調(diào)制樣式識(shí)別是信號(hào)檢測(cè)和信號(hào)解調(diào)之間的重要環(huán)節(jié),是軟件無(wú)線電和非合作通信的關(guān)鍵技術(shù)之一,已有大量利用最大似然檢驗(yàn)理論和模式識(shí)別理論的調(diào)制樣式識(shí)別研究成果。近年來(lái)深度學(xué)習(xí)由于其優(yōu)異的特征提取能力,被應(yīng)用于各個(gè)領(lǐng)域。已有一些研究人員將深度學(xué)習(xí)方法應(yīng)用于調(diào)制樣式識(shí)別中,通常是利用特征參數(shù)作為輸入,這些方法性能受特征參數(shù)影響大,擴(kuò)展性差。最近國(guó)外研究者提出了直接利用信號(hào)數(shù)據(jù)和殘差神經(jīng)網(wǎng)絡(luò)的調(diào)制樣式識(shí)別方法,獲得了較好的識(shí)別性能。因此本文深入研究基于深度學(xué)習(xí)的調(diào)制樣式識(shí)別問(wèn)題,主要工作完成總結(jié)如下。首先,研究提出了采用混合受限玻爾茲曼機(jī)的調(diào)制樣式識(shí)別算法。針對(duì)常用的MPSK、MQAM和MAPSK等調(diào)制樣式的識(shí)別,根據(jù)信號(hào)模型詳細(xì)推導(dǎo)了MAPSK信號(hào)的高階矩計(jì)算公式,計(jì)算得到16APSK、32APSK、MQAM以及MPSK等信號(hào)各階累積量理論值。利用八階、六階、四階和二階累積量構(gòu)造了用于BPSK、QPSK、8PSK、16QAM、32QAM、16APSK和32APSK識(shí)別的兩種信號(hào)高階累積量特征參數(shù),采用混合受限玻爾茲曼機(jī)神經(jīng)網(wǎng)絡(luò)作為分類器進(jìn)行識(shí)別(FHRBM算法)。仿真結(jié)果表明:FHRBM算法識(shí)別...

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

圖3.1HRBM網(wǎng)絡(luò)模型

圖4.7基于卷積神經(jīng)網(wǎng)絡(luò)的調(diào)制樣式識(shí)別模型示意圖

本文編號(hào)：3885876