Underlay频谱共享方式下信号的调制识别方法研究

Underlay频谱共享方式下信号的调制识别方法研究

ID:37028410

大小:2.78 MB

页数:70页

时间:2019-05-15

Underlay频谱共享方式下信号的调制识别方法研究_第1页
Underlay频谱共享方式下信号的调制识别方法研究_第2页
Underlay频谱共享方式下信号的调制识别方法研究_第3页
Underlay频谱共享方式下信号的调制识别方法研究_第4页
Underlay频谱共享方式下信号的调制识别方法研究_第5页
资源描述:

《Underlay频谱共享方式下信号的调制识别方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、圓人硕士学位论文I(^>國Underlay频谱共享方式下信号的调制识别方I法研究^1作者姓名李建英指导教师姓名、职称李兵兵教授申请学位类别工学硕士学校代码10701学号1501120073分类号TN91密级公开西安电子科技大学硕士学位论文Underlay频谱共享方式下信号的调制识别方法研究作者姓名:李建英一级学科:信息与通信工程二级学科:通信与信息系统学位类别:工学硕士指导教师姓名、职称:李兵兵教授学院:通信工程学院提交日期:2018年6月ResearchonModulationRecognitionMethodofSignalsforUnderlay

2、SpectrumSharingAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinCommunicationsandInformationSystemsByLiJianyingSupervisor:LiBingbingProfessorJune2018西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研宄工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢

3、中所罗列的内容以外,论文中不包含其他人己经发表或撰写过的研宄成果;也不包含一为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我同工作的同事对本研宄所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一学位论文若有不实之处。,本人承担切法律责任:牙?£表日期:本人签名r西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研宄生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件,允许查阅、借阅论文;学校可以公布论文的全部或部分内容,允许采用

4、影印、缩印或其它复制手段保存论文。同时本人保证,结合学位论文研宄成果完成的论、文发明专利等成果,署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。__::本人签名导师签名'“几日期:日期:2^摘要摘要认知无线电Underlay模式技术中,次用户可以在保证主用户正常通信的条件下与其共用同一段频谱进行通信,相对于将频谱单独分给主用户使用的情况,大大提高了频谱的使用效率,该技术已成为解决当前频谱资源短缺问题的重要研究内容之一。但Underlay频谱共享是在干扰温度范围内同一信道中多个用户的信息同时进行传递,该信道中信号存在时频域重叠

5、问题,接收信号模型更为复杂。此外,在信号处理研究中,调制识别是判断接收信号的调制方式的过程,间接影响干扰温度的值,同时为接下来的信号解调提供参考依据,且对于频谱管理、非法信号监测等研究都具有重要意义。本文主要研究认知无线电Underlay模式下信号的调制识别方法。具体研究内容如下:1.认知无线电Underlay模式下,本文针对时频重叠MQAM信号的调制方式识别率低的问题,提出了一种基于时频分析和灰度-梯度共生矩阵的调制识别方法。该方法首先通过频率切片小波变换(FSWT)对时频重叠MQAM信号做时频分析,得到时频分析图像;接着选取图像中纹理差异明显的切片部分进行灰度化处理;然后计算处理

6、后的时频分析图像的灰度-梯度共生矩阵;最后将特征向量输入概率神经网络分类器进行分类,从而实现时频重叠MQAM信号的调制识别。为验证所提方法的有效可行性,本文从不同的信噪比(SNR)和信号个数、不同频谱重叠率以及不同功率比等方面进行实验仿真,结果表明:当SNR为4dB时,所提方法的平均识别率可超过95%;所提方法对分量信号的功率比及频谱重叠率均具有较强的稳健性。此外,在所提方法与传统方法的对比实验中,当SNR大于0dB时,所提方法的调制识别性能优于传统方法。2.认知无线电Underlay模式下,本文还提出一种基于循环谱等高图和卷积神经网络(CNN)模型的时频重叠MPSK/MQAM信号的

7、调制识别方法。所提方法是通过对接收信号初步特征提取,然后用CNN模型进行特征的深层提取作为特征量来实现信号的调制识别,具体过程为:首先,求接收信号的循环谱等高图;接着对循环谱等高图进行预处理,作为初步特征数据输入CNN模型;然后构建和优化CNN模型并完成训练;最后使用训练好的CNN模型进行信号的调制识别。实验仿真结果表明:当SNR为2dB时,所提方法的平均识别率达90%;且在分量信号的功率比及频谱重叠率等方面均具有较好的稳健性;在对比实验中,虽然所提方法比

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。