基于深度学习的通信信号调制方式识别关键技术研究
发布时间：2021-11-22 17:11
调制识别技术是指在有限或者没有先验信息的条件下,识别接收到的未知信号调制方式。调制识别技术在军用和民用领域都有着广泛的应用。在军用领域,例如,在电子对抗中,一般需要调制识别技术对非合作方信号的调制方式进行识别,为后续的对其信号其他参数的获取打下基础;在获取信号的详细参数之后,即可有针对性的采取干扰措施,或者对其信号进行解调,获取其传输的信息。在民用领域,电磁频谱的监管需要调制识别技术的支撑,例如,当电磁频谱被未知信号非法占用时,需要调制识别技术对未知信号的调制方式进行识别,以对未知信号进行进一步的识别。根据是否应用深度学习算法,可以将现有的调制识别算法分成两大类:经典调制识别算法和基于深度学习的智能调制识别算法。经典的调制识别算法经过半个世纪的发展,目前已经遇到了一些瓶颈,例如,难以复杂调制方式,难以适应复杂电磁环境等问题;基于深度学习的智能调制识别算法是将深度学习算法引入到调制识别领域,由于此类算法正处于发展初期,故其仍然存在一些漏洞,例如,算法泛化能力较弱,缺少算法预处理筛选机制等问题。本文主要针对上述调制识别领域存在的问题展开研究。对于复杂调制方式难以识别和复杂电磁环境难以适应的...
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
军用信号分析系统
国防科技大学研究生院硕士学位论文第2页扰信号一般与己方通信信号处于同一频带内，且干扰信号的功率相对较大，并且干扰信号的调制方式与己方通信信号的调制方式一致。一个有效的电子防护策略是，对敌方的电子攻击措施进行检测分析[7]，然后采取相应的措施规避敌方的电子攻击。例如，通过调制识别技术识别检测到的敌方干扰信号的调制方式，然后相应的改变己方通信信号的调制方式，以规避敌方干扰信号的影响。图2自适应链路系统在民用领域，调制识别技术的一个最重要的应用就是自适应链路。如图2所示，即为一个自适应链路系统，此系统与普通通信系统的最大区别在于其信号调制模块可自适应的对信号进行调制。所谓自适应的对信号进行调制，即根据相关的信息，从候选的调制方式集合中选择一种调制方式，对信号进行调制。对于调制方式的选择，则要根据系统的要求以及信道的状态等信息。例如，当信道有较强的噪声干扰时，为了提高通信传输的可靠性，一般选择比较稳健的调制方式，例如低阶的BPSK和QPSK；当对信息的传输速率要求较高且信道噪声较小时，一般选择信息传输速率较高的调制方式，例如高阶的16QAM和64QAM[8]。在自适应链路系统的接收机对于候选调制方式集合是已知的，在自适应链路系统通信过程中，发射端并不会告知接收机当前采用的调制方式，接收机是通过调制识别技术识别当前信号采用的调制方式。为了决定采用何种调制方式，接收机将会在通信开始之前首先对信道状态进行评估；如果信道是稳定的，则只在系统初始化时对信道进行评估，如果信道是时变的，则在通信过程中需要不断对信号进行评估；在完成信道状态评估之后，系统发射端将会根据信道状态和其他的一些信息，选择信号的调制方式。另一方面，信道参数的估计也可以辅助调制识别模块实?
