隨著數(shù)字信號調制方式愈加復雜多樣,自動調制方式識別（Automatic Modulation Classification,AMC）已成為一個重要研究課題。如何在現(xiàn)有調制方式識別技術的基礎上,提出一種信號處理更加簡單、識別結果更加準確的方法是調制方式識別領域亟待解決的問題。本文在現(xiàn)有AMC研究成果的基礎上,從簡化信號處理部分的工作量入手,探索將深度學習（Deep Learning,DL）應用到調制方式識別領域的方法和技術途徑。論文對DL中的深度置信網(wǎng)絡（Deep Belief Network,DBN）和卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network,CNN）進行了分析和研究,應用這兩種網(wǎng)絡對數(shù)字信號特征集進行特征提取和調制方式識別。論文主要研究內容如下:1、利用星座圖投影算法（Graphic Constellation Projection,GCP）將信號的星座圖投影到人工圖片上,然后將人工圖片送入到DBN中進行特征學習和識別,得到信號的調制方式。該方法的提出得益于DBN強大的圖片識別能力,仿真結果表明本方法的識別性能優(yōu)于對比方法中的性能。2、提出了一種基于幅度... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：93 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景和意義
    1.2 調制方式識別的發(fā)展
        1.2.1 最大似然信號識別方法發(fā)展過程
        1.2.2 統(tǒng)計模式信號識別方法發(fā)展過程
    1.3 深度學習的引入
    1.4 本文的主要工作和內容安排
第二章 信號調制模式和深度學習基本理論
    2.1 數(shù)字調制的原理
        2.1.1 MASK信號
        2.1.2 MPSK信號
        2.1.3 MFSK信號
        2.1.4 MQAM信號
    2.2 參數(shù)估計理論
        2.2.1 載波頻率的估計
        2.2.2 帶寬估計
        2.2.3 符號率估計
    2.3 深度學習理論基礎
        2.3.1 深度學習基本原理
        2.3.2 深度置信網(wǎng)絡
        2.3.3 卷積神經(jīng)網(wǎng)絡
        2.3.4 softmax回歸模型
    2.4 本章小結
第三章 基于GCP和DBN的調制方式識別方法
    3.1 系統(tǒng)模型和信號模型
        3.1.1 系統(tǒng)模型
        3.1.2 信號模型
        3.1.3 預處理模塊
    3.2 星座圖投影算法
        3.2.1 星座圖投影算法的提出
        3.2.2 星座圖投影算法的具體實施步驟
    3.3 深度置信網(wǎng)絡
        3.3.1 深度置信網(wǎng)絡訓練過程
        3.3.2 限制玻爾茲曼機進行無監(jiān)督特征學習
        3.3.3 深度神經(jīng)網(wǎng)絡有監(jiān)督分類訓練
    3.4 仿真結果分析
    3.5 本章小結
第四章 基于ASFPF和1D CNN的調制方式識別方法
    4.1 信號的幅度譜特征
    4.2 MPSK和MQAM信號的相位特征
    4.3 卷積神經(jīng)網(wǎng)絡識別過程
        4.3.1 卷積層
        4.3.2 全連接層
        4.3.3 輸出層
    4.4 識別步驟及仿真結果
        4.4.1 系統(tǒng)識別流程
        4.4.2 仿真結果
    4.5 本章小結
第五章 基于CNN的調制方式識別方法
    5.1 信號正交變換的基本理論
    5.2 卷積神經(jīng)網(wǎng)絡
        5.2.1 卷積神經(jīng)網(wǎng)絡的特點
        5.2.2 dropout策略
    5.3 卷積神經(jīng)網(wǎng)絡模型設計
        5.3.1 網(wǎng)絡結構
        5.3.2 Conv1卷積層的設計
        5.3.3 Conv2卷積層的設計
        5.3.4 Conv3卷積層的設計
        5.3.5 Conv4卷積層的設計
        5.3.6 Fc1全連接層設計
        5.3.7 Fc2全連接層設計
        5.3.8 輸出層設計
    5.4 算法流程
    5.5 實驗仿真及分析
    5.6 本章小結
第六章 回顧與展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]MQAM信號調制方式盲識別[J]. 張路平,王建新.  電子與信息學報. 2011(02)
[2]一種基于星座圖聚類的MQAM識別方法[J]. 侯健,王華奎.  無線電通信技術. 2009(03)
[3]高階QAM調制制式識別及其系統(tǒng)實現(xiàn)[J]. 胡登鵬,王世練,張爾揚.  飛行器測控學報. 2009(02)
[4]基于Hilbert變換的MQAM信號調制體制識別[J]. 奚家熹,王宗欣.  通信學報. 2007(06)
[5]衛(wèi)星通信常用調制方式的自動識別[J]. 范海波,楊志俊,曹志剛.  通信學報. 2004(01)

博士論文
[1]無線通信信號調制識別關鍵技術與理論研究[D]. 楊發(fā)權.西安電子科技大學 2015
[2]通信信號調制方式識別與參數(shù)估計研究[D]. 安金坤.西安電子科技大學 2011
[3]數(shù)字通信信號調制方式自動識別技術研究[D]. 楊琳.中國科學技術大學 2008

碩士論文
[1]數(shù)字通信信號的調制方式識別研究[D]. 位小記.哈爾濱工程大學 2011
[2]通信信號的特征分析、自動識別與參數(shù)提取[D]. 宋輝.南京理工大學 2003



本文編號：3499056