逑預(yù)處理完成之后是非合作模式下微弱信號(hào)識(shí)別非常關(guān)鍵的步驟，即選擇合適的逡逑信號(hào)識(shí)別分類(lèi)方法，現(xiàn)有分類(lèi)方法主要可以分為兩類(lèi)：１．基于最大似然（Ｌｉｋｅｌｉｈｏｏｄ逡逑Ｂａｓｅｄ

第一章緒論逡逑現(xiàn)盲檢測(cè)。然而，基于能量的檢測(cè)法對(duì)于微弱信號(hào)的檢測(cè)和識(shí)別性能較差，各種噪逡逑聲對(duì)能量檢測(cè)法的干擾是顯而易見(jiàn)的。另一種思路是基于相關(guān)性的檢測(cè)，通過(guò)挖掘逡逑信號(hào)的相關(guān)特性，，實(shí)現(xiàn)對(duì)信號(hào)的檢測(cè)和識(shí)別。因?yàn)榛谙嚓P(guān)性的檢測(cè)方法對(duì)于信號(hào)逡逑的能量并沒(méi)有明確要求，所以該方法能夠用來(lái)檢測(cè)和識(shí)別微弱信號(hào)。然而傳統(tǒng)的基逡逑于相關(guān)性的方法，如高階累積量和循環(huán)譜等方法都有其局限性，如復(fù)雜度較高、易逡逑受干擾影響等，因此我們采用字典學(xué)習(xí)算法識(shí)別非合作模式下小數(shù)據(jù)樣本的微弱信逡逑號(hào)。我們首先構(gòu)建本地的字典集，然后根據(jù)接收信號(hào)和本地字典集的相關(guān)性來(lái)識(shí)別逡逑非合作模式下小數(shù)據(jù)樣本量的微弱信號(hào)。逡逑
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TN911.23

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 丁良輝;李天賜;楊峰;錢(qián)良;支t$;;基于編碼輔助和過(guò)采樣的成對(duì)載波多址信號(hào)盲分離算法[J];上海交通大學(xué)學(xué)報(bào);2015年10期

2 黃群慧;賀俊;;中國(guó)制造業(yè)的核心能力、功能定位與發(fā)展戰(zhàn)略——兼評(píng)《中國(guó)制造2025》[J];中國(guó)工業(yè)經(jīng)濟(jì);2015年06期

3 李兵兵;馬洪帥;劉明騫;;Alpha穩(wěn)定分布噪聲下時(shí)頻重疊信號(hào)的載波頻率估計(jì)方法[J];電子與信息學(xué)報(bào);2014年04期

4 郭黎利;李曠代;石榮;吳丹;;單信道時(shí)頻重疊雙信號(hào)的碼速率估計(jì)方法[J];電子信息對(duì)抗技術(shù);2009年01期

5 周琳,楊紹全;時(shí)-頻分析算法在通信信號(hào)調(diào)制識(shí)別中的應(yīng)用[J];航天電子對(duì)抗;2002年05期

本文編號(hào)：2631405