导读:本文包含了数字调制方式论文开题报告文献综述及选题提纲参考文献，主要关键词:调制方式识别,免疫算法,算法分析,BP网络训练
数字调制方式论文文献综述
杨洁,惠雨晨[1]（2019）在《一种BP-IA数字调制方式识别方法》一文中研究指出为提高数字调制方式的识别速度和准确率,提出一种基于免疫算法(IA)的反向后传(BP)神经网络数字调制方式识别算法。首先对信号的特征进行分析和提取,其次利用具有全局搜索能力的免疫算法优化BP神经网络的权重及阈值,最后利用Levenberg-Marquardt算法训练BP网络。文中不仅给出了详细的算法分析,同时进行了仿真实验。实验结果表明,所提方法的收敛速度明显优于传统的BP算法和遗传算法,在信噪比大于-2 dB时,所提方法的平均识别准确率也优于传统的BP算法和遗传算法。所提免疫优化算法在训练多层前向神经网络时可有效地避免BP算法易陷入局部极小,且算法收敛速度快,具有精确的全局寻优性能,进而提高了数字调制方式的识别准确率。(本文来源于《现代电子技术》期刊2019年23期）
宁暑光[2]（2019）在《基于特征提取与学习的无线通信数字调制方式自动识别方法研究》一文中研究指出调制识别是通信系统中一个重要的研究领域,它处于信号检测与信号解调之间,能够确保通信安全可靠的关键技术之一。在不同领域中得到广泛应用,因此研究调制方式的自动识别具有重要意义。本文有针对性的研究了如何降低噪声对特征参数的影响,设计更好的分类方法,从而提高整体识别的效果。本文主要研究内容工作集中在以下几个部分:首先,研究了一种基于SAE-SOFTMAX的高阶统计特征提取技术,包括该技术的特征提取方法及其步骤。融合了SAE与SOFTMAX,结合高阶累积量实现调制方式特征的快速提取与识别。其次,针对现有调制识别方法对调制方式类型受限,且在低信噪比下识别率不高的问题。研究了一种基于深度学习的调制识别方法。该方法利用零均值高斯白噪声的高阶累积量理论值为0的性质,在信号分析过程中引入高阶累积量,可使系统免受高斯白噪声的干扰。同时,引入深度学习网络结构完成微弱特征的表征,结合叁种特征参数,可有效解决低信噪比情况下识别率下降的问题。然后,针对工程实践中先验数据比较少,利用支持向量机具有更好的泛化能力,研究了一种基于支持向量机特征学习的调制识别算法。该方法利用高阶累积量对各种数字调制信号进行运算,再将各高阶累积量构建为识别参数。通过引入支持向量机进行调制方式的识别,最终对七种调制方式实现了较好的识别。最后,实验结果表明:基于深度学习的调制识别方法具有很好的识别效果,在高斯信道环境下的分类精度比现有方法要高,在低信噪比的不同信道环境下有较高的识别率,且使得模型的时间、相位和频率偏移量方面具有更好的鲁棒性。基于支持向量机特征学习的调制识别方法具有更少的表征参数,能够很好的适用于小样本测试环境,识别效果显着。(本文来源于《合肥工业大学》期刊2019-04-01）
丁照雨,黄明,彭召敏,张轩,徐泽琨[3]（2018）在《基于高阶累积量的数字调制方式识别设计》一文中研究指出随着现代通信的发展,数字调制方式的识别在无线电监测、信号检测等领域的需求日益增加,作为信号筛选和解调的基础,在通信对抗中意义重大。在已知的几种调制信号中,MPSK和MQAM信号的应用最为广泛,设计出以接收信号的高阶累积量作为特征来识别MPSK和MQAM等数字调制方式,进行了理论推导,开展了MATLAB仿真工作,验证了方法的可行性和可靠性,实现了对数字信号调制方式的识别。(本文来源于《工业技术创新》期刊2018年06期）
彭超然,刁伟鹤,杜振宇[4]（2018）在《基于深度卷积神经网络的数字调制方式识别》一文中研究指出针对非协作通信条件下信号调制方式识别问题,提出了一种基于深度神经网络的调制方式自动识别新方法;该方法对接收到的信号进行预处理,生成星座图,并将星座图形状作为深度卷积神经网络的输入,根据训练好的网络模型对调制信号进行分类识别;与以往的识别方法相比,该方法利用卷积神经网络自动学习各种数字调制信号的星座图特征,克服了特征提取困难,通用性不强,抗噪声性能差等缺点,处理流程简单,并对星座图的形变具有不敏感性;针对4QAM、16QAM和64QAM叁种典型的数字调制方式,进行了仿真实验,当信噪比大于4时,调制方式的识别正确率大于95%,实验结果表明,基于深度卷积神经网络的信号调制方式识别方法是有效的。(本文来源于《计算机测量与控制》期刊2018年08期）
