發(fā)布時間：2023-04-29 20:43

　　在移動用戶目標系統(tǒng)(The Mobile User Objective System,MUOS)、國際空間數(shù)據(jù)系統(tǒng)咨詢委員會(Consultative Committee for Space Data Systems,CCSDS)衛(wèi)星通信系統(tǒng)中,如何實現(xiàn)信號的截獲識別;受噪聲干擾的信號識別;復雜環(huán)境的自適應智能通信,都是目前研究中亟待解決的熱點問題,其中信道編碼識別起著不可或缺的作用。傳統(tǒng)的信道編碼識別,一般較難滿足多種類型不同參數(shù)編碼的同時識別。而利用多維特征的神經(jīng)網(wǎng)絡模型的編碼識別,不僅可以為識別提供多角度信息,強化分類識別的效率和準確性,還可以同時完成信道編碼類型識別和參數(shù)估計。該技術(shù)的重點是,如何進行信號處理、特征提取、信號識別和模型設計。針對上述問題,本文進行了原理剖析、算法設計以及實驗仿真等,主要工作如下:1.參考CCSDS、WCDMA協(xié)議,仿真14種信道編碼信號和28種編碼調(diào)制信號,并對仿真數(shù)據(jù)進行驗證。2.提出一種RS碼與卷積碼的級聯(lián)碼的參數(shù)估計方法。通過對傳統(tǒng)信道編碼參數(shù)估計算法研究和實現(xiàn),針對級聯(lián)碼的參數(shù)估計算法進行改進,與級聯(lián)碼分級識別的算法相比計算復雜度降低了一...

【文章頁數(shù)】：103 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
縮略詞表
第一章 緒論
    1.1 研究背景、目的和意義
    1.2 編碼識別及參數(shù)估計技術(shù)概述
        1.2.1 編碼識別及參數(shù)估計技術(shù)研究現(xiàn)狀
        1.2.2 編碼調(diào)制信號聯(lián)合識別技術(shù)現(xiàn)狀
        1.2.3 編碼識別及參數(shù)估計技術(shù)應用難點
    1.3 本文的主要研究內(nèi)容
    1.4 本文的組織
第二章 信道編碼與調(diào)制技術(shù)
    2.1 信道編碼原理概述
    2.2 基于CCSDS協(xié)議的信道編碼原理
        2.2.1 RS碼
        2.2.2 卷積碼
        2.2.3 級聯(lián)碼
        2.2.4 LDPC碼
        2.2.5 turbo碼
    2.3 調(diào)制原理概述
    2.4 MUOS衛(wèi)星通信系統(tǒng)
        2.4.1 MUOS衛(wèi)星通信簡介
        2.4.2 衛(wèi)星WCDMA系統(tǒng)簡介
        2.4.3 WCDMA調(diào)制技術(shù)原理
    2.5 實驗結(jié)果及分析
    2.6 本章小結(jié)
第三章 信道編碼識別及特征提取算法仿真實現(xiàn)
    3.1 信道編碼識別及參數(shù)估計算法仿真實現(xiàn)
        3.1.1 高斯解方程算法的原理與實現(xiàn)
        3.1.2 walsh-hadamard算法的原理與實現(xiàn)
        3.1.3 GFFT算法的原理與實現(xiàn)
        3.1.4 歐幾里得識別算法的原理與實現(xiàn)
        3.1.5 RS與卷積碼的級聯(lián)碼參數(shù)估計算法設計與實現(xiàn)
    3.2 信道編碼特征提取算法設計與實現(xiàn)
        3.2.1 一種廣義碼重的特征提取算法
        3.2.2 一種碼重相似度的特征提取算法
        3.2.3 一種深度譜的特征提取算法
        3.2.4 一種GFFT的特征提取算法
        3.2.5 一種游程的特征提取算法
    3.3 實驗結(jié)果及分析
    3.4 本章小結(jié)
第四章 基于機器學習的信道編碼識別技術(shù)研究與實現(xiàn)
    4.1 機器學習與神經(jīng)網(wǎng)絡概述
    4.2 多維特征的編碼識別與參數(shù)估計模塊
        4.2.1 多維特征的編碼識別與參數(shù)結(jié)構(gòu)設計
        4.2.2 多維特征的神經(jīng)網(wǎng)絡模型設計與實現(xiàn)
        4.2.3 多維特征的神經(jīng)網(wǎng)絡模型的實現(xiàn)
    4.3 WCDMA實測數(shù)據(jù)分析處理
        4.3.1 WCDMA信號解析
    4.4 實驗結(jié)果及分析
    4.5 本章小結(jié)
第五章 基于機器學習的編碼調(diào)制的聯(lián)合識別技術(shù)研究與實現(xiàn)
    5.1 引言
    5.2 編碼調(diào)制的聯(lián)合識別技術(shù)模塊
        5.2.1 編碼調(diào)制信號模塊設計
        5.2.2 多維度輸入神經(jīng)網(wǎng)絡模型設計與實現(xiàn)
    5.3 WCDMA實測數(shù)據(jù)分析
    5.4 實驗結(jié)果及分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 結(jié)論
    6.2 工作展望
致謝
參考文獻
攻讀碩士學位期間取得的成果



本文編號：3805706