【摘 要】
：
自动调制分类（Automatic Modulation Classification,AMC）是指接收方对接收信号采用的调制方式未知的情况下,根据接收信号确定所用调制类型的技术,是非合作通信系统中介于信号检测与信号解调之间的一项重要工作。由于无线网络用户增加、用户需求多样化,无线信道中的干扰和噪声日益严重、调制类别逐渐增多,使接收信号中的不确定因素增加,导致AMC算法无法有效完成分类任务。为了提高
论文部分内容阅读
自动调制分类（Automatic Modulation Classification,AMC）是指接收方对接收信号采用的调制方式未知的情况下,根据接收信号确定所用调制类型的技术,是非合作通信系统中介于信号检测与信号解调之间的一项重要工作。由于无线网络用户增加、用户需求多样化,无线信道中的干扰和噪声日益严重、调制类别逐渐增多,使接收信号中的不确定因素增加,导致AMC算法无法有效完成分类任务。为了提高非合作通信系统中AMC算法对多候选调制分类的有效性和鲁棒性,论文研究基于深度学习的AMC算法的设计和验证。针对非合作无线通信系统中候选调制方式多样化导致分类困难的问题,论文提出了一种星座图与循环谱融合的深度学习（Deep Learning with Constellation and Cyclic-spectrum Fusion,DL-CCF）调制分类算法。在所提出的DL-CCF算法中,将预提取的信号星座图和循环谱特征融合后输入深度学习模型进行处理和分类,同时引入贝叶斯优化法优化模型超参数组合。两种预提取特征分别表征幅度、相位和频率信息,为深度学习的自适应特征提取提供导向性,有效解决了信号特征区分度不足引起的分类性能低下的问题。仿真结果表明,相较于其他同类算法,所提出的DL-CCF算法的模型参数较少,能有效提高中高信噪比下的分类正确率,但是低信噪比下的分类性能较差,且高阶正交幅度调制的分类效果也不佳。为了有效分类低信噪比信号和正交幅度调制信号,论文提出了一种基于自适应特征提取与融合（Adaptive Feature Extraction and Fusion,AFEF）的调制分类算法。在DL-CCF算法的基础上,所提出的AFEF算法增加了一个以特征预提取前的原始样本为输入的卷积神经网络分支,并引入并行训练和迁移学习改进模型的训练和优化过程,减少模型训练时间。由于新增分支提供额外信息补偿,避免特征预提取中造成的信息损失,同时可弥补星座图特征的弱抗噪性造成的幅度、相位特征可靠性不足的缺点。仿真结果表明,在保证模型复杂度、训练和测试时间不明显增加的基础上,所提出的AFEF算法有效提高了低信噪比样本的分类正确率,同时改善了中高信噪比下高阶正交幅度调制的分类性能。为验证所提出的AFEF调制分类算法的实用性,采用通用软件无线电外设和GNU Radio搭建实验验证系统,发送和接收不同种类的调制信号,用于分析算法的分类性能。实验结果表明,采用迁移学习微调模型参数后,所提出的AFEF算法有良好的分类正确率。论文提出的两种调制分类算法及验证方法,有效提高了AMC算法在实际通信场景中的分类正确率,在软件无线电、军事对抗等领域有较好的应用前景。
其他文献
随着人工智能和传感器技术的发展,移动机器人在仓储物流、家庭服务、教育科研等领域的应用越来越广泛,室内定位与路径规划技术是移动机器人应用于具体领域的重要基础。对于空间相对较小的室内场景,基于麦克纳姆轮的移动机器人可以全方向无约束地运动,具有良好的机动性和灵活性。因此,本文研究麦克纳姆轮结构移动机器人的室内定位和路径规划对移动机器人在室内场景下的应用具有重要的意义。本文的主要工作如下:首先搭建了麦克纳
语音交流是人类沟通交流最有效的方式之一。多说话人场景下噪声、混响和多声源之间的混叠,使得对多语音源的混合信号进行声源定位和语音分离变得更具有挑战性。本文针对小尺度麦克风阵列,对含有多个语音源的远场语音信号进行定位和分离研究。为了提升小尺度麦克风阵列上的语音信号定位性能,提出基于卷积神经网络（Convolu-tional Neural Network,CNN）的多语音源到达角（Direction o
