面向MQAM信號圖域調(diào)制識別方法研究與實現(xiàn)
發(fā)布時間：2020-12-17 05:41
自動調(diào)制分類（Automatic Modulation Classification,AMC）可以自動識別待檢測信號的調(diào)制類型,信號的調(diào)制類型是通信信號的重要信息,因此調(diào)制識別是通信信號處理領(lǐng)域內(nèi)的重要一環(huán)。在如電子戰(zhàn)、認(rèn)知無線電、頻譜監(jiān)測、機(jī)載車載通信等實際應(yīng)用中,AMC分類器是擔(dān)任重要任務(wù)的智能接收器,這些應(yīng)用普遍追求更高的頻譜效率和容錯率,而M-QAM調(diào)制方式的通信信號正好滿足了這一需求。但是,對M-QAM調(diào)制方式的通信信號的使用也面臨著技術(shù)挑戰(zhàn)。主要體現(xiàn)在MQAM信號的循環(huán)譜特征相似,且隨著階數(shù)的增加,高階MQAM信號累積量間的差異變小,其特征變得非常難以區(qū)分。這使得信號接收機(jī)識別MQAM調(diào)制階數(shù)使用常規(guī)手段實現(xiàn)類內(nèi)AMC成為一個具有挑戰(zhàn)性的難題。本文根據(jù)近幾年來提出的圖域數(shù)字信號處理（Digital Signals Processing on Graphs,DSPG）理論,展開對MQAM調(diào)制類型通信信號類內(nèi)識別及其算法實現(xiàn)的研究,制定了新算法從仿真驗證到算法實現(xiàn)的技術(shù)路線。主要研究內(nèi)容和技術(shù)路線分為三部分。1.根據(jù)DSPG理論,結(jié)合...
【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：77 頁
【學(xué)位級別】：碩士
【部分圖文】：
認(rèn)知無線電的結(jié)構(gòu)示意圖
電子科技大學(xué)碩士學(xué)位論文2圖1.1認(rèn)知無線電的結(jié)構(gòu)示意圖頻譜監(jiān)測是無線電監(jiān)測系統(tǒng)的重要組成部分。如圖1.2是無線電監(jiān)測原理示意圖。圖1.2頻譜監(jiān)測結(jié)構(gòu)示意圖
電子科技大學(xué)碩士學(xué)位論文6圖1.3通信系統(tǒng)的調(diào)制識別1）MQAM通信信號調(diào)制識別國內(nèi)外現(xiàn)狀2009年，F(xiàn).Hameed和OADobre使用混合似然比法在計算接收信號的概率密度函數(shù)時，把信號星座點進(jìn)行平均化處理[31]，雖然這種方法不需要先驗信息，但是由于高階MQAM信號有數(shù)量更多的星座點，因此這種方法會帶來難以忍受的計算量。2016年，AbdelmutalabA等人提取了信號的基帶數(shù)據(jù)[32]，并計算了高階累積量（HOS）作為識別區(qū)分依據(jù)，設(shè)計了一種基于高階累積量的層次多項式識別分類器。2017年，MihandoostS等人對信號進(jìn)行離散小波變換（DWT）之后[33]，提取相應(yīng)的小波分解系數(shù)，利用支持向量機(jī)（SVM）實現(xiàn)了部分MQAM信號的識別分眩ShiQinghua，KarasawaY利用非相干極大似然（ML）方法[34]對正交調(diào)幅信號進(jìn)行分類，該方法對頻率失配和相移具有很強(qiáng)的魯棒性。為了降低最優(yōu)非相干最大似然分類的復(fù)雜性，提出了兩個在各種條件下都表現(xiàn)良好的次優(yōu)選擇。從高信噪比近似得出結(jié)論，這個次優(yōu)方案可以提供接近最優(yōu)的性能。2017年，LiuXiaoyu等人把深度學(xué)習(xí)[35]來完成無線信號調(diào)制識別任務(wù)的價值，引入了一個卷積無線電調(diào)制識別網(wǎng)絡(luò)框架，使用GNUradio生成一個數(shù)據(jù)集，該數(shù)據(jù)集模擬了真實無線信道中的缺陷，并對包括MQAM信號在內(nèi)的10種不同的調(diào)制類型進(jìn)行識別。