基于机器学习的数字调制识别技术研究

发布时间：2021-08-10 05:31

　　调制识别技术是指在非合作通信系统中,接收端在信号调制信息未知的情况下,判定接收信号调制样式的技术。随着人工智能技术的发展,将机器学习算法应用到调制识别领域已经成为了主流趋势。机器学习算法和传统调制识别算法相比,最大的优势在于出色的特征提取能力和分类能力。因此,本文对基于机器学习的数字信号调制识别技术进行了深入研究,主要成果如下:1.提出一种以多维度特征为输入的进化神经网络（Evolutional Neural Network,ENN）。该方法以信号的多种维度上的特征作为输入,基于遗传算法自动优化网络结构和优化超参数,进化出调制识别性能最优的神经网络。结果显示,在各个信噪比下,本文提出的方法调制识别准确率与传统方法比均有提升。2.从样本增强的角度出发,提出基于快速梯度攻击算法（Fast Gradient Sign Method,FGSM）的信号对抗样本的样本增强方法。该方法能够实现样本集的扩充和增强,训练更具鲁棒性和迁移性的卷积神经网络。结果显示,使用本文方法生成的对抗样本进行网络微调,能够有效缓解过拟合问题,提高低信噪比下调制识别准确率。3.从信号预处理的角度出发,提出连接型卷积降噪自... 

【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】：101 页

【学位级别】：硕士

【部分图文】：

基于最大似然

ü兰屏诵藕?幅度，并将估计参数用于HLRT的识别算法中，完成了BPSK和QPSK信号的分类[14]。基于最大似然比的调制识别方法的缺点是计算复杂度较大，需要大量先验信息以及进行复杂的似然函数计算和推导；另外该方法的适应性较差，且对参数估计的需求较高，一旦脱离了特定的通信场景框架，会导致调制识别准确率不够理想。1.2.2基于信号特征的模式识别方法基于信号特征的模式识别方法先通过人工设计的专家特征，提取信号在时域、频域或其他不同变换域上的特征参数，再通过模式识别领域的各种分类器对信号进行调制识别，如图1-2所示。信号的特征提取一般从5个角度进行：信号的瞬时统计特征、高阶累积量特征、星座图特征、变换域特征和循环平稳特征。待识别信号特征提取分类器设计识别结果图1-2基于信号特征的模式识别方法基于信号瞬时特征的方法，在信号的瞬时频率、瞬时幅度和瞬时相位上进行特征提龋1998年，Nandi等人提出了基于9种信号瞬时特征的参数提取方法，并通过决策树作为分类器，识别了13种通信信号[15]。以这些特征参数为基础，研究人员不断创新特征参量，同时对信号预处理方面进行了研究。Park等人提出了带宽占用比特征参数，实现了性能更佳的信号调制识别[16]。基于信号瞬时统计特征的调制识别方法的计算复杂度低，但是存在的问题在于该方法受信道、多径衰落等影响较大，在低信噪比下特征参数区分度低，导致低信噪比下识别性能不够理想。高阶累积量特征具有很好的抗噪声性能，这是因为高斯白噪声的高阶累积量为零。1986年，Hipp等人首次提出了使用信号的高阶累积量作为特征的调制识别方法，从此关于高阶累积量特征参数的研究得到了更多发展，并广泛应用于信号的调制识别算法中。Swami等人基于四阶累积量对MPSK和MQAM信号进行

基于深度学习

【参考文献】：
期刊论文
[1]通信信号调制识别技术及其发展[J]. 何继爱,张文启.  高技术通讯. 2016(02)
[2]通信信号调制方式识别方法综述[J]. 曾创展,贾鑫,朱卫纲.  通信技术. 2015(03)
[3]基于小波系数稀疏性的数字调制样式识别[J]. 赵知劲,胡俊伟.  杭州电子科技大学学报. 2014(02)
[4]一种改进的基于星座图的信号识别方法[J]. 牛景昌,王立宾.  无线电通信技术. 2013(05)
[5]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)
[6]认知无线网络:关键技术与研究现状[J]. 魏急波,王杉,赵海涛.  通信学报. 2011(11)
[7]信号调制识别在边境无线电监测工作中的应用[J]. 罗辉.  中国无线电. 2008(11)

博士论文
[1]非合作通信中信号检测及调制识别的关键技术研究[D]. 刘明骞.西安电子科技大学 2013
[2]衰落信道下非合作接收中调制识别技术研究[D]. 崔伟亮.解放军信息工程大学 2011
[3]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]通信信号的参数估计与调制识别[D]. 张雪静.重庆大学 2018
[2]数字通信信号调制方式自动识别方法的研究与应用[D]. 史甜姝.天津大学 2016



本文编号：3333561