在現(xiàn)代信息化戰(zhàn)爭中,電磁環(huán)境越來越復(fù)雜,雷達輻射源個體識別越來越具有實戰(zhàn)意義。個體識別是對具有不同細微個體差異性的輻射源進行細致表征和識別的過程,側(cè)重點已經(jīng)不再局限于對電磁信號的參數(shù)測量和調(diào)制方式識別,而是重點反映物理設(shè)備固有的附加調(diào)制特征,該特征不隨調(diào)制參數(shù)的改變而改變,具有表征設(shè)備個體的“指紋”特性。寬帶射頻功率放大器是雷達和通信系統(tǒng)中常見的基本組成部分之一,常常會蘊含個體特征,對其記憶效應(yīng)、非線性失真等行為特性進行分析和對功率放大器進行個體識別具有重要意義。針對以上問題,本文利用深度神經(jīng)網(wǎng)絡(luò)模型自提取特征的特點來對寬帶射頻功率放大器進行個體識別,同時利用特征解譯算法對網(wǎng)絡(luò)模型輸出結(jié)果做到可解釋,本文工作如下:首先,介紹了課題背景;對國內(nèi)外的射頻功率放大器行為建模、神經(jīng)網(wǎng)絡(luò)模型研究和深度神經(jīng)網(wǎng)絡(luò)模型可解釋性研究發(fā)展現(xiàn)狀進行綜述;提出了本課題的研究內(nèi)容。其次,分析了寬帶射頻功率放大器的非線性失真行為,其中諧波失真、互調(diào)失真和記憶效應(yīng)是主要的失真行為;利用Matlab建立寬帶射頻功率放大器非線性行為模型同時利用ADS設(shè)計寬帶射頻功率放大器電路分別在軟件和硬件層面仿真了寬帶射頻功率放大器... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來源及意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
        1.2.1 寬帶射頻功率放大器行為模型的國內(nèi)外研究現(xiàn)狀
        1.2.2 功率放大器個體識別研究現(xiàn)狀
        1.2.3 神經(jīng)網(wǎng)絡(luò)模型解譯研究現(xiàn)狀
    1.3 本論文的主要研究內(nèi)容
        1.3.1 本文研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)
第2章 深度學(xué)習基本理論及網(wǎng)絡(luò)模型解譯算法
    2.1 引言
    2.2 機器學(xué)習在信號識別中的應(yīng)用
        2.2.1 監(jiān)督學(xué)習在信號識別中的應(yīng)用
        2.2.2 無監(jiān)督學(xué)習在信號識別中的應(yīng)用
        2.2.3 半監(jiān)督學(xué)習在信號識別領(lǐng)域中的應(yīng)用
    2.3 深度學(xué)習理論
        2.3.1 非線性激活函數(shù)
        2.3.2 最優(yōu)化準則
        2.3.3 反向傳播算法
        2.3.4 常用神經(jīng)網(wǎng)絡(luò)模型
    2.4 常用模型解譯算法
    2.5 本章小結(jié)
第3章 功率放大器非線性失真行為仿真研究
    3.1 引言
    3.2 功率放大器行為建模
        3.2.1 無記憶功率放大器模型
        3.2.2 有記憶功率放大器模型
        3.2.3 基于Matlab的功率放大器PH模型建立
        3.2.4 基于ADS的功率放大器電路搭建
    3.3 非線性失真仿真
    3.4 本章小結(jié)
第4章 寬帶射頻功率放大器個體識別以及模型解譯
    4.1 數(shù)據(jù)預(yù)處理
    4.2 網(wǎng)絡(luò)模型選取以及結(jié)構(gòu)設(shè)計
    4.3 網(wǎng)絡(luò)模型訓(xùn)練及個體識別
    4.4 卷積神經(jīng)網(wǎng)絡(luò)模型解譯
    4.5 本章小結(jié)
結(jié)論
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)識別重力異常體[J]. 王逸宸,柳林濤,許厚澤.  物探與化探. 2020(02)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)輻射源信號識別算法[J]. 葉文強,俞志富,王虎幫,張奎.  計算機仿真. 2019(09)
[3]Visual interpretability for deep learning:a survey[J]. Quan-shi ZHANG,Song-chun ZHU.  Frontiers of Information Technology & Electronic Engineering. 2018(01)
[4]基于深度反卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法[J]. 彭亞麗,張魯,張鈺,劉侍剛,郭敏.  軟件學(xué)報. 2018(04)
[5]射頻器件時域非線性行為建模綜述[J]. 孫金龍,林茂六,吳芝路.  電子測量與儀器學(xué)報. 2015(11)
[6]基于改進Fisher準則的深度卷積神經(jīng)網(wǎng)絡(luò)識別算法[J]. 孫艷豐,齊光磊,胡永利,趙璐.  北京工業(yè)大學(xué)學(xué)報. 2015(06)
[7]深度學(xué)習研究進展[J]. 郭麗麗,丁世飛.  計算機科學(xué). 2015(05)
[8]基于MATLAB的功率放大器行為級建模方法研究[J]. 董一伯,劉久文,鄒世源.  電子測量技術(shù). 2013(01)
[9]基于成對約束的判別型半監(jiān)督聚類分析[J]. 尹學(xué)松,胡思良,陳松燦.  軟件學(xué)報. 2008(11)
[10]基于MATLAB的RF功率放大器互調(diào)失真仿真分析[J]. 黃丹,鄔書躍,田新廣.  通信技術(shù). 2003(04)

博士論文
[1]射頻功放數(shù)字預(yù)失真線性化技術(shù)研究[D]. 詹鵬.電子科技大學(xué) 2012
[2]寬帶通信中有記憶射頻功率放大器的建模與預(yù)失真方法[D]. 金哲.浙江大學(xué) 2007

碩士論文
[1]基于深度學(xué)習的雷達輻射源識別技術(shù)[D]. 冷鵬飛.中國艦船研究院 2018
[2]射頻功率放大器最優(yōu)行為模型的選取與指紋特征的識別[D]. 黃雨佳.中國工程物理研究院 2016



本文編號：3438186