王兰勋,郭淑婷,贾层娟[5]（2017）在《基于小波包络差异性的数字调制方式识别技术》一文中研究指出针对通信系统中数字信号调制方式难以准确识别的问题,根据归一化前后小波变换包络的差异性,提出基于小波变异系数差值(ΔCV)和相似度特征的识别算法。该算法对MASK、MFSK、MPSK和MQAM 4种数字调制信号进行分类识别。理论分析和仿真实验表明算法简单易行,适用范围广,且在信噪比大于2 dB时数字调制信号识别率均在92.39%以上。(本文来源于《电子技术应用》期刊2017年02期）
熊美英,涂明安[6]（2016）在《低信噪比下的数字调制方式识别方法》一文中研究指出本文提出一种数字调制识别的新方法,即在对信号预处理时采用二次随机共振,再提取待识别信号的小波参数特征进行分类识别,经多次仿真发现当信噪比低至-10d B时此方法的正确识别率仍达85%以上,说明此方法在低信噪比下仍有良好效果。(本文来源于《科技展望》期刊2016年30期）
过梦旦[7]（2016）在《模拟与数字调制方式的非线性变换识别方法的研究》一文中研究指出随着我国经济发展水平的不断提高,通信技术得到了快速发展与进步,通信信号的调制分为数字与模拟两个方面,依据数字调制的方法与特点以及模拟的特征,应用非线性变换与小波变换结合的方法能够得到变化信息与包络,进而将变换以后的频域特征提取出来,可以省去其他操作,直接实现这种调制方法。本文通过实验仿真与分析,对该算法有效性进行分析,对几种常见信号进行仿真结果分析。(本文来源于《电子技术与软件工程》期刊2016年18期）
吕圆圆[8]（2015）在《复杂电磁环境下的数字调制方式识别研究》一文中研究指出随着通信技术的广泛发展,数字通信信号的调制方式变得越来越多种多样,无线通信环境也随之变得越来越复杂。在这种复杂的电磁环境中若想准确无误的从截获到的信号中解调出有用的信息,首先必须对截获的信号进行调制方式的识别。本论文主要针对Morlet连续小波变换(Continuous Wavelet Transform, CWT)在数字调制方式识别过程中的应用进行了研究。论文阐述了连续小波变换在调制方式识别的特征提取过程中存在的最优小波尺度问题,针对该问题论文将调制方式识别分为两部分进行研究：十种单载波数字信号的调制方式的识别和多载波OFDM与单载波调制方式之间的识别。主要工作及创新点包括：1,论文提出了一种基于优化小波尺度(Scale)连续小波变换的单载波识别方法,该方法针对识别中的每一个特征参数都求出与之对应的优化的小波尺度,然后运用求出的优化的小波尺度对信号特征进行提取,最后结合决策树(Decision Tree)分类器设计了一套基于优化的小波尺度的连续小波变换的调制方式识别方法,该方法具有最大的抗噪声能力。仿真结果表明,当信噪比不低于2dB时,使用该方法进行调制方式识别的识别率可以达到90%以上。2,论文针对多载波和单载波识别中两次连续小波变换中的小波尺度进行研究。论文采用控制变量的方法研究了两次小波变换时的小波尺度对信号特征的影响,当第一次小波变换尺度为3,第二次小波变换尺度为25时,OFDM和单载波信号两次小波变换后的模值方差特征相对差别最大,即具有最大的抗噪声能力。仿真结果表明,当信噪比大于1dB时,OFDM与单载波的调制方式的识别率可以达到100%。(本文来源于《北京邮电大学》期刊2015-03-13）
