基于SVM多分类判决的MPPSK信号检测研究

发布时间：2017-10-20 11:02

  本文关键词：基于SVM多分类判决的MPPSK信号检测研究

  更多相关文章： 超窄带 MPPSK 类二分法SVM 调制矩阵法 LIBSVM 带通滤波器

【摘要】：随着信息社会的发展,人们对无线多媒体通信的需求不断提高,现代无线移动通信不断宽带化,使有限的频谱资源越来越紧缺。超窄带(Ultra Narrow Band Modulation, UNB)调制是一种高频谱利用率通信技术,能够有效解决频谱紧缺的问题。本文在扩展的二元相移键控(Extended Binary Phase Shift Keying, EBPSK)和多元位置相移键控(M-ary Position Phase Shift Keying, MPPSK)调制解调技术以及支持向量机(Support Vector Machine, SVM)算法用于EBPSK信号检测的研究成果基础上,对SVM算法用于MPPSK的信号检测进行了研究。首先,介绍了EBPSK与MPPSK的调制原理：以MPPSK为例,阐述了高效调制信号解调的关键技术和冲击滤波器原理；在分析了传统信号检测法的优缺点以及MPPSK信号检测的难点后,将SVM算法引入高效通信系统中,并说明了其基本原理：为了比较传统的信号检测法与SVM检测法的性能,对EBPSK系统进行了误码率仿真。其次,在已有SVM多分类算法的理论基础上,提出类二分法SVM多分类算法,能够在保证低阶MPPSK系统检测性能的同时,降低算法复杂度；归纳总结了已有的MPPSK信号检测法,并通过仿真实验比较分析了它们与类二分法SVM的性能；在此基础上,结合特殊的编解码机制实现LDPC编码,获得了不错的编码增益。然后,利用LIBSVM软件包,通过实验优选了影响SVM算法性能的各项参数,详细设计了接收端带通滤波器。仿真验证表明,基于LIBSVM的MPPSK信号检测性能优越,复杂度低,且冲击信号经过接收端带通滤波器后,更利于SVM网络训练,信号检测性能也更加优越。最后,进一步探讨了SVM在高阶系统信号检测中的应用,确定以类二分法SVM为检测方法、调制矩阵法为特征选取算法的检测方案,并给出了算法的适用范围。
【关键词】：超窄带 MPPSK 类二分法SVM 调制矩阵法 LIBSVM 带通滤波器
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.23
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-13
• 1.1 研究背景9
• 1.2 研究现状9-11
• 1.3 研究意义11
• 1.4 论文主要内容和组织结构11-13
• 1.4.1 主要内容11-12
• 1.4.2 组织结构12-13
• 第二章 高效调制解调及SVM算法原理13-29
• 2.1 EBPSK调制13-15
• 2.1.1 EBPSK调制原理13
• 2.1.2 EBPSK调制参数及频谱分析13-15
• 2.2 MPPSK调制15-20
• 2.2.1 MPPSK统一表达式15-16
• 2.2.2 MPPSK信号频谱特性16-20
• 2.3 冲击滤波器20-21
• 2.3.1 冲击滤波器原理20
• 2.3.2 冲击滤波器特性20-21
• 2.4 SVM算法21-24
• 2.4.1 SVM算法原理21-23
• 2.4.2 SVM特征向量23-24
• 2.5 基于SVM判决的EBPSK信号检测24-27
• 2.5.1 门限检测24-25
• 2.5.2 SVM非线性检测25
• 2.5.3 系统仿真25-27
• 2.6 本章小结27-29
• 第三章 基于SVM多分类判决的MPPSK信号检测29-51
• 3.1 已有的MPPSK信号检测方法29-32
• 3.1.1 传统的锁相环检测29
• 3.1.2 基于自适应门限的幅度积分检测29-30
• 3.1.3 相干解调30-31
• 3.1.4 BP神经网络检测31-32
• 3.2 联合检测判决方案32-35
• 3.2.1 模板生成33-34
• 3.2.2 相关系数34
• 3.2.3 相关系数门限34-35
• 3.3 SVM多分类判决方案35-46
• 3.3.1 SVM多分类算法35-38
• 3.3.2 SVM复杂度38-39
• 3.3.3 类二分法SVM39-41
• 3.3.4 特征提取算法41-44
• 3.3.5 SVM参数选择44-46
• 3.4 LDPC码在SVM多分类判决MPPSK系统中的应用46-48
• 3.4.1 LDPC码46
• 3.4.2 LDPC译码46-47
• 3.4.3 基于SVM信号检测的LDPC编解码47-48
• 3.5 仿真性能分析48-49
• 3.6 本章小结49-51
• 第四章 基于LIBSVM的MPPSK解调器及高阶系统研究51-63
• 4.1 LIBSVM软件包51-54
• 4.1.1 LIBSVM模型51-53
• 4.1.2 基于LIBSVM的MPPSK信号检测53-54
• 4.2 MPPSK带通滤波系统54-58
• 4.2.1 下边界频率选取54-55
• 4.2.2 上边界频率选取55-57
• 4.2.3 仿真性能对比57-58
• 4.3 高阶MPPSK系统58-62
• 4.3.1 SVM高阶检测58-59
• 4.3.2 调制矩阵法59-60
• 4.3.3 性能仿真60-62
• 4.4 本章小结62-63
• 第五章 总结与展望63-65
• 5.1 全文总结63
• 5.2 研究展望63-65
• 致谢65-67
• 参考文献67-71
• 作者简介71

