調(diào)制識(shí)別技術(shù)是指在非合作通信系統(tǒng)中,接收端在信號(hào)調(diào)制信息未知的情況下,判定接收信號(hào)調(diào)制樣式的技術(shù)。隨著人工智能技術(shù)的發(fā)展,將機(jī)器學(xué)習(xí)算法應(yīng)用到調(diào)制識(shí)別領(lǐng)域已經(jīng)成為了主流趨勢(shì)。機(jī)器學(xué)習(xí)算法和傳統(tǒng)調(diào)制識(shí)別算法相比,最大的優(yōu)勢(shì)在于出色的特征提取能力和分類(lèi)能力。因此,本文對(duì)基于機(jī)器學(xué)習(xí)的數(shù)字信號(hào)調(diào)制識(shí)別技術(shù)進(jìn)行了深入研究,主要成果如下:1.提出一種以多維度特征為輸入的進(jìn)化神經(jīng)網(wǎng)絡(luò)（Evolutional Neural Network,ENN）。該方法以信號(hào)的多種維度上的特征作為輸入,基于遺傳算法自動(dòng)優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)和優(yōu)化超參數(shù),進(jìn)化出調(diào)制識(shí)別性能最優(yōu)的神經(jīng)網(wǎng)絡(luò)。結(jié)果顯示,在各個(gè)信噪比下,本文提出的方法調(diào)制識(shí)別準(zhǔn)確率與傳統(tǒng)方法比均有提升。2.從樣本增強(qiáng)的角度出發(fā),提出基于快速梯度攻擊算法（Fast Gradient Sign Method,FGSM）的信號(hào)對(duì)抗樣本的樣本增強(qiáng)方法。該方法能夠?qū)崿F(xiàn)樣本集的擴(kuò)充和增強(qiáng),訓(xùn)練更具魯棒性和遷移性的卷積神經(jīng)網(wǎng)絡(luò)。結(jié)果顯示,使用本文方法生成的對(duì)抗樣本進(jìn)行網(wǎng)絡(luò)微調(diào),能夠有效緩解過(guò)擬合問(wèn)題,提高低信噪比下調(diào)制識(shí)別準(zhǔn)確率。3.從信號(hào)預(yù)處理的角度出發(fā),提出連接型卷積降噪自... 

【文章來(lái)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(yè)數(shù)】：101 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于最大似然

