調(diào)制識(shí)別技術(shù)在商業(yè)領(lǐng)域和軍用領(lǐng)域均具備重要的應(yīng)用價(jià)值。調(diào)制識(shí)別技術(shù)可以分為基于似然比的調(diào)制識(shí)別和基于信號(hào)特征的調(diào)制識(shí)別。因?yàn)榛谒迫槐鹊恼{(diào)制識(shí)別技術(shù)計(jì)算復(fù)雜度過高,所以基于信號(hào)特征的調(diào)制識(shí)別技術(shù)通常應(yīng)用更加廣泛。傳統(tǒng)的基于信號(hào)特征的調(diào)制識(shí)別技術(shù)首先設(shè)計(jì)并提取信號(hào)特征,然后設(shè)計(jì)分類規(guī)則對(duì)信號(hào)特征進(jìn)行調(diào)制制式分類,手工設(shè)計(jì)的信號(hào)特征和分類規(guī)則通常在復(fù)雜信道環(huán)境下的識(shí)別準(zhǔn)確率有限。因此,基于深度學(xué)習(xí)的調(diào)制識(shí)別技術(shù)被提出,用于從特征數(shù)據(jù)中自動(dòng)學(xué)習(xí)分類規(guī)則以提高分類準(zhǔn)確率。隨著近年來深度學(xué)習(xí)領(lǐng)域的發(fā)展,深度學(xué)習(xí)算法廣泛應(yīng)用于計(jì)算機(jī)視覺,自然語(yǔ)言處理等領(lǐng)域并取得突出的性能。在調(diào)制識(shí)別領(lǐng)域,利用最新的深度學(xué)習(xí)算法可以同時(shí)完成信號(hào)特征和分類規(guī)則的自動(dòng)學(xué)習(xí),進(jìn)一步提高調(diào)制識(shí)別性能。首先,本論文研究了使用信號(hào)特征與全連接神經(jīng)網(wǎng)絡(luò)(Fully-Connected Neural Network,FCNN)分類器的調(diào)制識(shí)別技術(shù)。理論分析和仿真結(jié)果表明,全連接神經(jīng)網(wǎng)絡(luò)分類器相對(duì)于手工設(shè)計(jì)的分類規(guī)則具備更好的分類準(zhǔn)確率。然后,本論文研究了基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的調(diào)制識(shí)別技術(shù)。理論分析和仿真結(jié)果表明,經(jīng)過良好設(shè)計(jì)與訓(xùn)練的CNN能同時(shí)完成特征提取與分類識(shí)別功能,CNN提取的特征相對(duì)于傳統(tǒng)信號(hào)特征具備更好的調(diào)制識(shí)別性能。在此基礎(chǔ)上,本論文進(jìn)一步研究了訓(xùn)練集對(duì)CNN的影響。理論分析和仿真結(jié)果表明,具備多樣性的訓(xùn)練集能提升CNN的調(diào)制識(shí)別魯棒性。最后,本論文研究了基于CNN的調(diào)制識(shí)別技術(shù)中存在的信道環(huán)境變化帶來的調(diào)制識(shí)別性能下降問題。本論文結(jié)合遷移學(xué)習(xí)(Transfer Learning,TL)理論,提出了三種基于CNN的遷移學(xué)習(xí)方法。理論分析和仿真結(jié)果表明,本論文提出的第一類遷移學(xué)習(xí)方法,在新信道環(huán)境下總是具備最優(yōu)的調(diào)制識(shí)別性能。本論文提出的第二類遷移學(xué)習(xí)方法,在新信道環(huán)境下的訓(xùn)練數(shù)據(jù)充足時(shí),具備最優(yōu)的調(diào)制識(shí)別性能,同時(shí)收斂更快。本論文提出的第三類遷移學(xué)習(xí)方法,在新信道環(huán)境下訓(xùn)練數(shù)據(jù)適中時(shí),具備次優(yōu)的調(diào)制識(shí)別性能,同時(shí)收斂更快。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN911.3;TP18
【部分圖文】：

能量檢測(cè)、調(diào)制識(shí)別和信號(hào)檢測(cè)之間的關(guān)系

全連接神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

基于四階累積量與全連接神經(jīng)網(wǎng)絡(luò)的調(diào)制識(shí)別算法…42Pc–16QAM
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉橋平;邱昕;郭瑞;;基于深度神經(jīng)網(wǎng)絡(luò)的自動(dòng)調(diào)制識(shí)別[J];電子設(shè)計(jì)工程;2019年23期

