本文關(guān)鍵詞：無線通信信號調(diào)制識別關(guān)鍵技術(shù)與理論研究，由筆耕文化傳播整理發(fā)布。

【摘要】：無線通信信號的調(diào)制自動識別是軟件無線電、認(rèn)知無線電、頻譜感知等研究領(lǐng)域的基礎(chǔ),在軍用與民用通信中有著廣泛的應(yīng)用,因而受到學(xué)者的廣泛關(guān)注。特別是近年來對于我國劃定的防空識別區(qū),如何在復(fù)雜干擾環(huán)境下實(shí)現(xiàn)對外來航空飛行器信號的識別監(jiān)控,尤其是信號調(diào)制方式的自動識別,并在原有自動識別技術(shù)方法基礎(chǔ)上不斷創(chuàng)新、提高識別率仍然是一項(xiàng)頗具挑戰(zhàn)性的研究課題。本文對無線通信系統(tǒng)調(diào)制識別方法、算法等關(guān)鍵技術(shù)與理論進(jìn)行研究,所取得的主要研究成果為：1.對N維數(shù)據(jù)塊正交調(diào)制及其調(diào)制解調(diào)識別方法及MMO系統(tǒng)的重建與識別等關(guān)鍵技術(shù)與理論進(jìn)行了研究。研究基于普通正交調(diào)制識別基礎(chǔ)上,從接收信號聚類樣品中提取基本特征矢量以估計(jì)數(shù)據(jù)塊信號參數(shù),實(shí)現(xiàn)數(shù)據(jù)塊解調(diào),通過矩陣轉(zhuǎn)換實(shí)現(xiàn)信號調(diào)制方式的識別,在高斯白噪聲信道條件下對N維數(shù)據(jù)塊正交調(diào)制信號進(jìn)行訪真識別,仿真結(jié)果表明該方法具有較好的識別性能,同時(shí)計(jì)算復(fù)雜程度和采用全部接收信號矢量識別相比大為減少。另外對于MIMO系統(tǒng)的重建與識別,本文采用支持向量回歸算法建立徑向基函數(shù)網(wǎng)絡(luò)初始化結(jié)構(gòu),確定初始化網(wǎng)絡(luò)參數(shù),采用退火動力學(xué)習(xí)算法對系統(tǒng)識別網(wǎng)絡(luò)進(jìn)行訓(xùn)練,在訓(xùn)練過程中首次采用粒子群優(yōu)化迭代算法選出最佳學(xué)習(xí)率組合,使重建識別網(wǎng)絡(luò)實(shí)現(xiàn)對MIMO系統(tǒng)的識別。仿真結(jié)果表明,對所選擇待識別的兩輸入兩輸出MIMO系統(tǒng),重建識別系統(tǒng)性能優(yōu)于目前基于徑向基函數(shù)網(wǎng)絡(luò)參數(shù)優(yōu)化過程中常采用的最小平方算法或梯度下降法算法。2.對MLP神經(jīng)網(wǎng)絡(luò)通信信號調(diào)制識別方法等關(guān)鍵技術(shù)與理論進(jìn)行了研究。針對現(xiàn)有基于誤差反向傳播算法的多層感知器神經(jīng)網(wǎng)絡(luò)分類器在信號識別中存在收斂速度緩慢、出現(xiàn)假飽和現(xiàn)象等問題,采用蜂群算法提取信號的聯(lián)合特征模塊,提出快速支持、超級自適應(yīng)誤差反向傳播、共軛梯度等三種不同算法分別應(yīng)用于多層感知器神經(jīng)網(wǎng)絡(luò)分類器,實(shí)現(xiàn)對通信信號的自動識別,和誤差反向傳播算法比較有更高的識別率,取得較好的識別效果。針對現(xiàn)有基于聚類算法的信號調(diào)制識別在噪聲干擾條件下識別效果較差的問題,采用聚類算法提取信號特征參數(shù),通過變梯度Polak-Ribiere修正BP算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,以提高收斂速度,改善在低信噪比條件下網(wǎng)絡(luò)識別性能,實(shí)現(xiàn)對基于星座圖調(diào)制方式信號的調(diào)制識別。3.對單載波多載波調(diào)制及混合調(diào)制信號的調(diào)制識別方法關(guān)鍵技術(shù)與理論進(jìn)行了研究。