一、短波通信中信号检测算法研究（论文文献综述）
李景慧[1]（2021）在《短波窄带通信系统同步与分集接收技术研究》文中研究指明
龚乔宜[2]（2021）在《短波特定信号接收技术研究与实现》文中研究说明短波通信是一种有效的无中继长距离传输无线通信手段,因其抗毁、抗干扰能力强、配置灵活、成本较低等优点,广泛应用于军事通信。随着近几十年产生了许多短波自适应通信链路标准,短波通信的稳定性和有效性显着提高。其中,美国国防部提出了MIL-STD-188-110C（以下简称110C协议）短波标准规范,信号最大带宽为24k Hz。结合当前IC技术,本文以Xilinx XCZU9EG So C芯片为平台,针对传输可靠性高、业务适应力强且应用范围广的110C附录C信号实现基带信号处理算法,重点分析实际短波通信中接收端常用自适应均衡算法,并对其进行结构优化。保证该信号处理实时性,应对现代战争中复杂电磁环境。论文的主要工作与创新点概括如下:首先介绍短波通信发展历程。针对短波通信传播特点和现阶段短波通信应用场景,分析基于软件无线电架构的接收硬件平台和关键处理技术信道均衡的发展与优化。以相关带宽和相干时间为着眼点讨论短波通信信道统计特性。简要说明110C附录C协议,分析受干扰后该协议信号波形特征以及针对该协议的性能测试环境。其次,阐明短波信道均衡技术。详细分析基于最小均方误差准则和基于最小二乘准则的LMS和RLS自适应均衡算法的原理和性能。当信道环境较差时,经典自适应均衡算法无法有效补偿信道带来的失真,借用Turbo码思想完成均衡器与译码器间迭代交换软信息以提高信道均衡能力。主要研究了基于MMSE准则的线性迭代均衡算法和基于卡尔曼框架的迭代均衡算法。通过算法仿真分析,当信号码间干扰严重时,MMSE线性迭代均衡算法性能明显优于LMS自适应均衡算法。为降低MMSE线性迭代均衡算法因译码部分造成较高计算复杂度,采用基于卡尔曼框架的迭代均衡算法。该算法结合卡尔曼滤波与平滑运算估计信号状态,利用信号统计特征实现软判决完成迭代均衡。最后,本文提出一种针对110C协议附录C的信号的接收处理方案。短波接收处理过程主要包含数字下变频、信号均衡和同步三部分。利用该信号帧初始同步头中伪随机序列,实现信号均衡和同步捕获,消除码间串扰,获取粗略时延信息。利用初始同步头中重复FH序列结合Schmidl&Cox算法实现定时同步。再利用帧数据块中巴克码组估计载波频偏,并对信号频率偏移量进行实时跟踪。上述接收系统经性能仿真,信号误码率可达10-4。根据设计方案实现以Xilinx ZCU102评估板为硬件平台的短波接收处理系统。短波实信号经数字下变频模块,得到低速率的IQ复信号。同步模块以信号相关运算为基础阐述各粗细同步模块的实现。将载波同步模块所获取的载波频率偏差值反馈至数字下变频模块中的DDS IP核,调整本振输出频率,保证较小偏差数字混频。研究并实现经典LMS算法结构和基于脉动阵结构的DLMS的自适应均衡模块。通过在LMS算法基础上增加延时单元调整算法结构,提高滤波器吞吐量。结合脉动阵列结构提高延时LMS算法流水能力,保证了良好的空间与时间局部性。综上,该短波接收处理平台针对110C附录C信号有良好的可行性和准确性,对基于So C架构的短波接收处理平台设计与实现有一定的参考作用。
李润东[3]（2021）在《基于深度学习的通信信号智能盲检测与识别技术研究》文中进行了进一步梳理非合作接收条件下的通信信号检测、调制识别、辐射源个体识别等盲检测与识别处理,是开展无线电频谱监测和战场通信侦察对抗的重要基础。然而,受限于非合作接收时强干扰和快变化的恶劣电磁环境、复杂多样的通信信号体制、无法全面掌握信号先验信息等不利因素影响,通信信号盲检测与识别是一项极具挑战性的研究课题。本文在全面梳理基于专家经验特征的传统盲检测与识别方法的基础上,针对其特征提取依赖人工经验的主要问题,基于深度学习的特征自主学习框架,提出了通信信号智能检测、智能调制识别、智能辐射源个体识别等智能盲检测与识别方法。通过仿真和实测数据验证了算法有效性,并设计实现工程系统,验证了算法和系统对于实际通信信号的检测与识别效能。本文的主要工作和贡献包括:1、在通信信号宽带检测方面,针对传统检测方法信号参数获取不完整和易受噪声影响的问题,提出了基于YOLOv3（You Only Look Once v3）目标检测网络优化改进的智能宽带检测方法,从宽带时频图中完成了高效准确的信号盲检测。首先,采用小样本量信号自动标注构建宽带时频图数据集,解决了海量样本标注难题;其次,根据通信信号时频特性自适应设置先验锚框,保证了网络对通信信号的适应性与高效检测能力;最后,针对原有网络训练和推断时数据分布不一致所导致的检测精度低问题,采用CIOU（Complete-Intersection Over Union）算法改进训练代价函数,利用DIOU（Distance-Intersection Over Union）算法改进推断时的非极大值抑制准则,在提高训练速度的同时达到了较高的检测精度。2、在窄带突发通信信号体制识别方面,针对深度学习方法难以区分时频特征相近信号、模板匹配方法需要先验规格且计算量大的问题,提出了将深度学习时频图识别与前导码滑动相关频谱峰值检测进行级联融合的智能窄带突发信号识别方法,实现了精确的信号体制识别和参数估计。首先,设计了时频多维参数偏移算法来增强训练数据集,降低了数据收集难度且提升了训练数据的全面性和多样性;然后,引入改进的深度残差注意力网络,提取了重点时频特征进行体制初步识别,再基于信号与前导码滑动相关后的频谱峰值检测结果,对不可分信号进行细化判证,实现了对窄带突发信号体制类型、载频、突发时刻等参数的精确获取。