卷积神经网络解调器的FPGA实现

发布时间：2021-07-23 07:04

　　超窄带技术可以高效利用稀缺的频谱资源,而实现超窄带技术的关键在于接收机解调方案的选择。近年来基于深度学习卷积神经网络的解调判决器,即使在存在严重的码间干扰的情况下,实验仿真条件下仍取得了不错的性能。但目前大多数研究主要集中于通过实验仿真来探索不同的网络拓扑结构网络深度对解调性能的影响,而很少考虑网络在硬件上的实际性能和解调速度。鉴于此,本文创新性地构建了将用于MPPSK信号解调器的卷积神经网络快速移植到FPGA平台的完整工具链,在限定的网络规模下,能够实现在给定网络拓扑结构的情况下,将网络快速部署到给定的FPGA硬件平台上,评估硬件解调性能和解调速度。同时探索了不同的网络拓扑结构、计算精度、激活函数、数据预处理等对解调性能和硬件加速性能的影响,力求在解调速度和解调性能之间找到一个较好的平衡点,从硬件实现的角度对构建用于信号解调判决的高效网络结构给出一些指导和建议,本文大致可以分为两个主要部分:第一部分首先简要介绍了EBPSK调制技术及调制信号的功率谱,之后详细介绍了MPPSK调制技术,并分析了调制信号的时频特性及调制参数对信号功率谱的影响,最后介绍了基于卷积神经网络的MPPSK信号解调... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

modelsim硬件仿真得到的4PPSK调制信号输出波形

使得人类能够看，听，移动，交流，记忆，分析，理解，甚至能够做梦[69]。图 3-1 给出了一个生物神经元和人工神经网络中对应的部分。∑yw0w2w1x0x1x2图 3-1 生物神经元和人工神经元类比图 3-2 给出了一个典型的人工神经网络结构图，该网络共有 4 层，包括输入输出层和 2 个隐藏层，其中输入层有有 3 个神经元，输出层有 5 个神经元，2 个隐藏层分别包含 6 和 5 个神经元。输入层输出层隐藏层单个神经元图 3-2 一个典型的人工神经网络结构图

ANN 通过将很多神经元连接在一起构成网络，通常神经元以有向无环图（Direct Acyclic GrapAG）的形式进行组织构成一个前向神经网络1。更进一步，神经元将被分组，形成多个层，只有层的神经元才存在连接，图3-2给出的一个ANN的例子，该网络共有4层，包括输入输出层和全连接层，输出包含 5 个神经元。

【参考文献】：
期刊论文
[1]浅谈无线电频谱资源的科学管理[J]. 靳刚.  电子世界. 2014(08)
[2]MPPSK调制解调器研究[J]. 靳一,吴乐南,余静,陈艺方.  信号处理. 2012(07)
[3]一种新的MPPSK调制解调器实现结构[J]. 应鹏魁,吴乐南.  东南大学学报(自然科学版). 2012(02)
[4]超窄带调制信号的特殊滤波分析与仿真[J]. 冯熳,高鹏,吴乐南.  东南大学学报(自然科学版). 2010(02)
[5]EBPSK数字接收滤波器设计[J]. 马力,冯熳,吴乐南.  科技创新导报. 2008(28)
[6]超窄带高速通信进展[J]. 吴乐南.  自然科学进展. 2007(11)



本文编号：3298854