ü蘭屏誦藕?幅度，并將估計(jì)參數(shù)用于HLRT的識(shí)別算法中，完成了BPSK和QPSK信號(hào)的分類(lèi)[14]�；谧畲笏迫槐鹊恼{(diào)制識(shí)別方法的缺點(diǎn)是計(jì)算復(fù)雜度較大，需要大量先驗(yàn)信息以及進(jìn)行復(fù)雜的似然函數(shù)計(jì)算和推導(dǎo)；另外該方法的適應(yīng)性較差，且對(duì)參數(shù)估計(jì)的需求較高，一旦脫離了特定的通信場(chǎng)景框架，會(huì)導(dǎo)致調(diào)制識(shí)別準(zhǔn)確率不夠理想。1.2.2基于信號(hào)特征的模式識(shí)別方法基于信號(hào)特征的模式識(shí)別方法先通過(guò)人工設(shè)計(jì)的專(zhuān)家特征，提取信號(hào)在時(shí)域、頻域或其他不同變換域上的特征參數(shù)，再通過(guò)模式識(shí)別領(lǐng)域的各種分類(lèi)器對(duì)信號(hào)進(jìn)行調(diào)制識(shí)別，如圖1-2所示。信號(hào)的特征提取一般從5個(gè)角度進(jìn)行：信號(hào)的瞬時(shí)統(tǒng)計(jì)特征、高階累積量特征、星座圖特征、變換域特征和循環(huán)平穩(wěn)特征。待識(shí)別信號(hào)特征提取分類(lèi)器設(shè)計(jì)識(shí)別結(jié)果圖1-2基于信號(hào)特征的模式識(shí)別方法基于信號(hào)瞬時(shí)特征的方法，在信號(hào)的瞬時(shí)頻率、瞬時(shí)幅度和瞬時(shí)相位上進(jìn)行特征提齲1998年，Nandi等人提出了基于9種信號(hào)瞬時(shí)特征的參數(shù)提取方法，并通過(guò)決策樹(shù)作為分類(lèi)器，識(shí)別了13種通信信號(hào)[15]。以這些特征參數(shù)為基礎(chǔ)，研究人員不斷創(chuàng)新特征參量，同時(shí)對(duì)信號(hào)預(yù)處理方面進(jìn)行了研究。Park等人提出了帶寬占用比特征參數(shù)，實(shí)現(xiàn)了性能更佳的信號(hào)調(diào)制識(shí)別[16]�；谛盘�(hào)瞬時(shí)統(tǒng)計(jì)特征的調(diào)制識(shí)別方法的計(jì)算復(fù)雜度低，但是存在的問(wèn)題在于該方法受信道、多徑衰落等影響較大，在低信噪比下特征參數(shù)區(qū)分度低，導(dǎo)致低信噪比下識(shí)別性能不夠理想。高階累積量特征具有很好的抗噪聲性能，這是因?yàn)楦咚拱自肼暤母唠A累積量為零。1986年，Hipp等人首次提出了使用信號(hào)的高階累積量作為特征的調(diào)制識(shí)別方法，從此關(guān)于高階累積量特征參數(shù)的研究得到了更多發(fā)展，并廣泛應(yīng)用于信號(hào)的調(diào)制識(shí)別算法中。Swami等人基于四階累積量對(duì)MPSK和MQAM信號(hào)進(jìn)行

基于深度學(xué)習(xí)

【參考文獻(xiàn)】：
期刊論文
[1]通信信號(hào)調(diào)制識(shí)別技術(shù)及其發(fā)展[J]. 何繼愛(ài),張文啟.  高技術(shù)通訊. 2016(02)
[2]通信信號(hào)調(diào)制方式識(shí)別方法綜述[J]. 曾創(chuàng)展,賈鑫,朱衛(wèi)綱.  通信技術(shù). 2015(03)
[3]基于小波系數(shù)稀疏性的數(shù)字調(diào)制樣式識(shí)別[J]. 趙知?jiǎng)?胡俊偉.  杭州電子科技大學(xué)學(xué)報(bào). 2014(02)
[4]一種改進(jìn)的基于星座圖的信號(hào)識(shí)別方法[J]. 牛景昌,王立賓.  無(wú)線電通信技術(shù). 2013(05)
[5]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽(yáng)明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[6]認(rèn)知無(wú)線網(wǎng)絡(luò):關(guān)鍵技術(shù)與研究現(xiàn)狀[J]. 魏急波,王杉,趙海濤.  通信學(xué)報(bào). 2011(11)
[7]信號(hào)調(diào)制識(shí)別在邊境無(wú)線電監(jiān)測(cè)工作中的應(yīng)用[J]. 羅輝.  中國(guó)無(wú)線電. 2008(11)

博士論文
[1]非合作通信中信號(hào)檢測(cè)及調(diào)制識(shí)別的關(guān)鍵技術(shù)研究[D]. 劉明騫.西安電子科技大學(xué) 2013
[2]衰落信道下非合作接收中調(diào)制識(shí)別技術(shù)研究[D]. 崔偉亮.解放軍信息工程大學(xué) 2011
[3]數(shù)字通信信號(hào)調(diào)制識(shí)別算法研究[D]. 陳衛(wèi)東.西安電子科技大學(xué) 2001

碩士論文
[1]通信信號(hào)的參數(shù)估計(jì)與調(diào)制識(shí)別[D]. 張雪靜.重慶大學(xué) 2018
[2]數(shù)字通信信號(hào)調(diào)制方式自動(dòng)識(shí)別方法的研究與應(yīng)用[D]. 史甜姝.天津大學(xué) 2016



本文編號(hào)：3333561