基于深度学习的数字信号调制方式识别方法研究

发布时间：2021-11-16 14:20

　　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DBN中进行特征学习和识别,得到信号的调制方式。该方法的提出得益于DBN强大的图片识别能力,仿真结果表明本方法的识别性能优于对比方法中的性能。2、提出了一种基于幅度... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：93 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景和意义
    1.2 调制方式识别的发展
        1.2.1 最大似然信号识别方法发展过程
        1.2.2 统计模式信号识别方法发展过程
    1.3 深度学习的引入
    1.4 本文的主要工作和内容安排
第二章 信号调制模式和深度学习基本理论
    2.1 数字调制的原理
        2.1.1 MASK信号
        2.1.2 MPSK信号
        2.1.3 MFSK信号
        2.1.4 MQAM信号
    2.2 参数估计理论
        2.2.1 载波频率的估计
        2.2.2 带宽估计
        2.2.3 符号率估计
    2.3 深度学习理论基础
        2.3.1 深度学习基本原理
        2.3.2 深度置信网络
        2.3.3 卷积神经网络
        2.3.4 softmax回归模型
    2.4 本章小结
第三章 基于GCP和DBN的调制方式识别方法
    3.1 系统模型和信号模型
        3.1.1 系统模型
        3.1.2 信号模型
        3.1.3 预处理模块
    3.2 星座图投影算法
        3.2.1 星座图投影算法的提出
        3.2.2 星座图投影算法的具体实施步骤
    3.3 深度置信网络
        3.3.1 深度置信网络训练过程
        3.3.2 限制玻尔兹曼机进行无监督特征学习
        3.3.3 深度神经网络有监督分类训练
    3.4 仿真结果分析
    3.5 本章小结
第四章 基于ASFPF和1D CNN的调制方式识别方法
    4.1 信号的幅度谱特征
    4.2 MPSK和MQAM信号的相位特征
    4.3 卷积神经网络识别过程
        4.3.1 卷积层
        4.3.2 全连接层
        4.3.3 输出层
    4.4 识别步骤及仿真结果
        4.4.1 系统识别流程
        4.4.2 仿真结果
    4.5 本章小结
第五章 基于CNN的调制方式识别方法
    5.1 信号正交变换的基本理论
    5.2 卷积神经网络
        5.2.1 卷积神经网络的特点
        5.2.2 dropout策略
    5.3 卷积神经网络模型设计
        5.3.1 网络结构
        5.3.2 Conv1卷积层的设计
        5.3.3 Conv2卷积层的设计
        5.3.4 Conv3卷积层的设计
        5.3.5 Conv4卷积层的设计
        5.3.6 Fc1全连接层设计
        5.3.7 Fc2全连接层设计
        5.3.8 输出层设计
    5.4 算法流程
    5.5 实验仿真及分析
    5.6 本章小结
第六章 回顾与展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]MQAM信号调制方式盲识别[J]. 张路平,王建新.  电子与信息学报. 2011(02)
[2]一种基于星座图聚类的MQAM识别方法[J]. 侯健,王华奎.  无线电通信技术. 2009(03)
[3]高阶QAM调制制式识别及其系统实现[J]. 胡登鹏,王世练,张尔扬.  飞行器测控学报. 2009(02)
[4]基于Hilbert变换的MQAM信号调制体制识别[J]. 奚家熹,王宗欣.  通信学报. 2007(06)
[5]卫星通信常用调制方式的自动识别[J]. 范海波,杨志俊,曹志刚.  通信学报. 2004(01)

博士论文
[1]无线通信信号调制识别关键技术与理论研究[D]. 杨发权.西安电子科技大学 2015
[2]通信信号调制方式识别与参数估计研究[D]. 安金坤.西安电子科技大学 2011
[3]数字通信信号调制方式自动识别技术研究[D]. 杨琳.中国科学技术大学 2008

硕士论文
[1]数字通信信号的调制方式识别研究[D]. 位小记.哈尔滨工程大学 2011
[2]通信信号的特征分析、自动识别与参数提取[D]. 宋辉.南京理工大学 2003



本文编号：3499056