陶秋香[9]（2014）在《数字调制方式的仿真与分析》一文中研究指出本文以2FSK调制方式为例,采用Matlab/Simulink将每个通信系统的模块进行仿真分析;然后又用GUI功能设计了一个虚拟系统。正弦载波的某个参数携带数字基带信号进行传输,使载波的这个参数随此基带信号的改变而改变,这就称为数字调制过程。按照数字基带信号改变正弦载波参数的不同,数字调制有幅移键控(ASK)、频移键控(FSK)和相移键控(PSK)叁种基本调制方式。信号在传输过程在都会存在各种各样的问题,例如波形失真、误码、信道噪声等。比较短距离的信道上进行传输时可选择数字基带传输,远距离传(本文来源于《信息与电脑(理论版)》期刊2014年12期）
杨敏,王金庭,朱静[10]（2013）在《一种PSK/QAM数字调制方式识别方法》一文中研究指出通信信号的调制方式识别是信号处理领域的重要组成部分。针对卫星信道中常用的几种数字调相信号,提出了一种基于高阶累积量和星座图的调制方式识别算法。仿真结果表明,所研究的调制方式识别算法是可行的、有效的,而且具有良好的性能。(本文来源于《电子技术应用》期刊2013年11期）
数字调制方式论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
调制识别是通信系统中一个重要的研究领域,它处于信号检测与信号解调之间,能够确保通信安全可靠的关键技术之一。在不同领域中得到广泛应用,因此研究调制方式的自动识别具有重要意义。本文有针对性的研究了如何降低噪声对特征参数的影响,设计更好的分类方法,从而提高整体识别的效果。本文主要研究内容工作集中在以下几个部分:首先,研究了一种基于SAE-SOFTMAX的高阶统计特征提取技术,包括该技术的特征提取方法及其步骤。融合了SAE与SOFTMAX,结合高阶累积量实现调制方式特征的快速提取与识别。其次,针对现有调制识别方法对调制方式类型受限,且在低信噪比下识别率不高的问题。研究了一种基于深度学习的调制识别方法。该方法利用零均值高斯白噪声的高阶累积量理论值为0的性质,在信号分析过程中引入高阶累积量,可使系统免受高斯白噪声的干扰。同时,引入深度学习网络结构完成微弱特征的表征,结合叁种特征参数,可有效解决低信噪比情况下识别率下降的问题。然后,针对工程实践中先验数据比较少,利用支持向量机具有更好的泛化能力,研究了一种基于支持向量机特征学习的调制识别算法。该方法利用高阶累积量对各种数字调制信号进行运算,再将各高阶累积量构建为识别参数。通过引入支持向量机进行调制方式的识别,最终对七种调制方式实现了较好的识别。最后,实验结果表明:基于深度学习的调制识别方法具有很好的识别效果,在高斯信道环境下的分类精度比现有方法要高,在低信噪比的不同信道环境下有较高的识别率,且使得模型的时间、相位和频率偏移量方面具有更好的鲁棒性。基于支持向量机特征学习的调制识别方法具有更少的表征参数,能够很好的适用于小样本测试环境,识别效果显着。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数字调制方式论文参考文献
[1].杨洁,惠雨晨.一种BP-IA数字调制方式识别方法[J].现代电子技术.2019
[2].宁暑光.基于特征提取与学习的无线通信数字调制方式自动识别方法研究[D].合肥工业大学.2019
[3].丁照雨,黄明,彭召敏,张轩,徐泽琨.基于高阶累积量的数字调制方式识别设计[J].工业技术创新.2018
[4].彭超然,刁伟鹤,杜振宇.基于深度卷积神经网络的数字调制方式识别[J].计算机测量与控制.2018
[5].王兰勋,郭淑婷,贾层娟.基于小波包络差异性的数字调制方式识别技术[J].电子技术应用.2017
[6].熊美英,涂明安.低信噪比下的数字调制方式识别方法[J].科技展望.2016
[7].过梦旦.模拟与数字调制方式的非线性变换识别方法的研究[J].电子技术与软件工程.2016
[8].吕圆圆.复杂电磁环境下的数字调制方式识别研究[D].北京邮电大学.2015
[9].陶秋香.数字调制方式的仿真与分析[J].信息与电脑(理论版).2014
[10].杨敏,王金庭,朱静.一种PSK/QAM数字调制方式识别方法[J].电子技术应用.2013