3、在通信信号调制识别方面,针对传统识别方法依赖专家经验和信号条件的问题,提出了基于降噪循环谱与稀疏滤波卷积网络的智能调制识别方法,实现了模拟调制和低阶数字调制信号的鲁棒识别。首先,对信号循环谱进行低秩表示降噪处理,净化数据以降低网络训练难度;其次,设计了一种新型的稀疏滤波准则对网络进行逐层无监督预训练,有效挖掘了循环谱的稀疏特性,利用小规模卷积网络即可实现鲁棒可靠的调制识别。更进一步,为适应对高阶数字调制信号的识别,提出了一种基于新型深度几何卷积网络的智能调制识别方法,设计了具备多尺度和多方向特性的几何滤波器,从信号的魏格纳-威利分布映射图中学习更具有分辨力的多尺度和多方向几何特征,提高了调制识别的准确率和鲁棒性。4、在通信信号调制编码联合识别方面,为了能以端到端的方式同时识别信号的调制方式和信道编码类型,研究探索了一种基于深度注意力门控卷积网络的智能调制编码联合识别方法,实现了多类型调制编码信号的有效识别。首先,为避免时频图变换带来的高计算复杂度,针对一维原始波形数据,设计了一维卷积层来提取调制结构特征;其次,利用门控循环模块提取信号时序监督特征,并设计“显着”注意力机制对时序特征开展注意力变换以增强特征提取与识别效能。5、在通信辐射源个体识别方面,针对传统识别方法难以全面表征辐射源本质特性、易受信号与目标变化影响的缺点,提出了基于多域特征融合学习的智能辐射源个体识别方法,在多目标辐射源集合上达到了较好的识别效果。首先,对接收信号进行精确的参数“校准”预处理以去除信号中的不稳定因素,再对校准后信号进行高精度星座矢量图映射以表征辐射源发射机的联合畸变特性;其次,设计了新型一维复数密集连接卷积网络、引入了具有高层特征全局注意力机制的新型Bo TNet（Bottleneck Transformer Networks）模型,分别对波形与频谱、波形与星座矢量图数据开展高效的复杂多域特征提取;最后,设计了三种融合策略对多域特征进行融合学习,提取了更全面完整的个体特征。同时,还研究了基于迁移学习的新辐射源目标集识别网络设计和训练方法,有效利用了大样本训练得到的基础模型的先验知识,实现了小样本条件下新辐射源目标的准确识别。6、在工程实现方面,设计构建了通信信号智能检测识别系统,对本文提出的各类通信信号智能检测与识别方法开展转化与集成,解决了快速并行信道化与深度学习推断加速等工程实现关键问题,对实际短波、卫星、超短波等通信信号实现了高性能的盲信号检测、调制识别和辐射源个体识别。
王梓晅[4]（2021）在《短波通信中的同步与迭代均衡技术研究》文中研究指明短波通信传输距离远、设备便捷、不受中继制约,在军事、民用通信领域都占有重要地位。由于短波远距离传输依靠在电离层中反射实现,电离层环境不稳定,使得短波信道存在多径效应、衰落、多普勒频移和频扩等特性,研究短波通信中的信号检测、频偏估计和迭代均衡等关键技术可以提高通信系统的可靠性。本文主要研究了短波通信中的信号检测、频偏估计和Turbo均衡技术,主要工作如下:1、介绍了美军标MIL-STD-188-110C协议附录D中的波形参数和短波信道传输特性,研究了短波窄带经典信道Watterson信道模型,并根据短波典型信道参数对Watterson信道模型进行仿真分析。分析结果表明,Watterson信道模型可以良好地体现短波窄带信道特性。2、研究了双相关信号检测算法和分组双相关信号检测算法,并对分组双相关信号检测算法进行了简化。通过对不同信噪比和多普勒频移的三种算法检测性能进行仿真,分析结果表明简化的分组双相关信号检测算法相较于前两种算法,低SNR情况下的检测性能和抗频偏性能略微下降。通过对不同短波信道环境下的三种算法的检测性能进行仿真,分析结果表明简化的分组双相关信号检测算法仍适用于在短波信道环境中进行信号检测。3、推导了基于双相关的频偏估计算法,通过与传统的频偏估计算法在估计精度和估计范围上的对比仿真分析表明,基于双相关的频偏估计算法是一种复杂度比较低、估计范围较宽且估计精度较高的频偏估计算法。通过分段数对算法估计范围和估计精度的影响仿真分析表明,基于双相关的频偏估计算法在牺牲估计范围的情况下,进一步提高算法估计精度。4、研究了遗忘因子对Turbo均衡性能的影响和重编码与迭代次数的关系。通过对不同遗忘因子对Turbo均衡误比特率的仿真分析表明,在给定信道环境和迭代次数的情况下,遗忘因子存在使Turbo均衡误比特率最低的最优值。通过对重编码误比特率的仿真分析表明,在实际工程中,可以采用重编码的方式来实现自动停止迭代的功能。
陈芸[5]（2021）在《基于期望传播的信号迭代检测技术研究》文中认为近年来,高质量、大容量、高速率已成为未来无线通信技术的发展趋势。从而,如何提供高效可靠的信号传输和检测技术来实现上述优势,是未来无线通信系统的研究热点之一。迭代检测是一种基于软输入软输出（Soft-Input Soft-Output,SISO）的接收端信号处理技术,已被广泛应用于编码、均衡等诸多信号处理领域,并取得可观的性能增益。从而本文旨在研究无线通信系统中接收端迭代检测的关键技术,并基于期望传播（Expectation Propagation,EP）算法进一步提供了迭代检测中低复杂度和高性能的优势。现对全文结构概括如下:第一章着重介绍了无线通信系统中的经典传输技术,包括交织多址技术、新型空间调制（Spatial Modulation,SM）技术和迭代检测技术,并论述了相关技术的研究现状。第二章首先对单载波（Single Carrier,SC）空间调制系统中频域Turbo均衡迭代技术进行研究,详细探讨其收发机架构、技术特点和传统均衡算法。