大动态信噪比下数字调制信号识别方法研究

《大动态信噪比下数字调制信号识别方法研究》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、分类号：密级：ＵＤＣ：编号：工学博士学位论文大动态信噪比下数字调制信号识别方法研究博士研究生：王辉指导教师：郭黎利教授学科、专业：信息与通信工程哈尔滨工程大学２０１８年３月分类号：密级：UDC：编号：工学博士学位论文大动态信噪比下数字调制信号识别方法研究博士研究生：王辉指导教师：郭黎利教授学位级别：工学博士学科、专业：信息与通信工程所在单位：信息与通信工程学院论文提交日期：2017年12月28日论文答辩日期：2018年3月12日学位授予单位：哈尔滨工程大学C

2、lassifiedIndex:U.D.C:ADissertationfortheDegreeofD.EngTechnologyofDigitalModulationSignalRecognitionUnderLargeDynamicSNRCandidate:WangHuiSupervisor:Prof.GuoLiliAcademicDegreeAppliedfor:DoctorofEngineeringSpecialty:InformationandCommunicationEngineering

3、DateofSubmission:Dec.28,2017DateofOralExamination:Mar.12,2018University:HarbinEngineeringUniversity大动态信噪比下数字通信信号识别方法研究摘要目前，数字调制识别技术存在一些尚未解决的问题，例如识别类型有限、信噪比低和信噪比变化范围大时识别率低等。因此，如何在原有识别技术方法基础上增加识别类型种类和提高识别率仍然是一项颇具挑战性的研究课题。本文对数字调制识别方法、算法等关键技术与理论进行研究，所取得的主

4、要研究成果为：1.研究了数字调制信号分形特征，构建了一维分形特征集合，增加了特征的可区分度。针对传统灰色关联分类器只能处理单值、权值人为设定无法更改的局限，将特征由单值扩展为区间，通过特征数据实时更新权值，提出了自适应权值区间灰色关联分类器，有效地提升了数字调制识别的准确率。2.研究了数字调制信号的熵特征，提出了时频Rényi熵和能量熵提取方法，归纳总结出可以用数字调制识别的十六种熵特征，构建了原始的熵特征集合。针对熵特征存在冗余的问题，提出了利用SFS算法、SFFS算法和ReliefF算法等特征

5、选择技术，从原始特征集合中选择最具可区分性的特征子集合，降低了特征子集合的冗余。在此基础上，提出了采用GBDT和Xgboost分类器有效地改善了数字调制识别的准确率。3.研究了证据理论分类器，针对证据冲突提出了一种全新的可靠性加权融合模型，有效地改善了证据冲突的融合效果。针对数字调制信号熵特征的特点，提出了一种基于钟型函数的BPA获取方法，有效地改善了BPA获取的效果。针对低信噪比和信噪比大范围变化时熵特征变化大的问题，提出了一种基于证据融合模型的多特征可靠性加权融合模型，建立了以信噪比估计为基础

6、的分类器可靠性加权模型，极大地改善了数字调制识别的准确率。4.研究了深度学习理论、体系结构和常用的模型，提出了一种全新的数据集概念—等势星球图，增加了数据集的可分性，极大地提高信号调制模式识别准确度。分析了AlexNet、GoogleNet、VGG和ResNet等深度学习模型在数字调制识别中应用的效果，提出了一种基于GAN模型的数据增强方法，改善了数字调制识别的准确率。关键词：数字调制识别；特征提取及选择；分类器；深度学习哈尔滨工程大学博士学位论文ABSTRACTAtpresent,therear

7、esomeunresolvedproblemsindigitalmodulationrecognitiontechnology,suchasthelimitedrecognitiontype,thelowrecognitionrateatlowsignal-to-noiseratio(SNR)orwhenSNRvarieswidely.Therefore,itisstillachallengingresearchtopictoincreasetherecognitiontypesandimprov

8、etherecognitionratebasedontheoriginalrecognitiontechnology.Inthispaper,thekeytechnologiesandtheoriesofdigitalmodulationrecognitionmethodsandalgorithmsarestudied,andthemainresearchresultsareasfollows:1.Thefractalfeatureofdigitalmodulationsignal