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
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 井下数据电磁感应传输方法的研究,TE928
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 基于多Agent理论的卫星协同定轨技术研究,V474
- 基于流形学习的高维流场数据分类研究,V231.3
- 英语课堂形成性评估与学生学习态度研究,H319.3
- 非智力因素对小凉山地区中学生化学学习的影响,H319
- 任务型教学在农村初中英语教学中的应用研究,H319
- 中职学生数学学习中的非智力因素研究,G633.6
- 跳频通信系统中同步及频率自适应算法研究,TN914.41
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 基于多示例学习的用户关注概念区域发现,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 视觉伺服四自由度机械臂的研究,TP242.6
- 机械臂视觉伺服系统的研究,TP242.6
中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论 > 调制理论
© 2012 www.xueweilunwen.com
|