短波信道MPPSK信号的神经网络解调器
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景 | 第11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 非对称调制 | 第11-12页 |
1.2.2 短波信道 | 第12-13页 |
1.2.3 人工神经网络 | 第13-15页 |
1.2.4 粒子群优化算法 | 第15页 |
1.3 论文研究内容及意义 | 第15-16页 |
1.4 论文组织结构 | 第16-17页 |
第二章 MPPSK调制 | 第17-25页 |
2.1 经典MPPSK调制 | 第17-19页 |
2.1.1 调制方法 | 第17-18页 |
2.1.2 频谱分析 | 第18-19页 |
2.2 改进的MPPSK调制 | 第19-21页 |
2.2.1 调制方法 | 第19-20页 |
2.2.2 频谱分析 | 第20-21页 |
2.3 双极性脉冲MPPSK调制 | 第21-22页 |
2.3.1 调制方法 | 第21-22页 |
2.3.2 频谱分析 | 第22页 |
2.4 调制器 | 第22-23页 |
2.5 本章小结 | 第23-25页 |
第三章 短波信道传输整体方案 | 第25-35页 |
3.1 短波MPPSK传输系统调制端 | 第25-28页 |
3.1.1 系统整体框图 | 第25页 |
3.1.2 基带成形滤波器 | 第25-28页 |
3.2 短波信道 | 第28-32页 |
3.2.1 传播方式 | 第28-29页 |
3.2.2 信道数学模型与传输特性 | 第29-30页 |
3.2.3 DRM标准中的信道 | 第30-31页 |
3.2.4 经短波信道传输后的信号波形 | 第31-32页 |
3.3 短波MPPSK传输系统接收端 | 第32-34页 |
3.3.1 非相干解调方案 | 第32-33页 |
3.3.2 相干解调方案 | 第33-34页 |
3.4 本章小结 | 第34-35页 |
第四章 基于PSO-NN的MPPSK信号判决 | 第35-49页 |
4.1 神经网络 | 第35-37页 |
4.1.1 神经元的M-P模型 | 第35页 |
4.1.2 BP神经网络 | 第35-37页 |
4.2 粒子群优化算法 | 第37-38页 |
4.2.1 标准PSO算法 | 第37-38页 |
4.2.2 改进的PSO算法 | 第38页 |
4.3 基于PSO-NN的MPPSK信号解调器 | 第38-41页 |
4.3.1 传输函数 | 第38-39页 |
4.3.2 误差函数 | 第39-40页 |
4.3.3 PSO优化ANN判决器 | 第40-41页 |
4.4 性能仿真 | 第41-47页 |
4.4.1 接收方案比较 | 第41-43页 |
4.4.2 多码元联合解调 | 第43-44页 |
4.4.3 PSO-NN解调器结构优化 | 第44-46页 |
4.4.4 发射端限制 | 第46-47页 |
4.5 本章小结 | 第47-49页 |
第五章 基于深度学习算法的MPPSK信号判决 | 第49-65页 |
5.1 深度学习算法 | 第49-53页 |
5.1.1 卷积神经网络 | 第49-50页 |
5.1.2 卷积自编码网络 | 第50-52页 |
5.1.3 卷积循环神经网络 | 第52-53页 |
5.2 解调器整体方案 | 第53-54页 |
5.3 信号预处理 | 第54-55页 |
5.4 基于深度学习的MPPSK解调器 | 第55-58页 |
5.4.1 基于CNN的MPPSK解调器 | 第55-56页 |
5.4.2 基于CAE的MPPSK信号解调器 | 第56-57页 |
5.4.3 基于CRNN的MPPSK信号解调器 | 第57-58页 |
5.5 性能仿真 | 第58-64页 |
5.5.1 判决性能 | 第58-59页 |
5.5.2 多码元联合解调 | 第59-60页 |
5.5.3 发射端限制 | 第60-61页 |
5.5.4 网络结构优化 | 第61-62页 |
5.5.5 抗单频干扰 | 第62-64页 |
5.6 本章小结 | 第64-65页 |
第六章 总结与展望 | 第65-67页 |
6.1 总结 | 第65页 |
6.2 主要创新 | 第65-66页 |
6.3 展望 | 第66-67页 |
致谢 | 第67-69页 |
参考文献 | 第69-73页 |
作者简介 | 第73页 |