然后,基于空间调制的稀疏特性,首次将压缩感知中的期望传播算法应用到SC-SM系统中,并通过链路仿真验证,在多天线配置下,提出的基于期望传播的均衡算法与传统的均衡算法相比,在误码性能和算法复杂度之间实现了较好的平衡。第三章研究了交织多址系统中的多用户迭代检测技术。首先,评估对比了基于基本估计器和新型期望传播检测算法的误码率（Bit Error Rate,BER）性能。随后,基于载波频率偏移（Carrier Frequency Offset,CFO）的影响,提出了基于期望传播的频偏补偿算法。链路仿真揭示了该算法能够有效地弥补由于频偏带来的性能损失,显着改善系统性能。第四章研究了短波通信系统中基于单天线和多天线的迭代检测技术。首先,探讨了单天线系统下解调、解扰以及Turbo迭代检测模块之间互信息的联合处理方式;然后设计了多天线分布式下的互信息纵向联合检测方案,并提出了基于期望传播的空时均衡鲁棒接收机模型;最后,评估各种接收机方案的误码性能,仿真结果显示,提出的接收机方案相比于传统的单天线独立处理模块的接收机方案,接收信噪比改善了约4dB,而相比于传统的两路判决方案,接收信噪比改善了约2.5dB,且实现复杂度更低。第五章对全文进行概括,并进一步探讨未来的研究方向。
段欢欢[6]（2021）在《CPF-OFDM信号侦收处理技术研究》文中研究说明正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术因其高效的频谱利用率及较好的抗多径能力,在许多行业中被使用,其中,循环前缀（Cyclic Prefix,CP）OFDM信号（CP-OFDM）作为标准OFDM信号最为常用。无循环前缀（Cyclic Prefix Free,CPF）OFDM信号（CPF-OFDM）作为一种非标准OFDM信号,由于具有较高的功率效率,很有发展潜力,目前全球最大的宽带卫星—i PSTAR卫星采用CPF-OFDM信号进行传输,本文面向非合作场景,基于i PSTAR信号研究CPF-OFDM信号的侦收处理技术,主要包括以下内容:第一章首先介绍了非标准OFDM信号侦收处理技术研究的背景及意义,接着分析了OFDM目标信号检测与分类、OFDM信号时频同步技术的研究现状,总结了各算法的特点及不足,最后就本文的主要研究内容和结构进行了概括。第二章设计了CPF-OFDM信号参数及侦收处理方案。首先对OFDM信号的基本原理进行了阐述,并总结了三种OFDM信号的结构特点。接着,设计了基于i PSTAR卫星信号的CPF-OFDM信号参数,并说明了调制方式及帧结构。然后,提出了CPF-OFDM信号侦收处理方案,并对各模块功能进行简要说明。第三章研究了CPF-OFDM目标信号检测与分类技术,包括目标信号存在性检测算法、OFDM信号与单载波信号的类间识别算法和OFDM信号类内识别算法,仿真结果表明,在加性高斯白噪声信道和莱斯衰落信道下,信噪比?2d B时CPF-OFDM信号正确检测率大于99%,类间与类内识别率超过95%。第四章研究了CPF-OFDM信号的时频同步技术,提出了基于多符号多频点联合判决的CPF-OFDM信号捕获算法,研究了信号频偏估计算法和定时估计算法。仿真分析表明,本文提出的时频同步算法具有优异的性能,当信噪比?2d B时,频偏估计的归一化均方根误差（Normalized Root Mean Square Error,NRMSE）低于10-6,时偏估计误差约0.0128个采样点。第五章对CPF-OFDM信号的侦收性能进行了综合仿真分析,首先给出了CPF-OFDM信号的侦收处理架构,确定了各模块的算法。接着,测试了数据时隙各子载波的误差矢量幅度及解调误符号率,测试结果与理论性能基本一致。最后给出了目标信号检测与分类、同步及解调性能的综合仿真分析,结果表明,本文采用的检测与分类算法和同步算法性能良好,同步估计误差几乎没有对解调性能造成影响,盲解调性能逼近理想同步时的解调性能。
李伟浩[7]（2021）在《基于深度学习的手工Morse信号检测与译码研究》文中进行了进一步梳理短波无线电是长距离通信中一种不可或缺的方法,其中,摩尔斯（Morse）电报凭借其简单的编码方式和强抗干扰能力,广泛地应用在航空通信、海事通信、军事等领域。相应的Morse自动检测和译码已研究多年,但对于短波通信中手工拍发的Morse电报,因受限于拍发手法随意及信道环境复杂等因素,准确率仍存在较大提升空间。近年来,深度学习技术在图像、语音、文本处理等领域取得突破性进展,其有效性已在大量应用系统中得以证明。本文从Morse信号的时频图出发,围绕Morse译码问题,研究了深度学习中的相关技术,通过设计针对性的神经网络模型,有效地提高时频图上Morse信号检测与译码的精度,此外,提出端到端Morse信号检测与译码方法,将检测与译码互补融合,进一步降低译码错误率。主要研究成果如下:1.基于中心线模型的Morse信号检测。考虑到Morse信号在时频图上表现为时通时断的特殊图样,本文借鉴深度学习图像目标检测的思路来实现时频图中的Morse信号检测。具体地,利用主干网络从原始时频图中计算得到特征图,之后,采用结构类似的回归层,分别计算代表信号类型与信号框中心线位置的热力图、代表信号带宽的高度图以及代表特征图与原图偏差的位置偏差图。该方法相较于经典深度检测方法,因去掉了候选框提出过程,复杂度更低;相较于已有基于热力图的方法,因信号中心线处各点的感受野容易覆盖信号带宽,更易保证检测框对信号的完整覆盖。