基于深度学习的通信信号调制识别技术研究

发布时间：2021-07-20 02:38

　　电子战的非合作通信场景下,接收到的通信信号调制方式未知,调制识别是信号解调的关键。民用领域,近年来快速发展的智能接收机对自适应解调的需要越来越高,如何高效的调制识别成为军用民用通信领域急需解决的问题。电磁环境日益复杂,接收信号的信噪比范围更大,传统调制识别存在噪声鲁棒性弱和特征提取难的问题。同时,存在同信道多个待识别信号时域、频域、空域均混叠的情况,此时传统的信号分离后识别办法失效,需要寻找直接识别方法。针对这两个问题,本文拟研究基于深度学习的通信信号调制识别算法,主要包括以下几个内容:首先,以具有调制识别功能的宽带中频软件无线电接收机为基础,结合实际通信信号的制式、参数、信道条件搭建大范围信噪比以及混叠情况的信号模型并生成本文算法使用的数据集。第二,利用卷积神经网络自动提取特征的方法,提取时域信号特征并利用网络最后一层实现信号调制分类,解决单一感兴趣信号信噪比变化范围大时传统特征失效导致系统噪声鲁棒性差的问题。第三,基于胶囊网络的并存信号调制识别算法,通过两种路由方式,动态路由和EM路由,解决同信道信号时频空域混叠,待识别信号不固定,且均感兴趣其调制方式的问题,目的是提高识别准确率,... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

调制识别接收机模型

哈尔滨工业大学工学硕士学位论文-29-表3-3CNN_v2inception模块结构(a)损失函数(b)测试集上正确率图3-2训练过程损失函数和测试正确率输入参数:01234fs=fs,fs,fs,fs,fs,height=2,012w=w,w,w,input序号层名类型参数连接的层名1tower_1conv()0fs,2,1,1input2tower_2conv()2fs,2,1,1input3tower_2conv()30fs,2,w,1tower_24tower_3conv()2fs,2,1,1input5tower_3conv()31fs,2,w,1tower_36tower_4max_pooling(3,1)input7tower_4conv()4fs,1,1,1tower_48tower_5conv()2fs,2,1,1input9tower_5conv()32fs,1,w,1tower_510concatenateconcatenateNonetower_1-tower_5

CNN_v2网络层结构

【参考文献】：
期刊论文
[1]一种改进的认知无线电调制识别方法研究[J]. 胡宗恺,熊刚.  通信技术. 2018(05)
[2]单通道混合信号调制识别[J]. 张洋,彭华.  信息工程大学学报. 2016(06)
[3]盲接收条件下单信道时频混叠信号的调制识别[J]. 张红超,欧阳喜,张冬玲.  信息工程大学学报. 2016(01)
[4]基于GAR的同信道多信号的调制识别[J]. 陆明泉,肖先赐.  清华大学学报(自然科学版). 2009(10)

博士论文
[1]单通道时频混叠通信信号盲分离研究[D]. 赵宇峰.中国科学技术大学 2015
[2]数字中频接收机关键技术研究[D]. 杨水旺.哈尔滨工业大学 2007

硕士论文
[1]基于机器学习的无线电监测技术研究[D]. 鲁广成.北京邮电大学 2019
[2]基于机器学习的高阶调制信号识别技术研究[D]. 姜轶洲.北京邮电大学 2019
[3]基于深度学习的调制识别技术研究[D]. 赵纪伟.西安电子科技大学 2018
[4]基于深度学习的自动调制识别技术研究[D]. 郭有为.中国工程物理研究院 2018
[5]卫星测控信号调制识别技术研究[D]. 刘春桃.国防科技大学 2017
[6]面向测控信号侦察的调制样式识别方法[D]. 孙侃.哈尔滨工程大学 2018
[7]基于通信信号识别技术的星载接收机的设计与实现[D]. 陈磊.电子科技大学 2016
[8]多信号调制识别算法研究[D]. 杜宇.哈尔滨工程大学 2013
[9]单通道时频混叠信号调制识别与参数估计研究与实现[D]. 吴量.解放军信息工程大学 2012



本文编号：3291947