發(fā)布時間：2020-08-14 23:43

【摘要】：調(diào)制識別是通信系統(tǒng)中一個重要的研究領(lǐng)域,它處于信號檢測與信號解調(diào)之間,能夠確保通信安全可靠的關(guān)鍵技術(shù)之一。在不同領(lǐng)域中得到廣泛應(yīng)用,因此研究調(diào)制方式的自動識別具有重要意義。本文有針對性的研究了如何降低噪聲對特征參數(shù)的影響,設(shè)計更好的分類方法,從而提高整體識別的效果。本文主要研究內(nèi)容工作集中在以下幾個部分:首先,研究了一種基于SAE-SOFTMAX的高階統(tǒng)計特征提取技術(shù),包括該技術(shù)的特征提取方法及其步驟。融合了SAE與SOFTMAX,結(jié)合高階累積量實現(xiàn)調(diào)制方式特征的快速提取與識別。其次,針對現(xiàn)有調(diào)制識別方法對調(diào)制方式類型受限,且在低信噪比下識別率不高的問題。研究了一種基于深度學(xué)習(xí)的調(diào)制識別方法。該方法利用零均值高斯白噪聲的高階累積量理論值為0的性質(zhì),在信號分析過程中引入高階累積量,可使系統(tǒng)免受高斯白噪聲的干擾。同時,引入深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)完成微弱特征的表征,結(jié)合三種特征參數(shù),可有效解決低信噪比情況下識別率下降的問題。然后,針對工程實踐中先驗數(shù)據(jù)比較少,利用支持向量機具有更好的泛化能力,研究了一種基于支持向量機特征學(xué)習(xí)的調(diào)制識別算法。該方法利用高階累積量對各種數(shù)字調(diào)制信號進行運算,再將各高階累積量構(gòu)建為識別參數(shù)。通過引入支持向量機進行調(diào)制方式的識別,最終對七種調(diào)制方式實現(xiàn)了較好的識別。最后,實驗結(jié)果表明:基于深度學(xué)習(xí)的調(diào)制識別方法具有很好的識別效果,在高斯信道環(huán)境下的分類精度比現(xiàn)有方法要高,在低信噪比的不同信道環(huán)境下有較高的識別率,且使得模型的時間、相位和頻率偏移量方面具有更好的魯棒性�；谥С窒蛄繖C特征學(xué)習(xí)的調(diào)制識別方法具有更少的表征參數(shù),能夠很好的適用于小樣本測試環(huán)境,識別效果顯著。
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN92;TP18

【參考文獻】

相關(guān)期刊論文 前10條

1 付俊強;李蓉;趙成林;李斌;;基于貝葉斯序貫推理的自適應(yīng)調(diào)制識別算法[J];系統(tǒng)工程與電子技術(shù);2015年12期

2 李一兵;葛娟;林云;;基于熵特征和支持向量機的調(diào)制識別方法[J];系統(tǒng)工程與電子技術(shù);2012年08期

3 趙春暉;楊偉超;馬爽;;基于廣義二階循環(huán)統(tǒng)計量的通信信號調(diào)制識別研究[J];通信學(xué)報;2011年01期

4 潘毓;;基于調(diào)制技術(shù)的應(yīng)用[J];企業(yè)導(dǎo)報;2011年01期

5 胡國兵;劉渝;;基于信號抽取與最大似然準則的特定輻射源識別[J];數(shù)據(jù)采集與處理;2009年04期

6 陳筱倩;王宏遠;柯志武;;利用循環(huán)相關(guān)特征的自適應(yīng)模糊調(diào)制分類[J];應(yīng)用科學(xué)學(xué)報;2009年03期

7 王彬;葛臨東;徐立清;劉媛濤;;一種基于信道盲辨識和盲均衡的多徑信道調(diào)制方式識別算法[J];電子與信息學(xué)報;2008年08期

8 計麗霞;付曉剛;;LS-SVM在電梯交通流預(yù)測中的應(yīng)用[J];上海電機學(xué)院學(xué)報;2006年03期

9 王建新,宋輝;基于星座圖的數(shù)字調(diào)制方式識別[J];通信學(xué)報;2004年06期

10 孫建成,張?zhí)?劉楓;基于支持向量機的多類數(shù)字調(diào)制方式自動識別算法[J];西安交通大學(xué)學(xué)報;2004年06期

相關(guān)博士學(xué)位論文 前1條

1 孫永奎;基于支持向量機的模擬電路故障診斷方法研究[D];電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前5條

1 胡政東;基于特征提取的調(diào)制識別系統(tǒng)[D];西南科技大學(xué);2018年

2 張文啟;基于特征提取的通信信號識別研究[D];蘭州理工大學(xué);2016年

3 項紅亮;光子多普勒速度測量系統(tǒng)的數(shù)據(jù)處理方法[D];北京交通大學(xué);2012年

4 盧娜;調(diào)制模式識別和信號特征提取的研究[D];西安電子科技大學(xué);2008年

5 李翠萍;基于高階統(tǒng)計量的非高斯ARMA模型辨識方法的研究[D];國防科學(xué)技術(shù)大學(xué);2002年

本文編號：2793698