2 劉瑩;單洪;胡以華;王勇;;基于譜分析的衛(wèi)星通信調(diào)制識(shí)別算法[J];火力與指揮控制;2017年01期

3 何斌;;基于高階累積量的調(diào)制識(shí)別技術(shù)的研究[J];信息通信;2017年01期

4 單琳娜;;關(guān)于通信信號(hào)調(diào)制識(shí)別技術(shù)的分析研究[J];科技資訊;2012年32期

5 游偉;周先敏;;模擬調(diào)制信號(hào)的自動(dòng)調(diào)制識(shí)別[J];信號(hào)處理;2009年01期

6 呂杰,張勝付,張克,邵偉華,谷明;移動(dòng)通信信號(hào)自動(dòng)調(diào)制識(shí)別的譜相關(guān)方法[J];電訊技術(shù);1999年02期

7 陸明泉;肖先賜;;同信道多信號(hào)的調(diào)制識(shí)別方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版)網(wǎng)絡(luò).預(yù)覽;2009年10期

8 李唱白;楊杰;黃知濤;王翔;;基于深度學(xué)習(xí)的通信信號(hào)調(diào)制識(shí)別算法[J];空間電子技術(shù);2019年01期

9 王東旭;陳殿仁;李興廣;陳磊;;基于小波變換的調(diào)制識(shí)別算法[J];數(shù)字技術(shù)與應(yīng)用;2017年01期

10 周玫汝;;數(shù)字通信信號(hào)自動(dòng)調(diào)制識(shí)別技術(shù)研究[J];數(shù)碼世界;2018年05期

相關(guān)博士學(xué)位論文 前10條

1 謝李晉;基于壓縮感知的通信信號(hào)識(shí)別技術(shù)研究[D];電子科技大學(xué);2018年

2 韓鋼;自適應(yīng)單載波、多載波調(diào)制中信號(hào)盲檢測(cè)技術(shù)研究[D];西安電子科技大學(xué);2003年

3 張煒;數(shù)字通信信號(hào)調(diào)制方式自動(dòng)識(shí)別研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2006年

4 王彬;無線衰落信道中的調(diào)制識(shí)別、信道盲辨識(shí)和盲均衡技術(shù)研究[D];解放軍信息工程大學(xué);2007年

5 胡國(guó)兵;雷達(dá)信號(hào)調(diào)制識(shí)別相關(guān)技術(shù)研究[D];南京航空航天大學(xué);2011年

6 安琦;信號(hào)偵收中的識(shí)別與分類理論與算法研究[D];電子科技大學(xué);2017年

7 呂鐵軍;通信信號(hào)調(diào)制識(shí)別研究[D];電子科技大學(xué);2000年

8 陳健;通信信號(hào)參數(shù)盲估計(jì)方法的研究[D];西安電子科技大學(xué);2005年

9 付永明;基于擬合優(yōu)度檢驗(yàn)的通信信號(hào)檢測(cè)與識(shí)別技術(shù)[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

10 崔偉亮;衰落信道下非合作接收中調(diào)制識(shí)別技術(shù)研究[D];解放軍信息工程大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王飛揚(yáng);基于深度學(xué)習(xí)的通信信號(hào)調(diào)制識(shí)別研究[D];電子科技大學(xué);2019年

2 田杰嬌;基于機(jī)器學(xué)習(xí)的通信信號(hào)調(diào)制識(shí)別技術(shù)研究[D];電子科技大學(xué);2019年

3 雷志坤;基于深度學(xué)習(xí)的調(diào)制識(shí)別技術(shù)研究[D];電子科技大學(xué);2019年

4 羅兵兵;基于深度學(xué)習(xí)的通信信號(hào)調(diào)制識(shí)別研究[D];電子科技大學(xué);2019年

5 閆軍杰;基于特征提取的通信信號(hào)調(diào)制識(shí)別技術(shù)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2019年

6 周林宇;基于壓縮采樣的寬帶信號(hào)的參數(shù)估計(jì)和調(diào)制識(shí)別[D];電子科技大學(xué);2019年

7 王詠實(shí);基于深度學(xué)習(xí)的數(shù)字調(diào)制信號(hào)識(shí)別算法研究[D];電子科技大學(xué);2019年

8 何祥;應(yīng)用分層迭代支持向量機(jī)的OFDM信號(hào)調(diào)制識(shí)別研究[D];西安理工大學(xué);2019年

9 于軒;基于ATCA平臺(tái)的調(diào)制識(shí)別系統(tǒng)硬件設(shè)計(jì)[D];北京郵電大學(xué);2019年

10 魏孟傳;基于深度學(xué)習(xí)的數(shù)字信號(hào)調(diào)制識(shí)別研究[D];北京郵電大學(xué);2019年

本文編號(hào)：2878529