研究基于決策理論算法的單載波多載波無線數(shù)字調(diào)制信號、混合調(diào)制信號的聯(lián)合特征參數(shù)提取與自動識別技術(shù),提出適合單載波多載波數(shù)字調(diào)制識別的決策分類器及相應(yīng)識別步驟、適合混合調(diào)制信號調(diào)制識別的樹型分類器及相應(yīng)識別步驟。在瞬時(shí)相位提取時(shí),首次采用去相位折疊算法糾正相位折疊的影響,提高了特征參數(shù)的準(zhǔn)確性。在外調(diào)制、內(nèi)調(diào)制識別時(shí)首次采用副載波信號個(gè)數(shù)構(gòu)成的特征矢量、均值歸一化包絡(luò)方差、副載波信號瞬時(shí)幅度分布區(qū)域統(tǒng)計(jì)值等聯(lián)合特征,抑制噪聲干擾,提高特征參數(shù)的準(zhǔn)確性,仿真結(jié)果表明,與現(xiàn)有單載波多載波調(diào)制識別、與現(xiàn)有混合調(diào)制識別方法相比取得較好的識別效果。4.對基于一階循環(huán)均值算法的VHF頻段信號調(diào)制分類識別方法等關(guān)鍵技術(shù)與理論進(jìn)行了研究。針對現(xiàn)有調(diào)制識別算法在低信噪比環(huán)境條件下識別率較低問題,首次提出一階循環(huán)均值算法對VHF頻段信號進(jìn)行調(diào)制分類識別,識別率大幅度提高。研究基于估測一階循環(huán)頻率系列對應(yīng)的一階循環(huán)均值基礎(chǔ)上,選擇一階循環(huán)均值絕對值超過設(shè)定的截止值所對應(yīng)的一階循環(huán)頻率作為候選循環(huán)頻率,再通過循環(huán)平穩(wěn)測試決定選擇候選循環(huán)頻率數(shù)目,實(shí)現(xiàn)對信號的調(diào)制分類識別。仿真結(jié)果表明,與現(xiàn)有調(diào)制識別算法在低信噪比環(huán)境條件下識別率有較大的提高。
【關(guān)鍵詞】：無線通信 分類算法 聯(lián)合特征參數(shù)提取 分類器 調(diào)制識別
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TN911.3
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 符號對照表13-14
• 縮略語對照表14-18
• 第一章 緒論18-26
• 1.1 研究背景18
• 1.2 研究意義18-19
• 1.3 國內(nèi)外研究現(xiàn)狀19-22
• 1.4 主要工作與創(chuàng)新點(diǎn)22-24
• 1.5 研究內(nèi)容與安排24-26
• 第二章 N維數(shù)據(jù)塊正交調(diào)制及MIMO系統(tǒng)重建識別研究26-46
• 2.1 引言26-28
• 2.2 N維數(shù)據(jù)塊正交調(diào)制識別28-35
• 2.2.1 N維數(shù)據(jù)塊正交調(diào)制模型28
• 2.2.2 N維數(shù)據(jù)塊正交調(diào)制識別算法28-31
• 2.2.3 N維數(shù)據(jù)塊正交調(diào)制識別性能理論分析31-32
• 2.2.4 N維數(shù)據(jù)塊正交調(diào)制識別仿真與結(jié)果分析32-35
• 2.3 基于粒子群優(yōu)化與SVR-ADLA算法的MIMO系統(tǒng)重建識別35-43
• 2.3.1 MIMO系統(tǒng)模型35
• 2.3.2 MIMO系統(tǒng)識別原理35-40
• 2.3.2.1 基于SVR的RBFNS初始化網(wǎng)絡(luò)的建立36-37
• 2.3.2.2 RBFNS網(wǎng)絡(luò)系統(tǒng)識別訓(xùn)練37-38
• 2.3.2.3 粒子群優(yōu)化算法38-40
