隨著通信技術(shù)的蓬勃發(fā)展,信號(hào)的調(diào)制方式變得多樣化和復(fù)雜化,大多數(shù)情況下,接收方不知道信號(hào)的調(diào)制信息,因此如何自動(dòng)識(shí)別接收信號(hào)的調(diào)制方式變得尤為重要。多進(jìn)制正交幅度調(diào)制信號(hào)（MQAM）具有較高的頻譜資源利用率,在無(wú)線廣播等領(lǐng)域得到了廣泛的應(yīng)用。由于淺層學(xué)習(xí)方法不能提取信號(hào)的深層特征且無(wú)法有效的解決復(fù)雜問(wèn)題,而且星座圖特征無(wú)法有效的表達(dá)重疊信號(hào)點(diǎn)及密集程度等特征,因此本文使用圖形星座投影（GCP）算法提取信號(hào)的圖像特征,作為卷積神經(jīng)網(wǎng)絡(luò)的輸入,對(duì)高斯噪聲信道中的MQAM信號(hào)進(jìn)行研究,主要研究?jī)?nèi)容如下:1、由于深度學(xué)習(xí)中常用的softmax loss損失函數(shù)只能使深層特征分離,沒(méi)有考慮到深層特征的分布關(guān)系,針對(duì)這個(gè)缺點(diǎn),將center loss深度度量學(xué)習(xí)和softmax loss相結(jié)合,提出一種新的MQAM信號(hào)識(shí)別方法,稱為基于深度度量學(xué)習(xí)的MQAM信號(hào)識(shí)別方法。centerloss度量學(xué)習(xí)可以刻畫(huà)樣本深層特征的類內(nèi)離散度,因此兩個(gè)損失函數(shù)相結(jié)合可以使得深層特征類內(nèi)離散度小,類間離散度大,從而使卷積神經(jīng)網(wǎng)絡(luò)學(xué)到的特征更具有判別性。本文在4QAM,8QAM,16QAM,32QAM,64QAM... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 最大似然假設(shè)檢驗(yàn)方法
        1.2.2 統(tǒng)計(jì)模式識(shí)別方法
    1.3 本文的研究?jī)?nèi)容及章節(jié)安排
第二章 調(diào)制信號(hào)識(shí)別基本理論
    2.1 MQAM信號(hào)基本理論
        2.1.1 MQAM信號(hào)基本概念
        2.1.2 MQAM信號(hào)調(diào)制解調(diào)原理
    2.2 MQAM信號(hào)特征分析
    2.3 淺層學(xué)習(xí)分類器
    2.4 深度學(xué)習(xí)
        2.4.1 深度神經(jīng)網(wǎng)絡(luò)
        2.4.2 深度信念網(wǎng)絡(luò)
        2.4.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.4 深度學(xué)習(xí)Caffe框架概述
    2.5 本章小結(jié)
第三章 基于深度度量學(xué)習(xí)的MQAM信號(hào)識(shí)別
    3.1 引言
    3.2 接收信號(hào)模型
    3.3 圖形星座投影算法
    3.4 softmax loss損失函數(shù)
    3.5 基于深度度量學(xué)習(xí)的調(diào)制識(shí)別
        3.5.1 系統(tǒng)模型
        3.5.2 目標(biāo)函數(shù)
        3.5.3 目標(biāo)函數(shù)求解
    3.6 實(shí)驗(yàn)仿真及結(jié)果分析
    3.7 本章小結(jié)
第四章 基于深度度量學(xué)習(xí)和特征選擇的MQAM信號(hào)識(shí)別
    4.1 引言
    4.2 基于深度度量學(xué)習(xí)和特征選擇的CNN
        4.2.1 系統(tǒng)模型
        4.2.2 目標(biāo)函數(shù)
    4.3 實(shí)驗(yàn)仿真及結(jié)果分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]基于高階累積量和循環(huán)譜的信號(hào)調(diào)制方式混合識(shí)別算法[J]. 趙雄文,郭春霞,李景春.  電子與信息學(xué)報(bào). 2016(03)
[2]認(rèn)知無(wú)線電中非高斯噪聲下數(shù)字調(diào)制信號(hào)識(shí)別方法[J]. 劉明騫,李兵兵,曹超鳳,李釗.  通信學(xué)報(bào). 2014(01)
[3]使用小波變換的MPSK信號(hào)調(diào)制類型識(shí)別[J]. 胡建偉,湯建龍,楊紹全.  電路與系統(tǒng)學(xué)報(bào). 2006(03)



本文編號(hào)：3158367