調(diào)制識別技術(shù)在商業(yè)領(lǐng)域和軍用領(lǐng)域均具備重要的應(yīng)用價值。調(diào)制識別技術(shù)可以分為基于似然比的調(diào)制識別和基于信號特征的調(diào)制識別。因為基于似然比的調(diào)制識別技術(shù)計算復(fù)雜度過高,所以基于信號特征的調(diào)制識別技術(shù)通常應(yīng)用更加廣泛。傳統(tǒng)的基于信號特征的調(diào)制識別技術(shù)首先設(shè)計并提取信號特征,然后設(shè)計分類規(guī)則對信號特征進行調(diào)制制式分類,手工設(shè)計的信號特征和分類規(guī)則通常在復(fù)雜信道環(huán)境下的識別準確率有限。因此,基于深度學習的調(diào)制識別技術(shù)被提出,用于從特征數(shù)據(jù)中自動學習分類規(guī)則以提高分類準確率。隨著近年來深度學習領(lǐng)域的發(fā)展,深度學習算法廣泛應(yīng)用于計算機視覺,自然語言處理等領(lǐng)域并取得突出的性能。在調(diào)制識別領(lǐng)域,利用最新的深度學習算法可以同時完成信號特征和分類規(guī)則的自動學習,進一步提高調(diào)制識別性能。首先,本論文研究了使用信號特征與全連接神經(jīng)網(wǎng)絡(luò)(Fully-Connected Neural Network,FCNN)分類器的調(diào)制識別技術(shù)。理論分析和仿真結(jié)果表明,全連接神經(jīng)網(wǎng)絡(luò)分類器相對于手工設(shè)計的分類規(guī)則具備更好的分類準確率。然后,本論文研究了基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)的調(diào)制識別技術(shù)。理論分析和仿真結(jié)果表明,經(jīng)過良好設(shè)計與訓練的CNN能同時完成特征提取與分類識別功能,CNN提取的特征相對于傳統(tǒng)信號特征具備更好的調(diào)制識別性能。在此基礎(chǔ)上,本論文進一步研究了訓練集對CNN的影響。理論分析和仿真結(jié)果表明,具備多樣性的訓練集能提升CNN的調(diào)制識別魯棒性。最后,本論文研究了基于CNN的調(diào)制識別技術(shù)中存在的信道環(huán)境變化帶來的調(diào)制識別性能下降問題。本論文結(jié)合遷移學習(Transfer Learning,TL)理論,提出了三種基于CNN的遷移學習方法。理論分析和仿真結(jié)果表明,本論文提出的第一類遷移學習方法,在新信道環(huán)境下總是具備最優(yōu)的調(diào)制識別性能。本論文提出的第二類遷移學習方法,在新信道環(huán)境下的訓練數(shù)據(jù)充足時,具備最優(yōu)的調(diào)制識別性能,同時收斂更快。本論文提出的第三類遷移學習方法,在新信道環(huán)境下訓練數(shù)據(jù)適中時,具備次優(yōu)的調(diào)制識別性能,同時收斂更快。
【學位單位】：電子科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TN911.3;TP18
【部分圖文】：

能量檢測、調(diào)制識別和信號檢測之間的關(guān)系

全連接神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

基于四階累積量與全連接神經(jīng)網(wǎng)絡(luò)的調(diào)制識別算法…42Pc–16QAM
【相似文獻】

相關(guān)期刊論文 前10條

1 劉橋平;邱昕;郭瑞;;基于深度神經(jīng)網(wǎng)絡(luò)的自動調(diào)制識別[J];電子設(shè)計工程;2019年23期

2 劉瑩;單洪;胡以華;王勇;;基于譜分析的衛(wèi)星通信調(diào)制識別算法[J];火力與指揮控制;2017年01期

3 何斌;;基于高階累積量的調(diào)制識別技術(shù)的研究[J];信息通信;2017年01期

4 單琳娜;;關(guān)于通信信號調(diào)制識別技術(shù)的分析研究[J];科技資訊;2012年32期

5 游偉;周先敏;;模擬調(diào)制信號的自動調(diào)制識別[J];信號處理;2009年01期

6 呂杰,張勝付,張克,邵偉華,谷明;移動通信信號自動調(diào)制識別的譜相關(guān)方法[J];電訊技術(shù);1999年02期

7 陸明泉;肖先賜;;同信道多信號的調(diào)制識別方法[J];清華大學學報(自然科學版)網(wǎng)絡(luò).預(yù)覽;2009年10期

8 李唱白;楊杰;黃知濤;王翔;;基于深度學習的通信信號調(diào)制識別算法[J];空間電子技術(shù);2019年01期

9 王東旭;陳殿仁;李興廣;陳磊;;基于小波變換的調(diào)制識別算法[J];數(shù)字技術(shù)與應(yīng)用;2017年01期

10 周玫汝;;數(shù)字通信信號自動調(diào)制識別技術(shù)研究[J];數(shù)碼世界;2018年05期

相關(guān)博士學位論文 前10條

1 謝李晉;基于壓縮感知的通信信號識別技術(shù)研究[D];電子科技大學;2018年

2 韓鋼;自適應(yīng)單載波、多載波調(diào)制中信號盲檢測技術(shù)研究[D];西安電子科技大學;2003年

3 張煒;數(shù)字通信信號調(diào)制方式自動識別研究[D];國防科學技術(shù)大學;2006年

4 王彬;無線衰落信道中的調(diào)制識別、信道盲辨識和盲均衡技術(shù)研究[D];解放軍信息工程大學;2007年

5 胡國兵;雷達信號調(diào)制識別相關(guān)技術(shù)研究[D];南京航空航天大學;2011年

6 安琦;信號偵收中的識別與分類理論與算法研究[D];電子科技大學;2017年

7 呂鐵軍;通信信號調(diào)制識別研究[D];電子科技大學;2000年

8 陳健;通信信號參數(shù)盲估計方法的研究[D];西安電子科技大學;2005年

9 付永明;基于擬合優(yōu)度檢驗的通信信號檢測與識別技術(shù)[D];國防科學技術(shù)大學;2015年

10 崔偉亮;衰落信道下非合作接收中調(diào)制識別技術(shù)研究[D];解放軍信息工程大學;2011年

相關(guān)碩士學位論文 前10條

1 王飛揚;基于深度學習的通信信號調(diào)制識別研究[D];電子科技大學;2019年

2 田杰嬌;基于機器學習的通信信號調(diào)制識別技術(shù)研究[D];電子科技大學;2019年

3 雷志坤;基于深度學習的調(diào)制識別技術(shù)研究[D];電子科技大學;2019年

4 羅兵兵;基于深度學習的通信信號調(diào)制識別研究[D];電子科技大學;2019年

5 閆軍杰;基于特征提取的通信信號調(diào)制識別技術(shù)研究與實現(xiàn)[D];電子科技大學;2019年

6 周林宇;基于壓縮采樣的寬帶信號的參數(shù)估計和調(diào)制識別[D];電子科技大學;2019年

7 王詠實;基于深度學習的數(shù)字調(diào)制信號識別算法研究[D];電子科技大學;2019年

8 何祥;應(yīng)用分層迭代支持向量機的OFDM信號調(diào)制識別研究[D];西安理工大學;2019年

9 于軒;基于ATCA平臺的調(diào)制識別系統(tǒng)硬件設(shè)計[D];北京郵電大學;2019年

10 魏孟傳;基于深度學習的數(shù)字信號調(diào)制識別研究[D];北京郵電大學;2019年

本文編號：2878529