發(fā)布時間：2020-12-22 15:21

　　在當今世界,人們對通信質量和通信效率的要求越來越高,然而無線通信的傳輸環(huán)境卻越來越復雜。正交振幅調制(MQAM)和相位鍵控調制(MPSK)等信號能夠較好地利用頻帶及信道資源,因此受到衛(wèi)星通信及網(wǎng)絡通信的關注。因此,對MQAM和MPSK信號的調制識別研究具有重要的實際價值。本文提出了一種基于二次星座聚類和模糊補償支持向量機的算法對MQAM和MPSK信號進行調制識別。論文的主要研究成果如下:1.在分析了傳統(tǒng)單一的聚類算法的缺陷,以及比較了不同的MPSK和MQAM的星座圖的差異性的基礎上,論文提出了一種二次星座聚類的算法:將DENCLUE(基于密度的聚類算法)和k均值聚類算法相結合,對信號的星座圖中的點進行基于距離的特征提取,得到一組特征值,解決了傳統(tǒng)聚類算法對初值的依賴性、不穩(wěn)定、易陷入局部極值點等問題。并以此構建了特征提取模塊。2.針對上文提出的二次星座聚類算法的不足之處,論文引入了在參數(shù)擇優(yōu)選擇方面具有良好效果的粒子群算法進行了優(yōu)化改進:重建了DENCLUE中獲得聚類半徑的模塊,以確保在不同的調制階數(shù)M都有對應的最優(yōu)聚類半徑,從而提高算法在低信噪比下識別的穩(wěn)定性。使用了matlab仿真... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 調制識別技術的研究現(xiàn)狀
        1.2.1 信號特征提取算法的研究現(xiàn)狀
        1.2.2 信號分類識別算法的研究現(xiàn)狀
    1.3 本文的主要工作和章節(jié)結構
第二章 數(shù)字信號調制識別分析
    2.1 數(shù)字信號調制的優(yōu)勢
    2.2 數(shù)字信號的調制方法
        2.2.1 幅度鍵控（MASK）調制
        2.2.2 頻移鍵控（MFSK）調制
        2.2.3 相位鍵控（MPSK）調制
        2.2.4 正交振幅（MQAM）調制
    2.3 數(shù)字信號調制的基礎理論
        2.3.1 模式識別算法步驟
        2.3.2 數(shù)字信號的正交變換
        2.3.3 數(shù)字調制信號的星座圖
    2.4 本章小結
第三章 基于二次星座聚類算法的特征提取
    3.1 聚類算法基礎
        3.1.1 聚類算法簡介
        3.1.2 聚類算法相似性度量
    3.2 二次星座聚類算法
        3.2.1 傳統(tǒng)聚類算法的不足
        3.2.2 星座圖信號的預處理
        3.2.3 二次星座聚類算法實現(xiàn)
    3.3 特征提取
    3.4 本章小結
第四章 基于粒子群算法改進的二次星座聚類研究
    4.1 粒子群算法基礎
        4.1.1 粒子群算法的原理
        4.1.2 粒子群算法的參數(shù)分析
        4.1.3 粒子群算法的收斂性
    4.2 粒子群算法改進二次星座聚類算法
        4.2.1 二次星座聚類算法的缺陷
        4.2.2 粒子群優(yōu)化二次星座聚類算法的步驟
    4.3 仿真結果及分析
    4.4 本章小結
第五章 基于模糊補償?shù)亩喾诸愔С窒蛄繖C的研究
    5.1 支持向量機基礎
        5.1.1 統(tǒng)計學習理論基礎
        5.1.2 最優(yōu)分類超平面
    5.2 傳統(tǒng)的支持向量機多分類方法
        5.2.1 一對余SVM
        5.2.2 一對一SVM
    5.3 模糊補償和二叉樹多分類的支持向量機算法
        5.3.1 模糊性和模糊補償
        5.3.2 二叉樹多分類方法
        5.3.3 算法實現(xiàn)的步驟
    5.4 仿真結果及對比分析
    5.5 本章小結
第六章 總結與展望
參考文獻
附錄1 攻讀碩士學位期間撰寫的論文
致謝


【參考文獻】：
期刊論文
[1]基于高階累積量和循環(huán)譜的信號調制方式混合識別算法[J]. 趙雄文,郭春霞,李景春.  電子與信息學報. 2016(03)
[2]基于密度與網(wǎng)格的聚類算法的改進[J]. 邢長征,張園.  計算機工程與應用. 2016(22)
[3]Method of neural network modulation recognition based on clustering and Polak-Ribiere algorithm[J]. Faquan Yang,Zan Li,Hongyan Li,Haiyan Huang,Zhongxian Pan.  Journal of Systems Engineering and Electronics. 2014(05)
[4]基于熵特征和支持向量機的調制識別方法[J]. 李一兵,葛娟,林云.  系統(tǒng)工程與電子技術. 2012(08)
[5]基于小波和高階累積量的數(shù)字調制識別算法[J]. 李世平,陳方超.  計算機應用. 2011(11)
[6]基于粒子群和減法聚類提取分類特征的MQAM信號識別[J]. 李艷玲,李兵兵,殷昌義,劉明騫.  西北大學學報(自然科學版). 2011(03)
[7]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)
[8]Hilbert變換與小波變換在數(shù)字信號調制識別中的應用[J]. 王旭,張達敏,周勇.  科技創(chuàng)新導報. 2008(29)
[9]基于模糊支持向量機的多分類算法研究[J]. 張釗,費一楠,宋麟,王鎖柱.  計算機應用. 2008(07)
[10]基于遺傳算法的自適應聚類與MQAM星座識別[J]. 吳月嫻,葛臨東,許志勇,薛富強.  計算機工程. 2007(22)

博士論文
[1]粒子群優(yōu)化算法的改進及應用研究[D]. 劉逸.西安電子科技大學 2013
[2]多目標粒子群優(yōu)化算法的全局搜索策略研究[D]. 王宇嘉.上海交通大學 2008
[3]智能粒子群優(yōu)化算法研究[D]. 高芳.哈爾濱工業(yè)大學 2008
[4]通信信號調制識別研究[D]. 呂鐵軍.電子科技大學 2000

碩士論文
[1]基于聚類算法和支持向量機算法的文本分類算法研究[D]. 劉文.江蘇科技大學 2012
[2]K-均值聚類算法的改進及其應用[D]. 梁燁煒.湖南大學 2012
[3]基于模糊C均值及粒子群參數(shù)優(yōu)化的支持向量機故障診斷方法研究[D]. 李娜.電子科技大學 2011
[4]支持向量機及其在故障診斷中的應用研究[D]. 佟海俠.華北電力大學（河北） 2009
[5]基于多類軟間隔支持向量機的文本分類問題研究[D]. 譚冠群.哈爾濱理工大學 2008
[6]通信信號調制識別研究[D]. 陳文.四川大學 2006
[7]Hilbert-Huang變換及其在信號處理中的應用[D]. 陳娟.大連理工大學 2006



本文編號：2931985