此外，還開發(fā)了卷積神經(jīng)網(wǎng)絡(luò)（CNN）體系結(jié)構(gòu)，并證明其性能優(yōu)于基于已有的方法。在遵循卷積無線電調(diào)制識別網(wǎng)絡(luò)的框架情況下，發(fā)現(xiàn)了深層的神經(jīng)網(wǎng)絡(luò)架構(gòu)，提供比利用此網(wǎng)絡(luò)框架的已有技術(shù)狀態(tài)更高的精度。在高信噪比的情況下，把識別調(diào)制類型的正確率從75%提高到83.8%。最后，該文獻(xiàn)根據(jù)最近引入的殘余網(wǎng)絡(luò)（ResNet）和密集連接網(wǎng)絡(luò)（DenseNet）的思想開發(fā)架構(gòu)，以實現(xiàn)高信噪
本文編號：2921502
【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：77 頁
【學(xué)位級別】：碩士
【部分圖文】：
認(rèn)知無線電的結(jié)構(gòu)示意圖
電子科技大學(xué)碩士學(xué)位論文2圖1.1認(rèn)知無線電的結(jié)構(gòu)示意圖頻譜監(jiān)測是無線電監(jiān)測系統(tǒng)的重要組成部分。如圖1.2是無線電監(jiān)測原理示意圖。圖1.2頻譜監(jiān)測結(jié)構(gòu)示意圖
電子科技大學(xué)碩士學(xué)位論文6圖1.3通信系統(tǒng)的調(diào)制識別1）MQAM通信信號調(diào)制識別國內(nèi)外現(xiàn)狀2009年，F(xiàn).Hameed和OADobre使用混合似然比法在計算接收信號的概率密度函數(shù)時，把信號星座點進(jìn)行平均化處理[31]，雖然這種方法不需要先驗信息，但是由于高階MQAM信號有數(shù)量更多的星座點，因此這種方法會帶來難以忍受的計算量。2016年，AbdelmutalabA等人提取了信號的基帶數(shù)據(jù)[32]，并計算了高階累積量（HOS）作為識別區(qū)分依據(jù)，設(shè)計了一種基于高階累積量的層次多項式識別分類器。2017年，MihandoostS等人對信號進(jìn)行離散小波變換（DWT）之后[33]，提取相應(yīng)的小波分解系數(shù)，利用支持向量機(jī)（SVM）實現(xiàn)了部分MQAM信號的識別分眩ShiQinghua，KarasawaY利用非相干極大似然（ML）方法[34]對正交調(diào)幅信號進(jìn)行分類，該方法對頻率失配和相移具有很強(qiáng)的魯棒性。為了降低最優(yōu)非相干最大似然分類的復(fù)雜性，提出了兩個在各種條件下都表現(xiàn)良好的次優(yōu)選擇。從高信噪比近似得出結(jié)論，這個次優(yōu)方案可以提供接近最優(yōu)的性能。2017年，LiuXiaoyu等人把深度學(xué)習(xí)[35]來完成無線信號調(diào)制識別任務(wù)的價值，引入了一個卷積無線電調(diào)制識別網(wǎng)絡(luò)框架，使用GNUradio生成一個數(shù)據(jù)集，該數(shù)據(jù)集模擬了真實無線信道中的缺陷，并對包括MQAM信號在內(nèi)的10種不同的調(diào)制類型進(jìn)行識別。此外，還開發(fā)了卷積神經(jīng)網(wǎng)絡(luò)（CNN）體系結(jié)構(gòu)，并證明其性能優(yōu)于基于已有的方法。在遵循卷積無線電調(diào)制識別網(wǎng)絡(luò)的框架情況下，發(fā)現(xiàn)了深層的神經(jīng)網(wǎng)絡(luò)架構(gòu)，提供比利用此網(wǎng)絡(luò)框架的已有技術(shù)狀態(tài)更高的精度。在高信噪比的情況下，把識別調(diào)制類型的正確率從75%提高到83.8%。最后，該文獻(xiàn)根據(jù)最近引入的殘余網(wǎng)絡(luò)（ResNet）和密集連接網(wǎng)絡(luò)（DenseNet）的思想開發(fā)架構(gòu)，以實現(xiàn)高信噪
本文編號：2921502
本文鏈接：http://sikaile.net/kejilunwen/xinxigongchenglunwen/2921502.html
最近更新
教材專著
