基于神经网络和特征因子的UWB脉冲信号检测技术研究

论文摘要

超宽带（Ultra-Wideband UWB）传输技术相对于扩频通信等传统窄带和宽带通信方式具有带宽大,隐蔽能力和穿透能力强等优点。然而随着信号带宽的增加,其信号检测的难度也进一步增加。由于UWB信号功率谱密度非常低,导致接收信号信噪比很低而难于检测。在传统的UWB接收方法中,基于匹配滤波器的检测方法要求预先估计失真波形,接收系统实现难度很大,且受信号定时抖动的影响性能降低很快。而目前研究比较多的基于能量检测的方案和发射参考方式抗噪声性能都很低。本课题研究的目的就在于探索新的UWB脉冲信号检测技术,为超宽带接收系统最优检测器设计提供依据。文中提出的基于神经网络结合复合特征因子的方案,对UWB信号在较低信噪比情况下仍具有优良的检测能力和相对传统方式更好的抗抖动性能。本文介绍了超宽带无线通信的接收和信号检测的基本原理,重点分析UWB信号特性。通过研究UWB系统及相关领域信号检测技术,设计了基于神经网络和特征因子两种理论的3个具体UWB信号检测方案,并基于前人研究基础上,仿真验证了基于特征因子和神经网络的UWB信号检测方案;系统的研究了两者的性能,讨论了两种新的方法的优势与缺点。最后通过设计出基于BP神经网络和特征因子联合的UWB信号检测方案,改善了UWB检测系统中的信号抗抖动性能。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 本课题研究的目的及意义
• 1.3 国内外相关技术发展现状
• 1.3.1 国外UWB通信技术发展状况
• 1.3.2 基于神经网络的信号检测研究现状
• 1.3.3 多特征因子复合检测研究现状
• 1.4 本文主要研究内容
• 第2章 UWB通信技术概述
• 2.1 引言
• 2.2 UWB基本概念
• 2.3 UWB信号特性
• 2.4 UWB信号检测技术
• 2.4.1 信号检测理论基础
• 2.4.2 UWB信号检测原理
• 2.4.3 UWB信号接收和检测系统结构
• 2.5 本章小结
• 第3章 基于神经网络的信号检测
• 3.1 引言
• 3.2 BP神经网络简介
• 3.2.1 BP神经网络概述
• 3.2.2 BP神经网络数学模型
• 3.3 基于BP神经网络的UWB信号检测
• 3.3.1 神经网络检测的数学依据
• 3.3.2 检测方案
• 3.4 检测性能分析
• 3.4.1 训练方法对检测性能的影响
• 3.4.2 UWB信号参数选择
• 3.4.3 训练精度检测性能影响
• 3.4.4 与传统检测方法性能比较
• 3.5 本章小结
• 第4章 基于特征因子的UWB信号检测
• 4.1 引言
• 4.2 特征因子的数学模型与应用
• 4.3 特征因子检测方案的可行性论证
• 4.4 基于特征因子的UWB脉冲的信号检测
• 4.4.1 信号差值的复合特征因子检测方案
• 4.4.2 检测性能分析
• 4.5 本章小结
• 第5章 神经网络和特征因子的联合检测方案
• 5.1 引言
• 5.2 基于NN和FF的联合检测方案N& F
• 5.3 方案分析
• 5.4 加入信号抖动的性能分析
• 5.4.1 信号抖动简介
• 5.4.2 传统检测方法抗抖动性能
• 5.4.3 N& F方案抗抖动性能
• 5.5 本章小结
• 结论
• 参考文献
• 致谢