基于FLOCS的图域自动调制识别算法研究
发布时间：2021-06-13 01:17
自动调制识别（Automatic Modulation Classification,AMC）是一种广泛应用于军事和民用领域的通信信号处理技术,采用预先设定的准则对带有噪声和干扰的接收信号调制类型做出判断。图域自动调制识别（Automatic Modulation Classification on Graph,AMCG）是一种新兴的AMC技术,目前尚未形成完善的理论体系,具有广阔的研究前景和极大的挖掘空间。它结合图域数字信号处理理论和AMC技术,将通信信号的调制识别问题从传统的时、频域推广到图域,建立信号的图域表示并从中提取稳定的特征,最终实现调制类型的准确识别。现有的AMCG算法通常以高斯白噪声为背景,然而实际通信环境并非都是符合高斯分布的,这种情况下已有的算法会产生性能衰退,因此非高斯噪声背景下的AMCG算法研究具有实际意义。本文依托于国家自然科学基金项目,以基于分数低阶循环谱（Fractional Lower Order Cyclic Spectrum,FLOCS）的图域自动调制识别算法为研究课题,开展以下研究工...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究历史与现状
1.2.1 Alpha稳定分布的研究历史与现状
1.2.2 AMC的研究历史与现状
1.2.3 AMC_G的研究历史与现状
1.3 研究内容
1.4 本文的结构安排
第二章 总体研究思路和理论基础
2.1 算法的总体方案设计
2.2 Alpha稳定分布的相关理论
2.2.1 Alpha稳定分布的定义
2.2.2 Alpha稳定分布的性质
2.2.3 Alpha稳定分布适合描述非高斯信道的原因
2.2.4 混合信噪比的概念
2.3 分数低阶循环谱的相关理论
2.3.1 分数低阶统计量理论
2.3.2 分数低阶循环谱
2.4 Kullback-Leibler散度的相关理论
2.4.1 Kullback-Leibler散度的概念
2.4.2 Kullback-Leibler散度的性质
2.5 本章小结
第三章 基于FLOCS的图域自动调制识别算法
3.1 基于FLOCS的图域映射及表示
3.1.1 接收信号FLOCS的计算
3.1.2 图域映射及表示
3.2 基于可变尺度调制备选集的图域特征自动提取算法
3.2.1 训练信号的图域特征提取
3.2.2 测试信号的图域特征提取
3.3 基于汉明距离的图域分类器
3.4 本章小结
第四章 基于FLOCS的图域自动调制识别算法的性能分析
4.1 Pcc理论估计方法
4.1.1 概率密度函数的估计
4.1.2 Pcc的理论估计
4.1.3 可变尺度调制备选集Pcc的理论估计
4.2 算法的计算复杂度分析
4.2.1 基于FLOCS的图域自动调制识别算法的计算复杂度
4.2.2 基于FLOCS直观特征的识别算法的计算复杂度
4.2.3 两种算法的计算复杂度对比
4.3 算法的可扩展性分析
4.3.1 原始调制备选集的图域特征库
4.3.2 调制备选集尺度增大时的图域特征库更新
4.3.3 调制备选集尺度减小时的图域特征库更新
4.4 本章总结
第五章 基于FLOCS的图域自动调制识别算法的仿真验证
5.1 基于FLOCS的图域自动调制识别算法的仿真验证与分析
5.1.1 FLOCS的有效性仿真验证分析
5.1.2 算法的识别性能仿真验证与分析
5.2 基于FLOCS的图域自动调制识别算法抗干扰性能仿真验证与分析
5.2.1 特征指数α对算法的影响
5.2.2 特征提取数目对算法的影响
5.2.3 采样点数对算法的影响
5.2.4 频偏对算法的影响
5.2.5 定时误差对算法的影响
5.2.6 算法的抗干扰性能分析
5.3 仿真条件下算法的计算复杂度
5.4 Pcc理论估计公式的仿真验证与分析
5.4.1 Pcc理论估计方法的有效性验证与分析
5.4.2 调制备选集尺度变化时Pcc理论估计方法的有效性验证与分析
5.5 本章总结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读专业硕士学位期间取得的成果
【参考文献】：
期刊论文
[1]认知电子战概念及关键技术[J]. 贾鑫,朱卫纲,曲卫,陈维高. 装备学院学报. 2015(04)
[2]利比亚战争中的电子战行动特点及启示[J]. 徐彬,杨晓彬,杨连山. 国防科技. 2011(06)
[3]军用软件无线电通信技术发展概述[J]. 宋春晨,宋清宇. 火力与指挥控制. 2008(12)
