MPPSK/AM復合調制廣播系統(tǒng)的設計與優(yōu)化
發(fā)布時間:2021-08-21 13:40
傳統(tǒng)調幅(Amplitude Modulation, AM)廣播音質差、業(yè)務單一和易被干擾,其數字化具有重要的理論意義和應用前景。由于多元位置相移鍵控(M-ary Position Phase Shift Keying, MPPSK)調制本身含有載波分量,因此采用加載了數字信息的MPPSK已調信號取代正弦載波,接受模擬音頻信號對其進行傳統(tǒng)的雙邊帶調幅(Double Side-Band Amp-litude Modulation,DSB-AM),便得到一種MPPSK/DSB-AM復合調制廣播體制,可向下兼容現有的發(fā)射頻譜、廣播臺網和AM收音機,實現帶內同頻的模數混合廣播。為了約束其發(fā)射頻譜滿足美國聯邦通信委員會(Federal Communications Commission, FCC)的掩模需求,會導致數字信號解調性能急劇下降,對此本文主要從系統(tǒng)參數、發(fā)射頻譜和解調性能三方面對MPPSK/DSB-AM復合調制廣播系統(tǒng)進行優(yōu)化。首先,闡述了MPPSK調制和全跳變MPPSK調制的原理、功率譜特性和相干解調方案,分析了調制參數M、K、N值對功率譜的影響,給出了相關系數判決方案和改進的相關最...
【文章來源】:東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁數】:65 頁
【學位級別】:碩士
【部分圖文】:
MPPSK調制波形
圖2>4不同M值的MPPSK信號功率譜對比圖??出M值影響線譜能量,隨著M的逐漸增加,線譜能量降低,頻譜更加集中在載??頻附近。當M?=?32時,滿足式(2.6),線譜消失,只剩下載頻,即消除除了載頻??W外的線譜。??
一不同N值的MPPSK信號功率譜對比圖
【參考文獻】:
期刊論文
[1]基于游程特征的線性分組碼與卷積碼類型識別[J]. 李歆昊,張旻,史英春,袁泉. 數據采集與處理. 2015(06)
[2]非監(jiān)督學習圖像層次組合模型的研究算法[J]. 楊建秀,康占成. 山西大同大學學報(自然科學版). 2015(03)
[3]人口普查質量評估中Logistic回歸模型的應用[J]. 胡桂華,武潔. 數量經濟技術經濟研究. 2015(04)
[4]基于e-Labsim平臺的GMSK調制與相干解調研究[J]. 袁麗娜,黨瑩. 無線互聯科技. 2015(05)
[5]基于蝶形流程圖的分組碼最大后驗概率軟判決譯碼方法[J]. 李琪,曲欣茹,殷柳國,陸建華. 清華大學學報(自然科學版). 2014(12)
[6]基于多尺度梯度及深度神經網絡的漢字識別[J]. 潘煒深,金連文,馮子勇. 北京航空航天大學學報. 2015(04)
[7]一種基于混合誤差梯度下降算法的過程神經網絡訓練[J]. 許少華,宋美玲,許辰,朱新寧. 東北石油大學學報. 2014(04)
[8]多元位置相移鍵控的相干相關解調器[J]. 苗圃,吳樂南,王繼武,張鵬. 信號處理. 2014(06)
[9]深度學習研究進展[J]. 劉建偉,劉媛,羅雄麟. 計算機應用研究. 2014(07)
[10]基于頻譜動態(tài)分配的帶內同頻FM數字廣播方案[J]. 方偉偉,蔡超時,楊剛,王菲. 廣播與電視技術. 2014(02)
博士論文
[1]LDPC碼的構造及其譯碼算法研究[D]. 崔俊云.西安電子科技大學 2012
[2]基于Turbo碼的聯合信源信道編譯碼方法研究[D]. 劉建軍.中國科學院研究生院 2008
碩士論文
[1]基于深度學習的圖像識別算法研究[D]. 豐曉霞.太原理工大學 2015
[2]向下兼容的數字調幅廣播系統(tǒng)設計與實現[D]. 李旭森.東南大學 2015
[3]向下兼容的數字調幅廣播算法與設計[D]. 朱超越.東南大學 2015
[4]基于深度神經網絡補償模型的軌道預報技術[D]. 曹磊.南京航空航天大學 2014
[5]深度學習神經網絡在語音識別中的應用研究[D]. 陳碩.華南理工大學 2013
本文編號:3355706
【文章來源】:東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁數】:65 頁
【學位級別】:碩士
【部分圖文】:
MPPSK調制波形
圖2>4不同M值的MPPSK信號功率譜對比圖??出M值影響線譜能量,隨著M的逐漸增加,線譜能量降低,頻譜更加集中在載??頻附近。當M?=?32時,滿足式(2.6),線譜消失,只剩下載頻,即消除除了載頻??W外的線譜。??
一不同N值的MPPSK信號功率譜對比圖
【參考文獻】:
期刊論文
[1]基于游程特征的線性分組碼與卷積碼類型識別[J]. 李歆昊,張旻,史英春,袁泉. 數據采集與處理. 2015(06)
[2]非監(jiān)督學習圖像層次組合模型的研究算法[J]. 楊建秀,康占成. 山西大同大學學報(自然科學版). 2015(03)
[3]人口普查質量評估中Logistic回歸模型的應用[J]. 胡桂華,武潔. 數量經濟技術經濟研究. 2015(04)
[4]基于e-Labsim平臺的GMSK調制與相干解調研究[J]. 袁麗娜,黨瑩. 無線互聯科技. 2015(05)
[5]基于蝶形流程圖的分組碼最大后驗概率軟判決譯碼方法[J]. 李琪,曲欣茹,殷柳國,陸建華. 清華大學學報(自然科學版). 2014(12)
[6]基于多尺度梯度及深度神經網絡的漢字識別[J]. 潘煒深,金連文,馮子勇. 北京航空航天大學學報. 2015(04)
[7]一種基于混合誤差梯度下降算法的過程神經網絡訓練[J]. 許少華,宋美玲,許辰,朱新寧. 東北石油大學學報. 2014(04)
[8]多元位置相移鍵控的相干相關解調器[J]. 苗圃,吳樂南,王繼武,張鵬. 信號處理. 2014(06)
[9]深度學習研究進展[J]. 劉建偉,劉媛,羅雄麟. 計算機應用研究. 2014(07)
[10]基于頻譜動態(tài)分配的帶內同頻FM數字廣播方案[J]. 方偉偉,蔡超時,楊剛,王菲. 廣播與電視技術. 2014(02)
博士論文
[1]LDPC碼的構造及其譯碼算法研究[D]. 崔俊云.西安電子科技大學 2012
[2]基于Turbo碼的聯合信源信道編譯碼方法研究[D]. 劉建軍.中國科學院研究生院 2008
碩士論文
[1]基于深度學習的圖像識別算法研究[D]. 豐曉霞.太原理工大學 2015
[2]向下兼容的數字調幅廣播系統(tǒng)設計與實現[D]. 李旭森.東南大學 2015
[3]向下兼容的數字調幅廣播算法與設計[D]. 朱超越.東南大學 2015
[4]基于深度神經網絡補償模型的軌道預報技術[D]. 曹磊.南京航空航天大學 2014
[5]深度學習神經網絡在語音識別中的應用研究[D]. 陳碩.華南理工大學 2013
本文編號:3355706
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3355706.html