| 【中文题名】 | 基于小波神经网络的卫星信号调制方式识别 |
| 【英文题名】 | Automatic Recognition of Satellite Signals Modulation Based on Wavelet Neural Network |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-6 |
| 【中关键词】 | 卫星测控信号,调制识别,小波神经网络,BP算法,, |
| 【英关键词】 | modulation recognition,satellite signal,wavelet neural network,BP training algorithm, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
卫星通信是现代通信中很重要的一个分支,是利用最广,效果最好的通信手段之一。目前卫星通信的调制方式主要有两种,即扩频宽带调制技术和窄带调制技术。找到一种能够完成对卫星数传信道窄带调制方式自动识别的算法,对于军事、民用卫星通信的进一步发展将起着举足轻重的作用。而如何有效的识别出通信信号的调制方式,也成为无线通信领域一个亟待解决的问题。
论文通过对现有的调制识别算法的分析,结合卫星数传信道实际通信环境的特点,提出采用小波神经网络调制分类方法完成卫星数传信道常用调制方式的自动识别。论文在分析了各调制方式调制特性的基础上,采用基于多相滤波结构的特征提取方式,对调制信号时域瞬时特征提取的理论及方法进行了详尽地阐述,并在此基础上,详尽分析了统计模式识别调制分类方法中两类经典的特征向量——调制信号的统计特征量和数字调制信号的高阶累积量。然后,文章介绍目前非线性处理最为强大的处理工具——神经网络,同时引出了用于分类识别的权值型小波神经网络,并对小波神经网络的网络结构和训练算法都给出了详细的阐述。最后,针对卫星数传信道常用的调制方式,提取适当的特征参数,利用小波神经网络进行分类识别。
论文提出的调制方式... |
| 【论文题纲】 |
|
提要 |
4-7 |
|
第1章 绪论 |
7-14 |
|
1.1 卫星信号调制方式识别的背景和意义 |
7-8 |
|
1.2 国内外研究现状 |
8-13 |
|
1.3 论文所作的工作 |
13 |
|
1.4 本章小结 |
13-14 |
|
第2章 神经网络理论及其应用 |
14-25 |
|
2.1 神经网络概述 |
14-18 |
|
2.2 神经网络的优点 |
18-20 |
|
2.3 几种典型的神经网络 |
20-23 |
|
2.4 神经网络在调制识别方面的应用 |
23-24 |
|
2.5 本章小结 |
24-25 |
|
第3章 小波神经网络结构算法的研究与改进 |
25-41 |
|
3.1 小波分析 |
25-33 |
|
3.2 小波与神经网络的结合 |
33-38 |
|
3.3 小波神经网络的改进及性能分析 |
38-40 |
|
3.4 本章小结 |
40-41 |
|
第4章 卫星信号调制方式识别算法 |
41-61 |
|
4.1 信号调制方式 |
41-47 |
|
4.2 调制方式特征研究与提取 |
47-59 |
|
4.3 基于特征向量集的调制方式的自动识别 |
59-60 |
|
4.4 本章小结 |
60-61 |
|
第5章 小波神经网络在卫星信号调制方式识别中的应用 |
61-71 |
|
5.1 基本原理及算法流程图 |
61-62 |
|
5.2 仿真试验及数据 |
62-68 |
|
5.3 结果分析 |
68 |
|
5.4 讨论 |
68-70 |
|
5.5 本章小结 |
70-71 |
|
第6章 总结与展望 |
71-74 |
|
6.1 论文所做的主要工作总结 |
71-72 |
|
6.2 后续工作及展望 |
72-74 |
|
参考文献 |
74-79 |
|
攻读硕士期间发表论文及科研情况 |
79-80 |
|
摘要 |
80-84 |
|
ABSTRACT |
84-88 |
|
致谢 |
88-89 |
|
导师及作者简介 |
89 |
|
| 【DOI】 | LunWen.ID:2.2008.388747 |