• 2.3.2.4 MIMO系統(tǒng)識別模型40
• 2.3.3 MIMO系統(tǒng)重建識別仿真與結(jié)果分析40-43
• 2.4 小結(jié)43-46
• 第三章 MLP神經(jīng)網(wǎng)絡(luò)通信信號調(diào)制識別研究46-64
• 3.1 引言46-47
• 3.2 基于BA、QP、Super SAB、CG算法的神經(jīng)網(wǎng)絡(luò)調(diào)制識別47-55
• 3.2.1 聯(lián)合特征模塊47-49
• 3.2.2 由BA算法提取聯(lián)合特征模塊49-50
• 3.2.3 多層感知器神經(jīng)網(wǎng)絡(luò)分類器50-51
• 3.2.4 多層感知器分類器訓(xùn)練采用的各種不同算法51-53
• 3.2.5 基于BA,QP,Super SAB,CG算法的神經(jīng)網(wǎng)絡(luò)調(diào)制識別仿真及性能分析53-55
• 3.3 基于聚類和變梯度修正BP算法的神經(jīng)網(wǎng)絡(luò)調(diào)制識別55-62
• 3.3.1 聚類算法55-56
• 3.3.2 改進(jìn)的變梯度Polak-Ribiere修正BP算法56-57
• 3.3.3 聚類與神經(jīng)網(wǎng)絡(luò)聯(lián)合調(diào)制識別碼原理57-61
• 3.3.4 基于聚類與變梯度修正BP算法的神經(jīng)網(wǎng)絡(luò)調(diào)制識別仿真及性能分析61-62
• 3.4 小結(jié)62-64
• 第四章 單載波多載波調(diào)制及混合調(diào)制的信號調(diào)制識別研究64-78
• 4.1 引言64-65
• 4.2 基于決策理論算法的單載波多載波數(shù)字調(diào)制識別65-70
• 4.2.1 單載波多載波數(shù)字調(diào)制識別信號統(tǒng)計(jì)特征參數(shù)的提取65-68
• 4.2.2 單載波多載波數(shù)字調(diào)制識別識別方法與步驟68-69
• 4.2.3 單載波多載波數(shù)字調(diào)制識別仿真及結(jié)果分析69-70
• 4.3 基于決策理論算法的混合調(diào)制信號的調(diào)制識別70-77
• 4.3.1 混合調(diào)制信號識別的組合特征慎70-75
• 4.3.2 混合調(diào)制信號調(diào)制分類識別算法75-76
• 4.3.3 混合調(diào)制識別仿真結(jié)果及性能分析76-77
• 4.4 小結(jié)77-78
• 第五章 基于一階循環(huán)均值算法的VHF頻段信號調(diào)制分類識別研究78-86
• 5.1 引言78
• 5.2 一階循環(huán)平穩(wěn)識別特征參數(shù)78-80
• 5.3 一階循環(huán)均值識別算法及識別步驟80-81
• 5.4 識別方法性能理論分析81-82
• 5.5 仿真與結(jié)果分析82-85
• 5.6 小結(jié)85-86
• 第六章 結(jié)論和展望86-90
• 6.1 研究結(jié)論86-88
• 6.2 研究展望88-90
• 參考文獻(xiàn)90-100
• 致謝100-102
• 作者簡介102-103
• 1. 基本情況102
• 2. 教育背景102
• 3. 在學(xué)期間的研究成果102-103

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 喬紀(jì)綱;;基于像元信息分解的城市綠地信息自動提取系統(tǒng)[J];中山大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

  本文關(guān)鍵詞：無線通信信號調(diào)制識別關(guān)鍵技術(shù)與理論研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：411545