国防科技大学研究生院硕士学位论文第4页图4运用基于决策理论的最大似然假设检验方法流程图按照在计算似然函数时，对未知参数处理方式的不同，基于决策理论的最大似然假设检验方法可以被分为三类：平均似然比检测（ALRT），广义似然比检测（GLRT）和混合似然比检测（HLRT）[45]。ML算法，也就是基于决策理论的最大似然假设检验方法，此类算法算法的主要思想是借助概率论和贝叶斯理论，根据信号的调制方式实现对信号的分类，即实现调制方式的识别。虽然从贝叶斯估计的意义上来说，ML算法的分类结果是最优的，但是，在具体实现时，ML算法也存在一定的问题。一是此类算法需要的先验信息较多，需要在进行调制方式识别之前，对信号进行较多参数的估计。但是，在调制方式未知的情况下，对信号参数的估计也存在一定的困难。故ML算法在具体实现时会有一定的困难。二是ML算法的计算量一般相对其他种类的算法要大一些，造成计算量较大的原因主要是会有一些参数难以估计，只能按照未知参数处理。如果不考虑未知参数，直接对ML算法进行简化，则会导致识别效果下降[46]。1.2.1.2基于特征提取的模式识别方法如图5所示，基于特征提取的模式识别方法主要组成部分是特征提取和模式识别。特征提取这部分通过对信号进行一定的变换和处理，将待识别信号转换到某种变换域上，在此变换域上，不同调制方式的信号具有可分性，即此种特征可以将不同调制方式的信号区分开来。模式识别是利用特征提取部分提取到的特征，运用一定的分类器，对特征进行分类，以最终实现调制方式的识别。图5基于特征提取的模式识别方法流程图对于FB算法，即运用特征提取方法实现调制识别的算法，此类算法识别效果较好，学界研究成果较多。按照提取的特征的不同，FB算法可以分为以下几类：
本文编号：3512122
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
军用信号分析系统
国防科技大学研究生院硕士学位论文第2页扰信号一般与己方通信信号处于同一频带内，且干扰信号的功率相对较大，并且干扰信号的调制方式与己方通信信号的调制方式一致。一个有效的电子防护策略是，对敌方的电子攻击措施进行检测分析[7]，然后采取相应的措施规避敌方的电子攻击。例如，通过调制识别技术识别检测到的敌方干扰信号的调制方式，然后相应的改变己方通信信号的调制方式，以规避敌方干扰信号的影响。图2自适应链路系统在民用领域，调制识别技术的一个最重要的应用就是自适应链路。如图2所示，即为一个自适应链路系统，此系统与普通通信系统的最大区别在于其信号调制模块可自适应的对信号进行调制。所谓自适应的对信号进行调制，即根据相关的信息，从候选的调制方式集合中选择一种调制方式，对信号进行调制。对于调制方式的选择，则要根据系统的要求以及信道的状态等信息。例如，当信道有较强的噪声干扰时，为了提高通信传输的可靠性，一般选择比较稳健的调制方式，例如低阶的BPSK和QPSK；当对信息的传输速率要求较高且信道噪声较小时，一般选择信息传输速率较高的调制方式，例如高阶的16QAM和64QAM[8]。在自适应链路系统的接收机对于候选调制方式集合是已知的，在自适应链路系统通信过程中，发射端并不会告知接收机当前采用的调制方式，接收机是通过调制识别技术识别当前信号采用的调制方式。为了决定采用何种调制方式，接收机将会在通信开始之前首先对信道状态进行评估；如果信道是稳定的，则只在系统初始化时对信道进行评估，如果信道是时变的，则在通信过程中需要不断对信号进行评估；在完成信道状态评估之后，系统发射端将会根据信道状态和其他的一些信息，选择信号的调制方式。另一方面，信道参数的估计也可以辅助调制识别模块实?
国防科技大学研究生院硕士学位论文第4页图4运用基于决策理论的最大似然假设检验方法流程图按照在计算似然函数时，对未知参数处理方式的不同，基于决策理论的最大似然假设检验方法可以被分为三类：平均似然比检测（ALRT），广义似然比检测（GLRT）和混合似然比检测（HLRT）[45]。ML算法，也就是基于决策理论的最大似然假设检验方法，此类算法算法的主要思想是借助概率论和贝叶斯理论，根据信号的调制方式实现对信号的分类，即实现调制方式的识别。虽然从贝叶斯估计的意义上来说，ML算法的分类结果是最优的，但是，在具体实现时，ML算法也存在一定的问题。一是此类算法需要的先验信息较多，需要在进行调制方式识别之前，对信号进行较多参数的估计。但是，在调制方式未知的情况下，对信号参数的估计也存在一定的困难。故ML算法在具体实现时会有一定的困难。二是ML算法的计算量一般相对其他种类的算法要大一些，造成计算量较大的原因主要是会有一些参数难以估计，只能按照未知参数处理。如果不考虑未知参数，直接对ML算法进行简化，则会导致识别效果下降[46]。1.2.1.2基于特征提取的模式识别方法如图5所示，基于特征提取的模式识别方法主要组成部分是特征提取和模式识别。特征提取这部分通过对信号进行一定的变换和处理，将待识别信号转换到某种变换域上，在此变换域上，不同调制方式的信号具有可分性，即此种特征可以将不同调制方式的信号区分开来。模式识别是利用特征提取部分提取到的特征，运用一定的分类器，对特征进行分类，以最终实现调制方式的识别。图5基于特征提取的模式识别方法流程图对于FB算法，即运用特征提取方法实现调制识别的算法，此类算法识别效果较好，学界研究成果较多。按照提取的特征的不同，FB算法可以分为以下几类：
本文编号：3512122
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3512122.html