在模拟和实际宽带信号上的实验结果表明,相比传统能量检测方法和经典深度检测方法SSD,提出方法获得了更好的检测效果,实际数据上F1结果较两者均提高10%以上,且处理速度较SSD算法提高两倍多。此外,该方法可适用于多类型信号检测问题。2.基于卷积循环神经网络（Convolutional Recurrent Neural Network,CRNN）的 Morse信号译码。本文采用CRNN的架构,构建了一个从时频图到字符串的译码模型。该模型由卷积神经网络（Convolutional Neural Network,CNN）、双向长短时记忆网络（Bidirectional Long Short-Term Memory Network,BLSTM）、连接时序分类（Connectionist Temporal Classification,CTC）层构成,CNN提取时频图的高层特征并按时间顺序组成序列化特征,BLSTM对特征序列进行上下文语义信息的建模并预测每帧对应字符的概率,CTC对BLSTM在每帧上的预测整合转录成最终的预测字符串。在模拟和实际Morse信号上的实验结果表明,提出方法较传统的聚类方法和语音识别方法,在不同信噪比、不同码速、瑞利衰落、频率抖动和码长偏差条件下均获得了更好的译码效果,实际数据上字符正确率较聚类方法提高21%,且速度满足实时性要求。3.端到端Morse信号检测与译码。为了融合图像信息与字符级信息,进一步提升检测译码准确率,将前两个研究内容中提出的中心线检测模型和CRNN译码模型联合成统一的多任务模型。该模型利用共享卷积网络提取时频图特征,并同时输入检测分支和译码分支,两个分支代价融合进行端到端训练。端到端模型通过两个任务共同监督共享卷积模块的训练,使得译码分支的字符级特征能被共享到检测分支中,提升检测精度;同时,检测分支对边界框规范度的提高,能够进一步提升译码精度。此外,通过合并卷积模块,减少了操作的冗余和时间的消耗。在模拟和实际窄带信号上的实验结果表明,提出算法相比两阶段的算法,检测和译码精度都得到有效提升,实际数据上检测F1提高3%,译码字符正确率提高5%,速度提升22%,模型缩小37%。
张存林[8]（2020）在《短波频率选择性衰落FSK信号盲同步技术研究》文中提出短波通信是军事通信中一种重要的实现远距离数据传输的方式,在短波信道中对突发信号的盲同步是非协作通信中一类棘手的技术难题。依据第二代短波通信协议美军标准MIL-STD-188-141B Appendix A,本文研究了短波频率选择性衰落信道下,短时突发频移键控（Frequency Shift Keying,FSK）信号盲接收同步方案中的关键技术及部分信道参数估计算法。在深入了解第二代自动链路建立系统（The second-generation Automatic Link Establishment,2G-ALE）工作原理和数据结构的基础上,设计出非合作方完整的同步方案,并在实际应用中得到了验证,在短波非协作通信领域具有重要意义。本文第一章对短波信道和课题研究背景做了简要的介绍。本文第二章首先分析了短波信道中存在的存在多径时延、选择性衰落等问题,并结合信道特性进行Watterson建模。然后对短时突发信号、盲处理以及分集技术等有关概念进行了解释。最后介绍了2G-ALE协议中信号发送流程和字结构等相关内容。本文第三章研究了信号存在性检测的问题。传统相关峰捕获的方法不适用于盲信号的处理,因此本文主要对比研究了近年提出的基于能熵比和基于差分相关捕获的方法。本文通过对两种检测方法原理的研究和短波条件下算法特点的分析,提出了短波信道下基于离散短时傅里叶变换（Discrete Short Time Fourier Transform,DSTFT）的多路数据联合判决检测方法,利用FSK信号短时时频特征,结合多路数据以联合判决提取分集增益的方式实现信号的盲识别。这种方法较能使检测性能得到较大的提升,从而提高初期的同步性能。本文第四章首先研究了多路信号同步技术。为了消除分集信号间的时间差异需要进行多路信号同步,由于传统匹配相关的方法抗衰落能力弱且会放大噪声的影响,本文提出基于短波分集信号的时延估计方法,能同时对多信号副本间的相对时延以及短波信道多径时延参数进行估计。该方法利用部分匹配滤波（Partial Matching Filtering,PMF）和大数判决进行改进,可以有效提高算法的抗衰落能力,更好适应短波信道的传输特性。本章还对信号的粗同步算法进行了研究,提出了基于译码搜索的粗同步方法。算法利用编码约束长度内信号具有强相关性的特征,通过滑动试译码结果估计信号位置。通过仿真验证,粗同步在信号存在性检测的基础上进行,可以实现复杂度和性能的平衡,在高精度要求和低信噪比的场景下仍能保持良好的同步性能。本文第五章研究了突发信号的符号同步和精同步技术。传统定时环路存在时延长,复杂度高,收敛性难以保证等问题,本文提出了基于信号频域能量峰值和基于译码反馈两种盲定时方案。前者利用FSK信号频域特征随符号定时位置变化的特点,无需发送信号频点等先验信息即可实现码元同步,后者依据定时误差对译码结果带来的影响进行符号定时。考虑到粗同步的试译码结果可直接用于符号定时,经过性能仿真验证,最终选择基于译码反馈的方法用于符号定时。采样点级别的信号精同步是同步方案的难点,本文提出了基于能量矩阵和误码台阶的精同步方法,还作出2/3大数判决的改进,仿真表明改进后的精同步方法性能大幅跃升。本文设计的信号盲同步方案能适应短波信道低信噪比的通信条件,表现出良好的抗干扰和抗衰落特性,算法通过仿真和实际数据的验证后在C++开发平台上予以实现。第六章对所做工作进行了简单的总结,并对下一步的研究方向进行了展望。
