發(fā)布時間：2017-09-11 04:05

  本文關(guān)鍵詞：頻譜感知與信號調(diào)制方式識別算法研究

  更多相關(guān)文章： 頻譜感知 調(diào)制方式 識別 循環(huán)譜 累積量

【摘要】：隨著無線通信技術(shù)的快速發(fā)展,頻譜資源緊缺的問題日益凸顯,認(rèn)知無線電技術(shù)在此背景下產(chǎn)生。頻譜感知作為認(rèn)知無線電的關(guān)鍵技術(shù),在檢測授權(quán)用戶是否存在時,起到了關(guān)鍵作用。同時,認(rèn)知系統(tǒng)要求其自身應(yīng)該具有認(rèn)知能力和重新配置功能。因此,實(shí)現(xiàn)對授權(quán)用戶信號調(diào)制類型的識別,可以為認(rèn)知無線電重新配置提供可靠的重構(gòu)參數(shù),從而避免認(rèn)知用戶對其正常通信造成干擾。因此,本文主要對頻譜感知和信號調(diào)制方式識別進(jìn)行了詳細(xì)研究。本文首先對當(dāng)前常用頻譜感知算法,能量檢測和循環(huán)平穩(wěn)檢測算法進(jìn)行研究,討論噪聲的大小及不確定度對檢測性能的影響。其次研究了基于能量檢測和循環(huán)平穩(wěn)檢測改進(jìn)的雙門限檢測算法以及四階累積量檢測算法,并通過仿真對比分析了能量檢測和循環(huán)平穩(wěn)檢測以及雙門限檢測算法和四階累積量檢測算法的檢測性能。在感知到信號存在的前提下,文章對檢測到的授權(quán)用戶的調(diào)制方式進(jìn)行了識別。本文基于高階累積量和循環(huán)譜提取特征參數(shù),提出了一種混合識別算法,同時應(yīng)用智能決策算法(神經(jīng)網(wǎng)絡(luò))對信號進(jìn)行識別。該算法基于四階和六階高階累積量構(gòu)造出新的特征參數(shù),采用半實(shí)物仿真以及LabVIEW和MATLAB混合編程來仿真驗證。仿真結(jié)果證明,該算法能夠在較低信噪比下實(shí)現(xiàn)對(OFDM,BPSK,QPSK,2ASK,2FSK,4FSK,MSK,16QAM,64QAM)等多種信號的分類,在信噪比高于5dB時,信號調(diào)制方式的識別率達(dá)到94%以上,充分驗證了該方法的有效性。
【關(guān)鍵詞】：頻譜感知 調(diào)制方式 識別 循環(huán)譜 累積量
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN925
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-14
• 1.1 課題研究背景及意義9-11
• 1.2 認(rèn)知無線電技術(shù)研究現(xiàn)狀11-12
• 1.2.1 頻譜感知技術(shù)研究現(xiàn)狀11-12
• 1.2.2 調(diào)制識別技術(shù)研究現(xiàn)狀12
• 1.3 文章研究內(nèi)容及論文結(jié)構(gòu)12-14
• 第2章 頻譜感知與調(diào)制方式識別基礎(chǔ)14-29
• 2.1 頻譜感知技術(shù)14-20
• 2.1.1 頻譜感知算法模型15-16
• 2.1.2 能量檢測16-18
• 2.1.3 循環(huán)平穩(wěn)特征檢測18-19
• 2.1.4 匹配濾波器檢測19-20
• 2.2 高階累積量相關(guān)理論20-22
• 2.2.1 高階矩與高階累積量定義20-22
• 2.2.2 高階累積量的抗噪聲性能22
• 2.3 循環(huán)譜的相關(guān)理論22-28
• 2.3.1 循環(huán)平穩(wěn)信號和譜相關(guān)函數(shù)23-25
• 2.3.2 譜相關(guān)函數(shù)特點(diǎn)25-26
• 2.3.3 譜相關(guān)計算方法26-27
• 2.3.4 循環(huán)譜的抗噪聲性能27-28
• 2.4 本章小結(jié)28-29
• 第3章 頻譜感知算法分析與仿真29-37
• 3.1 能量檢測性能分析29-31
• 3.1.1 信噪比對能量檢測性能的影響29-31
• 3.1.2 噪聲不確定性對能量檢測性能的影響31
• 3.2 循環(huán)平穩(wěn)檢測性能分析31-33
• 3.3 兩種新型檢測算法分析33-36
• 3.3.1 能量-循環(huán)平穩(wěn)特征雙門限檢測算法33-34
• 3.3.2 四階累積量檢測算法分析34-36
• 3.4 本章小結(jié)36-37
• 第4章 調(diào)制方式識別算法研究與仿真37-50
• 4.1 特征參數(shù)選取37-41
• 4.1.1 高階累積量的理論值38-39
• 4.1.2 基于高階累積量的特征參數(shù)39-40
• 4.1.3 基于循環(huán)譜的特征參數(shù)40-41
• 4.2 神經(jīng)網(wǎng)絡(luò)分類器設(shè)計41-43
• 4.3 模型算法步驟及驗證43-49
• 4.3.1 算法步驟43-44
• 4.3.2 算法仿真驗證44-49
• 4.4 本章小結(jié)49-50
• 第5章 總結(jié)與展望50-52
• 5.1 總結(jié)50
• 5.2 展望50-52
• 參考文獻(xiàn)52-56
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果56-57
• 致謝57

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 曹津平;劉建明;;一種應(yīng)用于電力無線專網(wǎng)的兩級雙門限本地頻譜感知技術(shù)研究[J];中國電機(jī)工程學(xué)報;2015年10期

2 陳澤藝;;基于循環(huán)譜和高階累積量的聯(lián)合模式識別方法[J];電訊技術(shù);2015年03期

3 趙宇峰;曹玉健;紀(jì)勇;戴旭初;;基于循環(huán)頻率特征的單信道混合通信信號的調(diào)制識別[J];電子與信息學(xué)報;2014年05期

4 劉明騫;李兵兵;曹超鳳;李釗;;認(rèn)知無線電中非高斯噪聲下數(shù)字調(diào)制信號識別方法[J];通信學(xué)報;2014年01期

5 孫鋼燦;王忠勇;劉正威;;基于高階累積量實(shí)現(xiàn)數(shù)字調(diào)相信號調(diào)制識別[J];電波科學(xué)學(xué)報;2012年04期

6 劉小莉;朱琦;;基于能量-循環(huán)平穩(wěn)特征的聯(lián)合頻譜檢測方法[J];南京郵電大學(xué)學(xué)報(自然科學(xué)版);2010年03期

7 程漢文;朱雷;吳樂南;;基于累計量的干擾信號調(diào)制識別算法[J];電子與信息學(xué)報;2009年07期

8 包錫銳;吳瑛;周欣;;基于高階累積量的數(shù)字調(diào)制信號識別算法[J];信息工程大學(xué)學(xué)報;2007年04期

9 王軍;李少謙;;認(rèn)知無線電:原理、技術(shù)與發(fā)展趨勢[J];中興通訊技術(shù);2007年03期

10 呂鐵軍,肖先賜;基于神經(jīng)網(wǎng)絡(luò)最佳分類器通信信號的調(diào)制識別[J];系統(tǒng)工程與電子技術(shù);2001年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 陳衛(wèi)東;數(shù)字通信信號調(diào)制識別算法研究[D];西安電子科技大學(xué);2001年

，

本文編號：828489