基于深度学习的通信信号调制模式识别方法研究

声明

第 1 章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文主要内容及章节安排

第 2 章 通信信号调制模式识别基础理论

2.1 通信信号调制原理

2.2 调制识别相关基础理论

2.3 深度学习相关理论

2.2.1 多层感知机

2.2.2 卷积神经网络

2.2.3 常用的激活函数

2.3.4 优化算法

2.3 本章小结

第 3 章 基于时频分析的调制信号特征图像生成算法

3.1 调制信号的时频分析

3.1.1 短时傅里叶变换

3.1.2 Wigner-Ville 分布及其改进方法

3.1.3 Cohen 类时频分布

3.2 调制信号时频特征的图像生成算法

3.2.1 二值特征图像生成算法

3.2.2 灰度特征图像生成算法

3.3 本章小结

第 4 章 基于卷积神经网络的通信信号调制模式识别

4.1 算法流程描述

4.2 预处理

4.2.1 归一化处理

4.2.2 时频特征的图像生成

4.3 基于卷积神经网络的调制识别器设计

4.3.1 网络结构设计方案

4.3.2 不同卷积层数的网络模型结构及对比实验

4.3.3 不同输入大小的网络模型结构及对比实验

4.3.4 不同卷积核大小的网络模型结构及对比实验

4.4 卷积神经网络模型的性能分析

4.4.1 梯度下降算法对分类性能的影响

4.4.2 迭代次数对分类性能的影响

4.5 基于卷积神经网络的调制识别器测试结果

4.5.1 仿真信号测试结果及分析

4.5.2 实测信号测试结果及分析

4.6 本章小结

第 5 章 总结与展望

5.1 论文主要工作及总结

5.2 需要进一步研究的问题

参考文献

作者简介及研究成果

致 谢