博士论文
[1]Alpha稳定分布噪声下通信信号调制识别研究[D]. 杨伟超.哈尔滨工程大学 2012
[2]数字通信信号调制识别算法研究[D]. 陈卫东.西安电子科技大学 2001
硕士论文
[1]α稳定分布噪声下数字调制信号的分数低阶循环谱分析[D]. 张娟娟.西安理工大学 2017
[2]基于循环平稳性的多制式宽带通信信号识别算法研究[D]. 冯国玉.电子科技大学 2017
本文编号：3226690
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究历史与现状
1.2.1 Alpha稳定分布的研究历史与现状
1.2.2 AMC的研究历史与现状
1.2.3 AMC_G的研究历史与现状
1.3 研究内容
1.4 本文的结构安排
第二章 总体研究思路和理论基础
2.1 算法的总体方案设计
2.2 Alpha稳定分布的相关理论
2.2.1 Alpha稳定分布的定义
2.2.2 Alpha稳定分布的性质
2.2.3 Alpha稳定分布适合描述非高斯信道的原因
2.2.4 混合信噪比的概念
2.3 分数低阶循环谱的相关理论
2.3.1 分数低阶统计量理论
2.3.2 分数低阶循环谱
2.4 Kullback-Leibler散度的相关理论
2.4.1 Kullback-Leibler散度的概念
2.4.2 Kullback-Leibler散度的性质
2.5 本章小结
第三章 基于FLOCS的图域自动调制识别算法
3.1 基于FLOCS的图域映射及表示
3.1.1 接收信号FLOCS的计算
3.1.2 图域映射及表示
3.2 基于可变尺度调制备选集的图域特征自动提取算法
3.2.1 训练信号的图域特征提取
3.2.2 测试信号的图域特征提取
3.3 基于汉明距离的图域分类器
3.4 本章小结
第四章 基于FLOCS的图域自动调制识别算法的性能分析
4.1 Pcc理论估计方法
4.1.1 概率密度函数的估计
4.1.2 Pcc的理论估计
4.1.3 可变尺度调制备选集Pcc的理论估计
4.2 算法的计算复杂度分析
4.2.1 基于FLOCS的图域自动调制识别算法的计算复杂度
4.2.2 基于FLOCS直观特征的识别算法的计算复杂度
4.2.3 两种算法的计算复杂度对比
4.3 算法的可扩展性分析
4.3.1 原始调制备选集的图域特征库
4.3.2 调制备选集尺度增大时的图域特征库更新
4.3.3 调制备选集尺度减小时的图域特征库更新
4.4 本章总结
第五章 基于FLOCS的图域自动调制识别算法的仿真验证
5.1 基于FLOCS的图域自动调制识别算法的仿真验证与分析
5.1.1 FLOCS的有效性仿真验证分析
5.1.2 算法的识别性能仿真验证与分析
5.2 基于FLOCS的图域自动调制识别算法抗干扰性能仿真验证与分析
5.2.1 特征指数α对算法的影响
5.2.2 特征提取数目对算法的影响
5.2.3 采样点数对算法的影响
5.2.4 频偏对算法的影响
5.2.5 定时误差对算法的影响
5.2.6 算法的抗干扰性能分析
5.3 仿真条件下算法的计算复杂度
5.4 Pcc理论估计公式的仿真验证与分析
5.4.1 Pcc理论估计方法的有效性验证与分析
5.4.2 调制备选集尺度变化时Pcc理论估计方法的有效性验证与分析
5.5 本章总结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读专业硕士学位期间取得的成果
【参考文献】：
期刊论文
[1]认知电子战概念及关键技术[J]. 贾鑫,朱卫纲,曲卫,陈维高. 装备学院学报. 2015(04)
[2]利比亚战争中的电子战行动特点及启示[J]. 徐彬,杨晓彬,杨连山. 国防科技. 2011(06)
[3]军用软件无线电通信技术发展概述[J]. 宋春晨,宋清宇. 火力与指挥控制. 2008(12)
博士论文
[1]Alpha稳定分布噪声下通信信号调制识别研究[D]. 杨伟超.哈尔滨工程大学 2012
[2]数字通信信号调制识别算法研究[D]. 陈卫东.西安电子科技大学 2001
硕士论文
[1]α稳定分布噪声下数字调制信号的分数低阶循环谱分析[D]. 张娟娟.西安理工大学 2017
[2]基于循环平稳性的多制式宽带通信信号识别算法研究[D]. 冯国玉.电子科技大学 2017
本文编号：3226690
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3226690.html