查雄[9]（2020）在《基于神经网络的数字调制信号检测、识别与解调算法》文中指出随着通信技术的飞速发展,通信设备的更新换代,通信信号处理技术面临着严峻挑战,迫切需要研究新技术来满足时代的需求。神经网络技术作为当今机器学习领域下最热门的分支,被广泛应用于图像、语音和医学等领域。鉴于神经网络算法在其他领域的成熟应用,本文将该算法应用于信号处理领域,利用新兴技术解决传统方向难题,具有极大的研究价值。本文以通信信号分析与处理为背景,重点研究了基于神经网络的信号检测、识别与解调算法,主要贡献和创新点如下:1.针对宽带多信号检测问题,本文设计了一种基于深度神经网络的信号检测模型。该算法主要分为两部分:宽带信号预处理和检测模型。预处理方面,首先分析了信号在时频谱图上的特殊呈现,采用时频谱图作为网络样本,并给出了样本处理的标准流程。检测网络方面,主要以当今热门的YOLO v3检测模型为原型。在此基础上,针对本文多信号检测问题对模型中的相关参数进行了适应性改进。理论和仿真实验表明,本文算法可直接对宽带数据进行处理,能够在低信噪比条件下检测出信号的中心频率和起止时间,且对时频混叠和色噪声不敏感,适合工程应用。2.针对幅相调制信号识别问题,本文设定的待识别集合为{BPSK、QPSK、OQPSK、8PSK、16QAM、16APSK、32APSK、64QAM}。本文首先提出了基于经典卷积神经网络的调制识别算法,该算法以信号矢量图为网络样本,选取几类经典的卷积神经网络作为识别模型。样本方面,结合信号相关属性以及网络对不同色彩的识别能力,对样本进行了适应性增强。为进一步提升算法性能,本文提出了基于多端卷积神经网络的识别模型,该模型将信号矢量图和眼图共同作为网络样本,实现不同维度的特征提取。实验结果表明:与现有方法相比,该方法从信号的浅层特征出发,从不同维度认识信号并学习到较为鲁棒的特征,识别性能优于其他算法。3.针对特定规格信号识别问题,提出了基于扩张残差神经网络的识别算法。本文首先介绍了特定规格信号的概念以及此类识别任务的现实需求。通过理论推导几类典型的特定规格信号在时频谱图上的视觉特性,总结了基于时频谱图的特定规格信号识别的方案的可行性。考虑信号在时频谱图上具有可分类特征的空间分布较小,提出了基于扩张卷积的神经网络结构,并给出了标准化处理流程。最终,本文以7类典型的特定规格信号作为待识别类型,以此验证算法性能。实验结果表明:相比其他算法,本文算法识别性能更优,且在低信噪比以及时频混叠等复杂信号环境下依旧能保持较好的鲁棒性。4.针对幅相调制信号解调问题,提出了基于卷积神经网络的信号解调算法。本文以基带复信号过采数据为网络样本,通过搭建卷积神经网络对样本进行特征提取。仿真结果表明,在高斯白噪环境下,算法的解调性能接近最佳接收机性能,验证了基于深度神经网络的信号解调算法的可行性,同时也为后续研究基于神经网络的PCMA信号分离奠定了基础。5.针对PCMA信号分离问题,提出了基于卷积神经网络的分离算法。网络样本采用复基带过采数据。在原有解调网络的基础上,提出了双标签网络,实现了QPSK调制和8PSK调制的PCMA信号分离,分离速度满足实时性需求。在此基础上,进一步讨论了信噪比、幅度比以及时延差等对性能的影响,为高阶调制的PCMA信号分离提供了新思路。
周帅[10]（2019）在《短波侦听系统中的同步及盲均衡技术》文中研究表明短波通信由于抗损毁性强、重建方便等优点,在军事通信领域得到了广泛应用。近年来,随着通信侦察、信息对抗技术的发展,非协作短波通信得到越来越多的关注与研究。本文围绕非协作短波通信的应用需求,基于“MPSK盲解调模块”软件设计项目,对短波侦听系统中接收信号的同步及盲均衡技术进行了研究。首先针对非协作通信中接收端缺乏训练序列和帧结构等先验信息,难以确定信号有无的问题,提出了一种基于信号星座点弥散度统计量的信号检测方法。仿真结果表明该方法适用于低信噪比的短波信道。结合项目要求,还研究了短波侦听系统中突发信号起止位置的提取方法,为后续处理模块提供参考。其次,本文研究了基于循环自相关函数的误差估计同步算法和基于锁相环的自适应环路同步算法,来解决短波侦听系统接收信号中的符号率偏差和载波频率偏差对解调性能造成的影响。针对大符号率偏差的符号同步,提出了以误差估计值初始化锁相环路参数的改进算法,仿真表明同步后稳态误差小于0.17%。针对突发信号,研究了误差估计辅助环路同步的载波同步方法,仿真表明同步后剩余频偏小于0.2Hz。然后,基于项目要求和信号特点,研究了改进恒模盲均衡算法和用于突发信号的数据重用盲均衡算法来消除短波通信中严重的码间干扰。仿真结果表明改进算法具有更快的收敛速度和更小的稳态误差,改进算法还可以纠正不大于0.3Hz的剩余频偏。最后,基于所研究的各个模块的算法,以QPSK调制,1Baud符号率偏差,10%载波偏差为例仿真了短波侦听盲解调系统,结果表明高斯信道下,相比于无频偏和无符号率偏差接收,该系统性能恶化小于3dB;多径信道22dB信噪比时,误码率低于10-4。该仿真结果验证了各模块算法和盲解调系统的有效性。最后设计实现了“MPSK盲解调模块”软件系统,并进行了性能测试,结果表明该软件系统的解调性能满足项目要求。
二、短波通信中信号检测算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、短波通信中信号检测算法研究（论文提纲范文）
