卫星通信系统中的干扰识别技术研究

发布时间：2021-06-26 01:59

　　随着通信技术的发展,卫星通信系统已经广泛应用于各个领域。但是由于卫星通信系统长期暴露于开放的环境中,容易受到复杂电磁环境的影响,干扰类型识别作为卫星通信系统抗干扰的重要组成部分,准确高效的识别干扰类型可为通信接收机选择干扰抑制消除方法提供支持,从而使抗干扰手段更加智能,提高卫星通信系统的性能。目前卫星通信系统中干扰识别技术的相关研究,仅将干扰和高斯噪声叠加在一起进行特征提取,仿真验证也仅针对干噪比JNR进行。由于通信信号的叠加会使干扰特征提取的准确度有所降低,所提取的干扰特征含义变得模糊,对干扰识别正确概率也会有一定影响。本文所研究的干扰识别算法均是以通信信号、干扰和高斯噪声叠加为前提,仿真分析也针对干信比JSR进行。另外,由于干扰特征提取方法繁琐、效率低,本文将深度学习中的卷积神经网络应用到干扰识别中,避免了显式的提取干扰特征参数,利用卷积神经网络隐式地提取干扰的局部特性并利用局部信息间的相关性特点,进行干扰识别。本文将BPSK调制的通信信号分别与七种典型干扰叠加,混合高斯白噪声进行干扰信号建模,分别从时域、频域以及变换域提取待识别干扰信号的八个特征参数,将无干扰信号和七种干扰信号一... 

【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】：74 页

【学位级别】：硕士

【部分图文】：

LeNet-5结构

西安电子科技大学硕士学位论文络的深层次学习可以很好地实现对复杂干扰信号的分类识别问题，多种复杂干扰下的干扰识别问题具有重要的意义。神经网络模型有很多，其中 CNN-VGG 网络模型于 2014 年在 Siman 中的论文中被提出[50]。2014 年，由牛津大学计算机视觉几何ryGroup,VGG)和 Google DeepMind 公司的研究员们一起研发的深度：VGGNet[51]，VGGNet 研究了卷积神经网络的深度对性能网络整，最终证明了更深层次的网络能够在一定程度上大幅度的降低错误性能提高很多。由于 VGG 良好的泛化性以及稳定的性能，它现在广泛的学习和使用。本文简单介绍 CNN-VGG 的网络结构，并在此扰识别的网络结构。CNN-VGG 网络的一个典型结构 VGG16 如图 4


本文编号：3250400