基于高阶累积量的OFDM信号调制识别技术研究

基于高阶累积量的OFDM信号调制识别技术研究

论文摘要

调制类型的不断增多和通信系统间的互通性要求促进了信号调制识别技术的不断发展。而正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM)技术以其频带利用率高、抗多径能力强、适合高速数据传输等优点在通信领域得到越来越广泛的应用。所以, OFDM信号的调制识别技术引起了广泛的关注。本文首先介绍了信号调制识别技术的研究内容、发展历史和趋势,阐述了研究的目的和意义。然后分析了OFDM技术的原理、优缺点和发展趋势。重点研究了低信噪比﹑多径瑞利衰落信道条件下,基于高阶累积量的OFDM信号盲识别技术。提出了利用奇数阶累积量区分OFDM信号与单载波信号的方法,并对基于三阶和五阶累积量的算法进行了仿真分析。结果表明基于三阶累积量的OFDM信号识别方法性能较好,具有一定的抗多径能力。在高阶累积量技术的基础上,提出高阶累积量与支撑矢量机相结合的方法,有效提高了算法的识别率。另外,针对已有的基于高阶累积量的单载波识别方法在低信噪比条件下识别率较低的问题,提出在特征量提取之前加入小波消噪模块的方法,经过计算机仿真,结果表明,该方法有效提高了分类性能。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 通信信号调制识别技术研究背景
  • 1.2 一般调制识别方法的结构及研究现状
  • 1.3 本文的主要工作和安排
  • 第二章 OFDM 技术介绍
  • 2.1 OFDM 系统的基本原理
  • 2.2 OFDM 技术的发展现状
  • 第三章 基于高阶累积量的 OFDM 信号调制识别算法研究
  • 3.1 高阶累积量原理介绍
  • 3.1.1 高阶矩与高阶累积量的定义及基本性质
  • 3.1.2 高阶累积量的大样本统计特性分析
  • 3.2 基于偶数阶累积量的OFDM 调制识别算法介绍
  • 3.3 基于奇数阶累积量的OFDM 信号调制识别算法
  • 3.3.1 信号模型
  • 3.3.2 基于三阶累积量的OFDM 调制类型盲识别算法
  • 3.3.3 基于五阶累积量的OFDM 调制类型盲识别算法
  • 3.4 小结
  • 第四章 单载波信号调制识别算法研究
  • 4.1 已有的基于高阶累积量的单载波识别算法介绍
  • 4.2 基于小波消噪和高阶累积量的单载波调制识别方法
  • 4.2.1 小波消噪原理介绍
  • 4.2.2 基于小波消噪和高阶累积量的单载波识别方法
  • 4.3 小结
  • 第五章 总结与展望
  • 致谢
  • 参考文献
  • 研究成果
  • 附录A
  • 相关论文文献

    • [1].数字通信信号自动调制识别分析[J]. 信息记录材料 2020(07)
    • [2].基于深度神经网络的自动调制识别[J]. 电子设计工程 2019(23)
    • [3].基于谱分析的卫星通信调制识别算法[J]. 火力与指挥控制 2017(01)
    • [4].基于高阶累积量的调制识别技术的研究[J]. 信息通信 2017(01)
    • [5].同信道多信号的调制识别方法[J]. 清华大学学报(自然科学版)网络.预览 2009(10)
    • [6].调制识别中的相位去卷绕研究[J]. 电子世界 2020(14)
    • [7].基于深度学习的通信信号调制识别算法[J]. 空间电子技术 2019(01)
    • [8].基于小波变换的调制识别算法[J]. 数字技术与应用 2017(01)
    • [9].数字通信信号自动调制识别技术研究[J]. 数码世界 2018(05)
    • [10].关于通信信号调制识别技术的分析研究[J]. 科技资讯 2012(32)
    • [11].模拟调制信号的自动调制识别[J]. 信号处理 2009(01)
    • [12].非合作通信中调制识别算法研究进展[J]. 科技导报 2019(04)
    • [13].数字通信信号自动调制识别技术[J]. 电子技术与软件工程 2015(23)
    • [14].数字通信信号自动调制识别技术[J]. 黑龙江科技信息 2016(13)
    • [15].多径信道下基于高阶累积量的通信信号调制识别算法[J]. 信息工程大学学报 2015(01)
    • [16].无线电信号的调制识别研究[J]. 中国新通信 2014(08)
    • [17].扩展时域统计参数的调制识别方法研究[J]. 信息通信 2012(02)
    • [18].数字通信信号自动调制识别技术研究[J]. 数字通信世界 2019(09)
    • [19].数字通信信号自动调制识别算法研究[J]. 电子世界 2014(16)
    • [20].基于时频回归特性分析的信号脉内调制识别[J]. 计算机仿真 2010(12)
    • [21].双谱特征和深度学习在信号调制识别中的应用[J]. 弹箭与制导学报 2019(05)
    • [22].基于特征融合的自动调制识别方案设计[J]. 通信技术 2020(10)
    • [23].基于能量聚焦效率检验的信号脉内调制识别[J]. 通信学报 2013(06)
    • [24].基于自适应小波消噪的数字调制识别优化算法[J]. 电子与信息学报 2011(02)
    • [25].浅析通信信号的调制识别[J]. 科技信息(科学教研) 2008(05)
    • [26].基于联合特征参数提取的非合作信号调制识别算法[J]. 通信学报 2020(07)
    • [27].基于机器学习的通信信号调制识别研究综述[J]. 电子测量技术 2018(24)
    • [28].基于无线传感器网络的多节点调制识别方法[J]. 计算机工程 2012(16)
    • [29].基于瞬时参数的调制识别算法[J]. 电子技术 2011(06)
    • [30].基于联合特征参数的数字调制识别优化算法[J]. 系统工程与电子技术 2011(12)

    标签:;  ;  ;  ;  

    基于高阶累积量的OFDM信号调制识别技术研究
    下载Doc文档

    猜你喜欢