（2）短波特定信号接收技术研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 常用数学符号说明 |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 短波通信接收处理系统研究现状 |
| 1.2.2 信道均衡技术研究现状 |
| 1.3 论文主要内容与结构安排 |
| 第二章 短波信道特性及协议分析 |
| 2.1 引言 |
| 2.2 短波传播特性分析 |
| 2.2.1 物理特性 |
| 2.2.2 统计特性 |
| 2.3 110C附录C协议简介 |
| 2.3.1 110C附录C信号帧结构 |
| 2.3.2 110C附录C协议性能测试环境 |
| 2.3.3 受干扰信号特征 |
| 2.4 本章小结 |
| 第三章 短波信道均衡算法研究 |
| 3.1 引言 |
| 3.2 自适应均衡算法研究 |
| 3.2.1 LMS自适应均衡算法原理与性能分析 |
| 3.2.2 RLS自适应均衡算法原理与性能分析 |
| 3.2.3 DLMS算法原理与性能分析 |
| 3.3 迭代均衡算法研究 |
| 3.3.1 基于MMSE的线性迭代均衡算法原理与性能分析 |
| 3.3.2 基于卡尔曼结构迭代均衡算法原理与性能分析 |
| 3.4 本章小结 |
| 第四章 短波接收处理平台设计与性能仿真 |
| 4.1 引言 |
| 4.2 短波接收处理平台设计原理 |
| 4.2.1 数字下变频器 |
| 4.2.2 信号同步模块 |
| 4.2.3 信道均衡模块 |
| 4.3 短波接收处理平台性能仿真 |
| 4.3.1 数字下变频器仿真 |
| 4.3.2 信道均衡模块仿真 |
| 4.3.3 同步捕获模块仿真 |
| 4.3.4 定时同步模块仿真 |
| 4.3.5 载波频偏估计与跟踪模块仿真 |
| 4.3.6 系统性能仿真 |
| 4.4 本章小结 |
| 第五章 基于ZCU102 评估板的短波接收平台实现 |
| 5.1 引言 |
| 5.2 ZCU102 评估板介绍 |
| 5.3 基于ZCU102 评估板的短波接收机PL部分实现 |
| 5.3.1 数字下变频模块 |
| 5.3.2 信号同步模块 |
| 5.3.3 LMS自适应均衡模块实现与优化 |
| 5.4 平台测试与分析 |
| 5.4.1 数字下变频模块 |
| 5.4.2 同步捕获模块 |
| 5.4.3 DLMS均衡模块 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（3）基于深度学习的通信信号智能盲检测与识别技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究历史与现状 |
| 1.2.1 通信信号检测方法研究现状 |
| 1.2.2 通信信号调制识别方法研究现状 |
| 1.2.3 通信信号辐射源个体识别方法研究现状 |
| 1.3 存在的问题挑战与研究思路 |
| 1.4 论文的结构安排与主要工作 |
| 第二章 深度学习理论基础 |
| 2.1 引言 |
| 2.2 深度学习概述 |
| 2.2.1 发展历程 |
| 2.2.2 从浅层到深度学习 |
| 2.3 典型深度学习网络 |
| 2.3.1 卷积神经网络 |
| 2.3.2 循环神经网络 |
| 2.4 深度学习应用于通信信号智能盲检测与识别的思考 |
| 2.5 本章小结 |
| 第三章 基于深度学习的通信信号智能检测方法 |
| 3.1 引言 |
| 3.2 基于自适应频谱噪底抵消的能量检测方法 |
| 3.2.1 宽带频谱估计 |
| 3.2.2 自适应噪底估计 |
| 3.2.3 噪底抵消和信号检测 |
| 3.3 基于目标检测网络的通信信号智能宽带检测方法 |
| 3.3.1 宽带时频图数据集标注与构建 |
| 3.3.2 ISD-ODN智能宽带检测网络 |
| 3.3.3 算法流程总结 |
| 3.3.4 实验结果与分析 |
| 3.4 基于级联分类树的智能窄带突发信号识别方法 |
| 3.4.1 双滑动窗突发信号检测 |
| 3.4.2 窄带时频图数据增强 |
| 3.4.3 深度残差注意力信号识别网络 |
| 3.4.4 基于前导码滑动相关频谱峰值检测的信号识别 |
| 3.4.5 算法流程总结 |
| 3.4.6 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于深度学习的通信信号智能调制识别方法 |
| 4.1 引言 |
| 4.2 基于专家经验特征的调制识别方法 |
| 4.2.1 信号参数统计特征 |
| 4.2.2 高阶统计量特征 |
| 4.2.3 循环平稳特征 |
| 4.2.4 基于特征分类的调制识别 |
| 4.3 基于降噪循环谱与稀疏滤波卷积网络的智能调制识别方法 |
| 4.3.1 二维循环谱变换 |
| 4.3.2 低秩表示降噪 |
| 4.3.3 稀疏滤波卷积网络 |
| 4.3.4 算法流程总结 |
| 4.3.5 实验结果与分析 |
| 4.4 基于魏格纳-威利分布与深度几何卷积网络的智能调制识别方法 |
| 4.4.1 魏格纳-威利分布映射 |
| 4.4.2 维度不可分的几何滤波器 |
| 4.4.3 深度几何卷积网络 |
| 4.4.4 算法流程总结 |
| 4.4.5 实验结果与分析 |
| 4.5 基于深度注意力门控卷积网络的智能调制编码联合识别方法 |
| 4.5.1 一维卷积模块 |
| 4.5.2 注意力机制门控循环模块 |
| 4.5.3 深度注意力门控卷积网络 |
| 4.5.4 算法流程总结 |
