近年來(lái),數(shù)字通信技術(shù)在無(wú)線(xiàn)通信領(lǐng)域占據(jù)了主導(dǎo)地位,而調(diào)制解調(diào)是數(shù)字通信中的一項(xiàng)關(guān)鍵技術(shù)。相移鍵控（Phase Shift Keying,PSK）是一種最常用的數(shù)字調(diào)制方式,具有調(diào)制效率高、傳輸頻帶利用率高、抗噪聲抗干擾能力強(qiáng)等優(yōu)點(diǎn)。傳統(tǒng)PSK解調(diào)器一般使用專(zhuān)用的硬件平臺(tái)實(shí)現(xiàn),具有實(shí)現(xiàn)成本高、開(kāi)發(fā)周期長(zhǎng)等缺點(diǎn),近年來(lái)有被軟件定義無(wú)線(xiàn)電取代的趨勢(shì)。神經(jīng)網(wǎng)絡(luò)是一種非線(xiàn)性模型,在圖像識(shí)別、圖像處理以及自然語(yǔ)言處理方面已展現(xiàn)出了強(qiáng)大的能力。由于神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)能力以及泛化能力,可以通過(guò)訓(xùn)練的方式從現(xiàn)有數(shù)據(jù)中學(xué)習(xí)到提取特征的能力,且軟件定義無(wú)線(xiàn)電中解調(diào)器是實(shí)現(xiàn)在計(jì)算機(jī)上的,因此利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)解調(diào)算法具有可行性與優(yōu)越性。本文提出了一種基于一維卷積神經(jīng)網(wǎng)絡(luò)（One-Dimensional Convolution Neural Network,1-D CNN）的PSK解調(diào)算法。該算法通過(guò)檢測(cè)PSK調(diào)制信號(hào)中的相位跳變位置和種類(lèi)完成解調(diào)功能。算法首先利用時(shí)間窗口獲得1-D CNN的輸入向量,然后使用1-D CNN分別檢測(cè)各個(gè)輸入向量中是否存在相位跳變,并將1-D CNN的輸出按照時(shí)間順序組成輸出序列,... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容及章節(jié)安排
第二章 相移鍵控及卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論
    2.1 PSK信號(hào)調(diào)制原理
    2.2 PSK信號(hào)解調(diào)原理
        2.2.1 PSK相干解調(diào)
        2.2.2 載波同步
        2.2.3 定時(shí)同步
    2.3 卷積神經(jīng)網(wǎng)絡(luò)相關(guān)原理
        2.3.1 神經(jīng)網(wǎng)絡(luò)的構(gòu)成
        2.3.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
        2.3.3 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 一維卷積神經(jīng)網(wǎng)絡(luò)解調(diào)算法
    3.1 一維卷積神經(jīng)網(wǎng)絡(luò)解調(diào)算法概述
    3.2 時(shí)間窗口原理
    3.3 1-DCNN的獲取
        3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)
        3.3.2 訓(xùn)練集的產(chǎn)生
        3.3.3 網(wǎng)絡(luò)訓(xùn)練參數(shù)的確定
    3.4 相位跳變檢測(cè)
        3.4.1 BPSK信號(hào)相位跳變檢測(cè)
        3.4.2 QPSK信號(hào)相位跳變檢測(cè)
    3.5 輸出序列的處理
        3.5.1 判決器
        3.5.2 轉(zhuǎn)換器
    3.6 載波頻偏與采樣頻率誤差的處理
        3.6.1 載波頻偏對(duì)解調(diào)的影響
        3.6.2 采樣誤差對(duì)解調(diào)的影響
        3.6.3 定時(shí)同步的作用
    3.7 本章小結(jié)
第四章 1-DCNN解調(diào)算法性能測(cè)試與分析
    4.1 1-DCNN的構(gòu)造與訓(xùn)練
    4.2 最佳訓(xùn)練數(shù)據(jù)信噪比測(cè)試
    4.3 誤碼率測(cè)試
    4.4 誤碼率影響因素測(cè)試與分析
        4.4.1 采樣時(shí)刻偏移對(duì)誤碼率的影響
        4.4.2 卷積核個(gè)數(shù)對(duì)誤碼率的影響
        4.4.3 采樣頻率對(duì)誤碼率的影響
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
博士論文
[1]基于平面及雙層耦合結(jié)構(gòu)的高性能微波無(wú)源濾波器設(shè)計(jì)及實(shí)現(xiàn)[D]. 羅訊.電子科技大學(xué) 2011

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的MPPSK信號(hào)解調(diào)器[D]. 歐陽(yáng)星辰.東南大學(xué) 2016
[2]高性能QPSK軟件解調(diào)技術(shù)的研究與實(shí)現(xiàn)[D]. 范慧娟.西安電子科技大學(xué) 2013
[3]地面數(shù)字電視發(fā)射系統(tǒng)關(guān)鍵技術(shù)研究[D]. 耿束建.西安電子科技大學(xué) 2007



本文編號(hào)：3135625