【相似文献】

中国期刊全文数据库 前10条

1 张滨;张峰干;蔡国新;任嘉伟;;卫星信号检测[J];中国有线电视;2009年01期

2 徐科军;;信号检测、处理及实现系列课程建设探讨[J];电气电子教学学报;2009年02期

3 户永清;;基于取样积分技术的混沌检测法与微弱正弦信号检测[J];绵阳师范学院学报;2009年08期

4 刘洋;张明;;“信号检测与处理”课群构建初探[J];沈阳教育学院学报;2010年01期

5 董智红;王剑;王X;孙昕;;伽利略搜救信号检测算法设计[J];北京理工大学学报;2010年08期

6 邵亚勇;竺小松;;基于递推最小二乘算法的小信号检测[J];信息与电子工程;2012年02期

7 朱才荣;;高职“工业信号检测与控制”课程项目化教学改革[J];中国电力教育;2012年19期

8 朱才荣;;高职《工业信号检测与控制》课程改革探索[J];职业教育研究;2013年04期

9 丛玉良;赵晓晖;周求湛;;信号检测与处理系列课程的建设与改革实践研究[J];长春工业大学学报(高教研究版);2013年03期

10 戴良铁;董利敏;邓鹤泉;;信号检测论在招聘和甄选中的应用探析[J];中国人力资源开发;2013年13期

中国重要会议论文全文数据库 前10条

1 杜雄;苏向丰;谢品芳;;用硬件实现的四重信号检测法及其在通信中的应用[A];四川省电工技术学会第七届学术年会论文集[C];2003年

2 张铎;;信号检测论在船舶了望中的应用[A];中国航海学会2007年度学术交流会优秀论文集[C];2007年

3 宋爱国;段江海;;混沌、随机共振在信号检测中的应用研究[A];第三次全国会员代表大会暨学术会议论文集[C];2002年

4 郑娜;;基于假设检验的信号检测[A];电波科学学报[C];2011年

5 马光彬;曹海燕;;基于OSIC的低复杂度MIMO检测算法[A];浙江省信号处理学会2012学术年会论文集[C];2012年

6 张维全;胡科强;;凸优化在水声脉冲信号检测中的应用[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

7 高源;李炜;;基于LabVIEW的异常信号检测研究[A];2011年全国通信安全学术会议论文集[C];2011年

8 陈帅;杨铁军;李媚;;一种改进型CHASE检测算法在MIMO-OFDM系统中的应用[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

9 刘竹青;陈奕宏;;抗混响信号检测的研究[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年

10 王春光;周正;;OFDM系统中的一种信号检测算法[A];第九届全国青年通信学术会议论文集[C];2004年

中国重要报纸全文数据库 前1条

1 江苏 陈广荣;小天鹅模糊洗衣机称重电路维修一例[N];电子报;2002年

中国博士学位论文全文数据库 前10条

1 黄敏;高速移动环境下信道估计及OFDM信号检测研究[D];西安电子科技大学;2015年

2 彭小庆;基于压缩感知的大型MIMO-OFDM系统的信号估计与检测[D];华中科技大学;2015年

3 郭心悦;基于信息交互理论的无线信号的迭代估计与检测[D];复旦大学;2008年

4 汤宏颖;提高微光信号检测灵敏度的新方法[D];天津大学;2012年

5 吴利平;复杂电磁环境下的信号检测与估计关键技术[D];西安电子科技大学;2011年

6 刘谦雷;MIMO通信系统信号检测算法研究[D];东南大学;2006年

7 申京;MIMO-OFDM系统中信道估计及信号检测算法的研究[D];北京邮电大学;2012年

8 蒋忠进;弹性波Chirp信号检测与时延估计研究[D];吉林大学;2004年

9 郑贱平;MIMO通信系统中的信号检测与预编码技术研究[D];西安电子科技大学;2008年

10 肖曼琳;车载认知无线电中的信号检测与参数估计技术研究[D];电子科技大学;2013年

中国硕士学位论文全文数据库 前10条

1 李燕;基于压缩感知的低截获概率雷达信号检测分析[D];南京理工大学;2015年

2 吴迪;Massive MIMO的信号检测算法研究[D];哈尔滨工业大学;2015年

3 王龙;压缩感知信号检测和参数估计方法研究[D];西安电子科技大学;2014年

4 李富强;信号检测和分离算法研究及其FPGA实现[D];西安电子科技大学;2014年

5 刘文广;MIMO-OFDM系统中信道估计与信号检测算法的研究[D];兰州交通大学;2015年

6 王晓天;面向5G的大规模MIMO信号检测算法研究[D];南京邮电大学;2015年

7 魏利霞;MIMO系统的信号检测算法研究[D];南京邮电大学;2015年

8 徐红梅;基于SVM多分类判决的MPPSK信号检测研究[D];东南大学;2015年

9 叶谱英;基于压缩传感的信号检测与分类算法研究[D];电子科技大学;2013年

10 谢丽华;基于虚拟仪器技术的信号检测课程演示和实验方法的研究[D];南京理工大学;2010年

，

本文编号：1066908