| 4.5.5 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 基于深度学习的智能通信辐射源个体识别方法 |
| 5.1 引言 |
| 5.2 基于专家经验特征的辐射源个体识别方法 |
| 5.2.1 信号参数统计特征 |
| 5.2.2 信号变换域统计特征 |
| 5.2.3 机理模型特征 |
| 5.2.4 辐射源特征降维和分类器 |
| 5.3 基于时域与频域特征融合学习的智能辐射源个体识别方法 |
| 5.3.1 信号精细预处理及表示 |
| 5.3.2 IRI-TFF多域特征融合识别网络 |
| 5.3.3 算法流程总结 |
| 5.3.4 实验结果与分析 |
| 5.4 基于波形与星座矢量图特征融合学习的智能辐射源个体识别方法 |
| 5.4.1 信号精细预处理及表示 |
| 5.4.2 IRI-WCF多域特征融合识别网络 |
| 5.4.3 基于迁移学习的小样本新目标SEI方法 |
| 5.4.4 算法流程总结 |
| 5.4.5 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 通信信号智能检测识别系统及实验结果 |
| 6.1 引言 |
| 6.2 系统组成和关键技术 |
| 6.2.1 系统框架和组成 |
| 6.2.2 系统实现关键技术 |
| 6.3 实验验证与分析 |
| 6.3.1 实际短波信号智能检测实验 |
| 6.3.2 实际卫星信号智能调制识别实验 |
| 6.3.3 实际超短波信号智能辐射源个体识别实验 |
| 6.4 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 论文主要贡献 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（4）短波通信中的同步与迭代均衡技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略语对照表 |
| 符号对照表 |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 短波通信系统研究现状 |
| 1.2.2 同步技术研究现状 |
| 1.2.3 Turbo均衡研究现状 |
| 1.3 主要内容与章节安排 |
| 第二章 短波信道特性与协议分析 |
| 2.1 MIL-STD-188-110C协议波形 |
| 2.1.1 调制与数据加扰 |
| 2.1.2 数据帧结构 |
| 2.1.3 编码和交织 |
| 2.2 短波信道传输特性 |
| 2.2.1 短波信道的多径效应 |
| 2.2.2 短波信道的多普勒频移和多普勒频扩 |
| 2.2.3 短波信道的噪声干扰 |
| 2.3 短波窄带信道模型与仿真 |
| 2.3.1 Watterson信道模型结构 |
| 2.3.2 Watterson信道模型仿真分析 |
| 2.4 本章小结 |
| 第三章 信号检测与同步算法研究 |
| 3.1 信号检测算法 |
| 3.1.1 双相关信号检测算法 |
| 3.1.2 分组双相关信号检测算法 |
| 3.2 载波同步算法 |
| 3.2.1 传统的频偏估计算法 |
| 3.2.2 基于双相关的频偏估计算法 |
| 3.3 仿真实验与性能分析 |
| 3.3.1 信号检测算法仿真 |
| 3.3.2 频偏估计算法仿真 |
| 3.4 本章小结 |
| 第四章 Turbo均衡技术 |
| 4.1 Turbo均衡基本原理 |
| 4.1.1 系统模型 |
| 4.1.2 Turbo均衡结构 |
| 4.1.3 重编码 |
| 4.2 迭代软信息计算 |
| 4.2.1 SISO映射 |
| 4.2.2 SISO解映射 |
| 4.3 外信息计算的遗忘因子 |
| 4.4 Turbo均衡算法 |
| 4.4.1 基于MMSE准则的Turbo均衡算法 |
| 4.4.2 基于SIC的Turbo均衡算法 |
| 4.5 仿真实验与性能分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历及论文发表情况 |
（5）基于期望传播的信号迭代检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 数学符号表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 期望传播算法 |
| 1.2.2 迭代检测技术 |
| 1.3 论文主要研究内容及贡献 |
| 第二章 基于空间调制的迭代检测技术 |
| 2.1 引言 |
| 2.2 EP算法理论基础 |
| 2.3 单载波空间调制的系统模型 |
| 2.3.1 空间调制系统模型 |
| 2.3.2 基于空间调制的Turbo均衡原理 |
| 2.4 单载波空间调制的迭代检测算法 |
| 2.4.1 基于MMSE的检测算法 |
| 2.4.2 基于EP的检测算法 |
| 2.5 仿真结果 |
| 2.5.1 复杂度分析 |
| 2.5.2 仿真结果分析 |
| 2.6 本章小结 |
| 第三章 基于非正交多址的迭代检测技术 |
| 3.1 引言 |
| 3.2 IDMA系统 |
| 3.2.1 收发机结构 |
| 3.2.2 IDMA的传统检测算法 |
| 3.2.3 IDMA的新型检测算法 |
| 3.3 上行IDMA-OFDM系统的频偏抑制算法 |
