短波信道MPPSK信号的神经网络解调器
发布时间:2023-11-30 17:16
随着信息时代的到来,通信成为人们生产生活不可缺少的工具。超宽带和超窄带技术应用越来越广泛,其中多数调制方式属于非对称调制。短波信道是一种古老又经典的信道,在军事领域备受关注、应用广泛,属于时变多径信道。目前非对称调制经过短波信道后的解调结果差强人意,本文尝试将粒子群优化算法与人工神经网络相结合以及利用深度学习中的卷积神经网络和其变种算法,以解决时变多径信道下多元位置相移键控(M-ary Position Phase Shift Keying,MPPSK)的解调问题。首先,重点研究了非对称调制技术中的MPPSK,对经典的MPPSK调制、改进的MPPSK调制和双极性脉冲MPPSK调制从时域和频域角度进行了分析,给出了MPPSK调制器的两种设计方法:查找表法和开关法。其次,针对MPPSK短波信道传输系统模型,分别研究了基带成形滤波器的设计原理与时频输出,探究了短波信道的传播方式、数学模型、标准信道和输出结果,给出了相干解调和非相干解调两种接收方案。第三,将粒子群优化算法与人工神经网络相结合,设计基于PSO-NN的短波信道MPPSK信号解调器,并对其影响因素进行了细致的研究。大量的仿真结果表明...
【文章页数】:73 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 非对称调制
1.2.2 短波信道
1.2.3 人工神经网络
1.2.4 粒子群优化算法
1.3 论文研究内容及意义
1.4 论文组织结构
第二章 MPPSK调制
2.1 经典MPPSK调制
2.1.1 调制方法
2.1.2 频谱分析
2.2 改进的MPPSK调制
2.2.1 调制方法
2.2.2 频谱分析
2.3 双极性脉冲MPPSK调制
2.3.1 调制方法
2.3.2 频谱分析
2.4 调制器
2.5 本章小结
第三章 短波信道传输整体方案
3.1 短波MPPSK传输系统调制端
3.1.1 系统整体框图
3.1.2 基带成形滤波器
3.2 短波信道
3.2.1 传播方式
3.2.2 信道数学模型与传输特性
3.2.3 DRM标准中的信道
3.2.4 经短波信道传输后的信号波形
3.3 短波MPPSK传输系统接收端
3.3.1 非相干解调方案
3.3.2 相干解调方案
3.4 本章小结
第四章 基于PSO-NN的MPPSK信号判决
4.1 神经网络
4.1.1 神经元的M-P模型
4.1.2 BP神经网络
4.2 粒子群优化算法
4.2.1 标准PSO算法
4.2.2 改进的PSO算法
4.3 基于PSO-NN的MPPSK信号解调器
4.3.1 传输函数
4.3.2 误差函数
4.3.3 PSO优化ANN判决器
4.4 性能仿真
4.4.1 接收方案比较
4.4.2 多码元联合解调
4.4.3 PSO-NN解调器结构优化
4.4.4 发射端限制
4.5 本章小结
第五章 基于深度学习算法的MPPSK信号判决
5.1 深度学习算法
5.1.1 卷积神经网络
5.1.2 卷积自编码网络
5.1.3 卷积循环神经网络
5.2 解调器整体方案
5.3 信号预处理
5.4 基于深度学习的MPPSK解调器
5.4.1 基于CNN的MPPSK解调器
5.4.2 基于CAE的MPPSK信号解调器
5.4.3 基于CRNN的MPPSK信号解调器
5.5 性能仿真
5.5.1 判决性能
5.5.2 多码元联合解调
5.5.3 发射端限制
5.5.4 网络结构优化
5.5.5 抗单频干扰
5.6 本章小结
第六章 总结与展望
6.1 总结
6.2 主要创新
6.3 展望
致谢
参考文献
作者简介
本文编号:3868873
【文章页数】:73 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 非对称调制
1.2.2 短波信道
1.2.3 人工神经网络
1.2.4 粒子群优化算法
1.3 论文研究内容及意义
1.4 论文组织结构
第二章 MPPSK调制
2.1 经典MPPSK调制
2.1.1 调制方法
2.1.2 频谱分析
2.2 改进的MPPSK调制
2.2.1 调制方法
2.2.2 频谱分析
2.3 双极性脉冲MPPSK调制
2.3.1 调制方法
2.3.2 频谱分析
2.4 调制器
2.5 本章小结
第三章 短波信道传输整体方案
3.1 短波MPPSK传输系统调制端
3.1.1 系统整体框图
3.1.2 基带成形滤波器
3.2 短波信道
3.2.1 传播方式
3.2.2 信道数学模型与传输特性
3.2.3 DRM标准中的信道
3.2.4 经短波信道传输后的信号波形
3.3 短波MPPSK传输系统接收端
3.3.1 非相干解调方案
3.3.2 相干解调方案
3.4 本章小结
第四章 基于PSO-NN的MPPSK信号判决
4.1 神经网络
4.1.1 神经元的M-P模型
4.1.2 BP神经网络
4.2 粒子群优化算法
4.2.1 标准PSO算法
4.2.2 改进的PSO算法
4.3 基于PSO-NN的MPPSK信号解调器
4.3.1 传输函数
4.3.2 误差函数
4.3.3 PSO优化ANN判决器
4.4 性能仿真
4.4.1 接收方案比较
4.4.2 多码元联合解调
4.4.3 PSO-NN解调器结构优化
4.4.4 发射端限制
4.5 本章小结
第五章 基于深度学习算法的MPPSK信号判决
5.1 深度学习算法
5.1.1 卷积神经网络
5.1.2 卷积自编码网络
5.1.3 卷积循环神经网络
5.2 解调器整体方案
5.3 信号预处理
5.4 基于深度学习的MPPSK解调器
5.4.1 基于CNN的MPPSK解调器
5.4.2 基于CAE的MPPSK信号解调器
5.4.3 基于CRNN的MPPSK信号解调器
5.5 性能仿真
5.5.1 判决性能
5.5.2 多码元联合解调
5.5.3 发射端限制
5.5.4 网络结构优化
5.5.5 抗单频干扰
5.6 本章小结
第六章 总结与展望
6.1 总结
6.2 主要创新
6.3 展望
致谢
参考文献
作者简介
本文编号:3868873
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3868873.html