随着水声通信技术的不断发展和水声通信设备、水下移动平台的日益成熟,移动水声传感器网络在水下信息感知与传输中承担了越来越重要的角色。凭借着水下移动平台的机动性,移动水声传感器网络能够实现对海洋环境的大范围实时观测,为重点海区的长期水下监测和安全时效预警提供保障。移动水声传感器网络不仅要考虑水声通信有限带宽、长时延和低速率等特性,同时还需要承担移动节点带来的网络结构和通信链路质量的动态变化。因此,需要
随着3D技术在日常生活的普及,3D游戏、3D电影等成为人们日常生活中的重要娱乐项目。然而人眼长时间观看某些3D影像后会出现眼睛疲惫、头疼、注意力难以集中等生理不舒适症状。其中垂直视差是观看者产生视觉疲劳的重要因素之一。因此在实际应用中,拍摄后3D影像都需要经过后期处理来进行校正。传统外极线校正的方法对3D影像的左右视图施加投影变化,使对应的外极线处于同一水平线,从而实现垂直视差的消除。然而传统无相
卷积神经网络（Convolutional Neural Network）是深度学习（Deep Learning）的一种基础模型,具有计算存储密集型的特点。其中,基于深度可分离卷积的MobileNet系列网络是轻量化网络的典型代表,其利用深度分离卷积将标准卷积的计算量和参数量减少至近1/9,大大缩小了网络模型,相对其他大型网络更适合在移动终端部署。移动终端通用处理器在执行神经网络推理任务时,普遍存在
目的 探讨丹酚酸B对糖尿病肾病大鼠肾脏的保护作用及可能机制。方法 36只SD大鼠随机分为对照组（control组）、糖尿病肾病模型组（DN组）和丹酚酸B治疗组（Sal B组），每组12只。于造模成功后第8周，生化分析仪检测各组大鼠血清肌酐（Scr）、尿素氮（BUN）、总蛋白（TP）、白蛋白丙氨酸氨基转移酶（ALT）、天冬氨酸氨基转移酶（AST）的含量；测定肾脏指数；HE染色观察各组大鼠肾组织病理学
飞机黑匣子是解开空难之谜的关键性数据记录仪器,在接触水的瞬间,黑匣子上的声信标会发出特定的脉冲信号。搜索失事飞机黑匣子的关键在于能否有效地检测识别特定的声信标信号。本文针对海上声信标信号识别问题展开研究,提出基于图傅里叶变换（Graph Fourier Transform,GFT）和卷积神经网络（Convolutional Neural Network,CNN）的声信标信号识别框架。首先在预处理阶
随着人工智能的飞速发展,机器学习逐渐趋向于大数据、大模型、大规模集群训练,这在加强机器学习能力的同时也对机器学习策略提出了更高的技术要求。围绕数据划分、任务分配、资源调度、通信优化,最终达到训练速度与收敛精度的平衡,分布式机器学习被越来越多的学者深入研究并投入到工业应用中。为了加快机器学习训练速度,实现更高效的计算与通信,本文围绕深度学习网络分布式并行策略和通信优化方案展开研究,主要研究内容如下:
随着科学技术的进步和车载电子设备的发展,车辆通信技术在加强道路安全,提升交通效率以及提供丰富的车载信息和娱乐服务等方面展现了极大的潜力,受到了广泛的研究。作为专用短距离通信标准,IEEE 802.11p标准是实现车辆通信的极具竞争力的标准之一。然而,车辆的高速移动和复杂的通信环境导致无线信道受到多普勒频移和多径效应的影响。而信道估计的性能直接影响了后续信号的解调。因此,车辆通信场景下的信道估计算法
物资是保障医疗工作正常进行的基础，随着智慧医院的建设其传统的自主招标模式已难以适应医院精细化管理的需求。为此，建立一个招标流程明晰、严谨、供需双方信息互通、全程实现内部控制、纪律监督的信息化招标体系就显得尤为重要。重庆大学附属肿瘤医院在对传统招标流程进行优化重组的基础上，开发创建了闭环式智慧招标采购体系，与传统招投标模式相比智慧招标采购体系更具备信息化、规范化、精细化的特点，更加符合智慧型医院建设