分享到:

基于高阶累量的数字调制方式识别

数字通信调制方式识别一直是信号截获处理方面的热点课题,是信号筛选和解调的基础,在通信对抗中意义重大。本文提出了以接收信号的四、  (本文共4页) 阅读全文>>

西安电子科技大学
西安电子科技大学

连续中继系统的调制方式识别技术研究

连续中继作为改进传统中继策略的手段,能有效弥补传统中继系统中中继节点收发不同时而带来的50%频谱资源浪费。连续中继系统采取解码转发(Decode-andForward,DF)策略能避免放大转发(Amplify-and-Forward,AF)的噪声放大,进而提高通信质量。但在DF策略中,需要知道发送节点的调制方式。当其应用到军事系统、认知网络中,各节点之间是非合作的,发送节点的调制方式一般是未知的,所以就需要对发送节点的调制方式进行识别。本文针对连续中继系统的源信号调制方式识别展开如下研究。(1)为弥补现有文献未研究多点MIMO通信时有干扰存在下的调制方式识别,本文研究了连续中继系统中基于似然函数且在中继间干扰下的调制方式识别。这是由于基于似然函数的调制方式识别算法在贝叶斯意义下是最优的,可以为其他算法提供理论上限。本文中,首先取得某一干扰和源信号调制方式对下的接收信号的似然函数,此时的似然函数相当于接收信号在干扰信号和源信号调制...  (本文共75页) 本文目录 | 阅读全文>>

北京邮电大学
北京邮电大学

基于深度学习的无线信号调制方式识别技术研究

无线信号的调制方式识别指的是接收机对发射信号的调制方式主动识别的技术。调制方式识别技术在民用和军事领域都具有重要地位,随着移动通信系统的不断发展,多载波、多天线等新技术被引入,使得调制信号识别的场景更加复杂。传统基于信号统计特性的调制信号识别方法难以直接在复杂通信场景下适用,如何将深度学习算法应用到调制信号识别中,突破传统方法的缺陷,是论文重点要研究的内容。本文的主要内容包括以下几个方面:首先,针对基于CNN,RNN,FNN三种典型的神经网络结构的调制识别算法进行了对比分析,考虑所有算法在计算复杂度处于同一量级情况下,分析了不同网络底层结构对调制识别率的影响,结果表明CNN网络具有更好的识别能力。在此基础上,进一步分析了CNN网络超参数,包括不同网络层数、不同卷积核数目对调制识别率的影响,结果表明卷积核的数目对调制识别率有重要影响。其次,针对基于索引调制的正交频分复用系统(OFDM-IM)通信参数识别问题,提出了基于CNN的联合...  (本文共73页) 本文目录 | 阅读全文>>

哈尔滨工程大学
哈尔滨工程大学

低频通信信号检测技术研究与实现

本文主要研究常规低频调制信号的识别技术,重点针对单一未知信号的识别理论如信号存在性检测、载频估计、调制方式识别进行研究并做出相应的DSP+FPGA结构硬件实现。具体内容阐述如下:首先介绍了盲源分离和调制识别技术的发展、研究现状、相关基础理论。简要说明了盲源分离的原理、分类、不确定性、评价指标。结合瞬时信息、功率谱、高阶谱展示了待识别目标信号集{AM、2ASK、BPSK、QPSK、2FSK、MSK}内6种调制信号的一般数学表达式及特点。其次,研究现实中极易出现的观测器数目少于源信号的混合信号分离问题,即欠定场景下的盲源分离。研究三种经典混合矩阵估计算法:K-means聚类算法、FCM聚类算法、及角度检索聚类算法。并研究基于混合矩阵已知恢复源信号的SSDP算法,直观反映信号分离结果。仿真表明,角度检索聚类算法估计混合矩阵的各项广义串扰误差、角度误差均小于K-means算法、FCM算法的四分之一。再次,基于已分离的未知调制信号,针对常...  (本文共75页) 本文目录 | 阅读全文>>

国防科学技术大学
国防科学技术大学

水声通信信号调制方式识别技术研究

调制信号的自动识别是现代通信技术中的一个重要的研究领域,目前海洋作为重要的军事和经济战略重点,水声通信信号调制方式识别的研究具有重要的意义。然而,由于水声信道的多种复杂特性以及水下冲击噪声的干扰,致使水声通信信号的识别面临着诸多挑战。本文所研究的内容如下:首先,建立了水声信道模型和冲击噪声模型。由于水声信道复杂的时变-空变特性,水声信道建模选择物理模型和统计模型相结合的方式,其中物理模型由基于实测水下环境数据的BELLHOP仿真软件模拟产生,统计模型利用时变多径瑞利衰落模型。冲击噪声模型基于Alpha稳定分布理论,由于在Alpha冲击噪声下,传统的信噪比概念失去意义,定义了联合信噪比作为衡量噪声强度的物理量。水声信道及噪声模型的建立,为后续识别算法性能仿真提供了平台和仿真环境。其次,针对水下冲击噪声,研究了基于信号频域分形盒维数特征的调制方式识别方法。由于特征指数为1(27)??2的冲击噪声对信号的频谱影响较小,故信号频域的盒维...  (本文共91页) 本文目录 | 阅读全文>>

西安电子科技大学
西安电子科技大学

基于深度学习的数字信号调制方式识别方法研究

随着数字信号调制方式愈加复杂多样,自动调制方式识别(Automatic Modulation Classification,AMC)已成为一个重要研究课题。如何在现有调制方式识别技术的基础上,提出一种信号处理更加简单、识别结果更加准确的方法是调制方式识别领域亟待解决的问题。本文在现有AMC研究成果的基础上,从简化信号处理部分的工作量入手,探索将深度学习(Deep Learning,DL)应用到调制方式识别领域的方法和技术途径。论文对DL中的深度置信网络(Deep Belief Network,DBN)和卷积神经网络(Convolutional Neural Network,CNN)进行了分析和研究,应用这两种网络对数字信号特征集进行特征提取和调制方式识别。论文主要研究内容如下:1、利用星座图投影算法(Graphic Constellation Projection,GCP)将信号的星座图投影到人工图片上,然后将人工图片送入到DB...  (本文共93页) 本文目录 | 阅读全文>>