学位论文 > 优秀研究生学位论文题录展示

基于神经网络的FSK信号解调技术研究

作　者: 李岷
导　师: 钟洪声
学　校: 电子科技大学
专　业: 电路与系统
关键词: 神经网络 FSK 调制解调学习并行处理
分类号: TN911.3
类　型: 硕士论文
年　份: 2009年
下　载: 172次
引　用: 0次
阅　读: 论文下载

内容摘要

随着科学技术不断地发展和突破,现代通信系统得到了广泛的应用。在现代数字通信系统中,调制与解调是其中一项关键的技术。频移键控(FSK)调制是一种重要的数字调制方式,由于其高效便捷,易于实现的特点,常应用于实际的通信工程中。常见的FSK信号解调方法有相干解调法,非相干解调法等。在信息时代,激烈竞争和快节奏工作使人们生活方式发生了巨大变化,所要处理的各种信息量随之呈爆炸式增长。如果用基于冯·诺依曼计算机的信号处理方式来解调海量的调制信号,以现有的技术而言,是不可能在短时间内完成的,而并行的信息处理方式为我们解决这个问题提供了新的思路和途径。在现今的各种通信信道中,充斥着大量的来自周边环境的干扰信号;随着信息传递量的不断增加,有很多信号在同时进行着传递,相互之间也会有很大的干扰;我们需要通信设备在强干扰的环境下也能进行正常的通信工作。近代通信技术的发展相当惊人,随着其飞速的发展,通信体制的变化也是日新月异。目前在实际应用中常见的调制方式有很多种,比如ASK、FSK、MSK、PSK、DPSK、QPSK、QAM等等。这些通信信号的调制方式都各有特色,并得到广泛的应用。在实际的通信工程中,不同的调制制式由于自身的特点而应用于不同的场合,而不同的通信调制解调制式就构成了不同的系统。如果按照常规的方法,每产生一种信号就需要一个硬件模块电路,要使一部发射机产生几种、几十种不同的通信信号,其电路会极其复杂,而且体积和重量都会变得很大。而在接收机部分,情况也同样如此,即对某种特定的调制信号,也必须有一个特定的对应模块电路来对信号进行解调工作,而这一解调模块对其它调制信号却无能为力。现代社会要求通信系统具有很低的成本和较高的效率,同时对于跨平台的工作能力要求越来越迫切。由于神经网络(ANN)所具有的并行分布式处理、非线性映射、自学习和自适应等能力,近年来吸引了很多人的兴趣。考虑到神经网络能以任意精度逼近任何非线性连续函数,以及并行快速处理和自学习、自适应等能力,本文从神经网络出发,提出了一种基于神经网络的FSK信号解调的新方法。该方法通过神经网络及其算法,对FSK信号进行解调处理,在强干扰背景下可以对FSK信号进行正常解调,且其解调性能优于传统解调方法。该方法较之传统解调方法的优越性在于:利用人工神经网络所具有的自学习、自组织特性,以及较好的容错性和优良的非线性逼近等能力,来代替和实现传统通信中各模块的功能,把解调系统从单一的调制解调模式中解放出来。减少灵活性差、单一功能的硬件电路,构成一个具有多信号调制解调能力,标准化、模块化的通信平台。该平台具有新型的通信电路结构和工作模式,便于进行模块集成;具有高识别能力及很强的抗干扰能力;同时该平台的工作模式是一种并行分布处理模式,可以进行高速的信息处理。将该方法运用于通信中比传统方法更简捷、更可靠,并且可实现灵活化、自适应化、智能化的实时处理。

全文目录

摘要  4-6
Abstract  6-10
第一章引言  10-14
  1.1 研究的背景与意义  10-11
  1.2 神经网络技术的研究现状  11-12
  1.3 本文的研究工作  12-14
第二章 FSK 信号调制与解调技术  14-28
  2.1 引言  14
  2.2 二进制数字频率键控  14-18
    2.2.1 2FSK 信号的时域、频域和空间表示  15-16
    2.2.2 2FSK 的调制  16
    2.2.3 2FSK 的解调  16-18
  2.3 多进制调制系统  18-22
    2.3.1 多进制频移键控  19-21
    2.3.2 多进制幅移键控  21-22
  2.4 移频键控系统的抗噪声性能  22-27
    2.4.1 2FSK 的抗噪声性能  22-26
      2.4.1.1 包络检波法的抗噪声性能  22-24
      2.4.1.2 相干解调法的抗噪声性能  24-26
    2.4.2 MFSK 系统的抗噪声性能  26-27
  2.5 本章小结  27-28
第三章人工神经网络概述  28-48
  3.1 神经网络发展简介  28-30
  3.2 人工神经网络的特点  30-31
  3.3 人工神经网络的应用  31-32
  3.4 人工神经网络领域的研究现状  32-33
  3.5 生物神经元  33-35
  3.6 神经网络的结构  35-37
  3.7 神经网络的学习方式  37-39
    3.7.1 有教师学习  37-38
    3.7.2 无教师学习  38
    3.7.3 强化学习  38-39
  3.8 BP 网络  39-42
    3.8.1 BP 网络概述  39-40
    3.8.2 BP 网络的学习  40-41
    3.8.3 BP 网络的主要特点  41-42
  3.9 ELMAN 反馈型神经网络  42-46
  3.10 神经网络用于通信技术的特点  46
  3.11 本章小结  46-48
第四章神经网络解调器的设计与仿真  48-66
  4.1 神经网络处理单元  48-52
  4.2 电平判决处理单元  52
  4.3 干扰脉冲去除单元  52-53
  4.4 神经网络的训练  53-58
  4.5 2FSK 信号的神经网络解调仿真与分析  58-65
    4.5.1 基本解调性能仿真  58-61
    4.5.2 抗干扰能力仿真与分析  61-65
  4.6 本章小结  65-66
第五章神经网络解调器通用特性的介绍与分析  66-75
  5.1 神经网络泛化能力简介  66-68
  5.2 多进制移频键控的神经网络解调  68-71
  5.3 ASK 信号的神经网络解调  71-74
  5.4 本章小结  74-75
第六章结束语  75-77
  6.1 全文总结  75-76
  6.2 下一步工作展望  76-77
致谢  77-78
参考文献  78-80
作者攻硕期间所取得的成果  80-81

基于神经网络的FSK信号解调技术研究

内容摘要

全文目录

相似论文