| 3.3.1 系统模型 |
| 3.3.2 基于ESE的频偏抑制算法 |
| 3.3.3 基于EP的频偏抑制算法 |
| 3.4 仿真结果 |
| 3.4.1 复杂度分析 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 基于短波通信的迭代检测技术研究 |
| 4.1 引言 |
| 4.2 基于短波通信的发射机结构 |
| 4.3 单天线的单载波联合信号接收机结构 |
| 4.3.1 特殊信号帧格式的软信息提取 |
| 4.3.2 基于软信息的时域判决反馈均衡算法 |
| 4.3.3 基于EP的均衡算法 |
| 4.3.4 仿真结果 |
| 4.4 多天线分布式的单载波联合信号迭代检测接收机结构 |
| 4.4.1 互信息纵向联合检测方案 |
| 4.4.2 基于时域软判决反馈的空时均衡鲁棒接收机 |
| 4.4.3 基于EP的空时均衡鲁棒接收机 |
| 4.4.4 仿真结果 |
| 4.5 本章小结 |
| 第五章 全文总结 |
| 5.1 本文贡献 |
| 5.2 未来研究方向 |
| 致谢 |
| 参考文献 |
| 个人简历 |
| 攻读硕士学位期间参加的科研项目及研究成果 |
（6）CPF-OFDM信号侦收处理技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 课题研究背景与意义 |
| 1.3 主要技术研究现状 |
| 1.3.1 OFDM目标信号检测与分类技术研究现状 |
| 1.3.2 OFDM信号时频同步技术研究现状 |
| 1.4 主要研究内容及结构安排 |
| 第二章 CPF-OFDM信号参数及侦收处理方案设计 |
| 2.1 OFDM信号原理与分类 |
| 2.1.1 OFDM信号原理 |
| 2.1.2 OFDM信号分类 |
| 2.2 基于iPSTAR卫星信号的CPF-OFDM信号参数设计 |
| 2.2.1 iPSTAR卫星通信系统简介 |
| 2.2.2 CPF-OFDM信号参数设计 |
| 2.3 CPF-OFDM信号侦收处理方案设计 |
| 2.4 本章小结 |
| 第三章 CPF-OFDM目标信号检测与分类技术研究 |
| 3.1 目标信号存在性检测算法研究 |
| 3.1.1 基于功率变化比的目标信号存在性检测算法 |
| 3.1.2 基于信噪比判决的目标信号存在性检测算法 |
| 3.1.3 仿真性能分析 |
| 3.2 OFDM信号与单载波信号类间识别算法研究 |
| 3.2.1 基于K特征参数的类间识别算法 |
| 3.2.2 基于d_(20)特征参数的类间识别算法 |
| 3.2.3 仿真性能分析 |
| 3.3 OFDM信号类内识别算法研究 |
| 3.3.1 基于功率自相关的ZP-OFDM信号识别算法 |
| 3.3.2 基于循环自相关的CP-OFDM信号识别算法 |
| 3.3.3 基于保护间隔特性的OFDM信号类内识别算法 |
| 3.3.4 仿真性能分析 |
| 3.4 本章小结 |
| 第四章 CPF-OFDM信号时频同步技术研究 |
| 4.1 基于多符号多频点联合判决的CPF-OFDM信号捕获算法研究 |
| 4.1.1 传统OFDM信号捕获算法 |
| 4.1.2 基于MSMF信噪比联合判决的CPF-OFDM信号捕获算法原理 |
| 4.1.3 仿真性能分析 |
| 4.2 基于A&M的CPF-OFDM信号频偏估计算法研究 |
| 4.2.1 传统OFDM信号频偏估计算法 |
| 4.2.2 基于A&M的CPF-OFDM信号频偏估计算法 |
| 4.2.3 基于四次方谱的CPF-OFDM信号频偏估计算法原理 |
| 4.2.4 仿真性能分析 |
| 4.3 基于训练序列的CPF-OFDM信号定时估计算法研究 |
| 4.3.1 传统OFDM信号定时估计算法 |
| 4.3.2 基于训练序列的定时估计算法原理 |
| 4.3.3 仿真性能分析 |
| 4.4 本章小结 |
| 第五章 CPF-OFDM信号侦收性能仿真分析 |
| 5.1 CPF-OFDM信号侦收处理架构设计及仿真参数设置 |
| 5.1.1 CPF-OFDM信号侦收处理架构设计 |
| 5.1.2 仿真参数设置 |
| 5.2 数据时隙各子载波EVM与误符号率 |
| 5.2.1 主载波 |
| 5.2.2 副载波 |
| 5.3 侦收性能仿真分析 |
| 5.3.1 目标信号检测与分类性能 |
| 5.3.2 同步性能 |
| 5.3.3 数据时隙盲解调性能 |
| 5.4 本章小结 |
| 第六章 全文总结及展望 |
| 6.1 本文主要贡献 |
| 6.2 未来研究工作展望 |
| 致谢 |
| 参考文献 |
| 个人简历 |
| 攻读硕士学位期间的研究成果 |
（7）基于深度学习的手工Morse信号检测与译码研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 Morse信号的检测与译码 |
| 1.2.1 Morse信号的时频图 |
| 1.2.2 面临的主要困难 |
| 1.3 国内外研究现状 |
| 1.3.1 Morse信号检测 |
| 1.3.2 Morse信号译码 |
| 1.4 基于深度学习的检测和转写技术 |
| 1.4.1 基于深度学习的检测技术 |
| 1.4.2 基于深度学习的转写技术 |
| 1.4.3 基于深度学习的端到端检测与转写技术 |
| 1.5 研究内容和论文结构安排 |
| 第二章 基于中心线模型的Morse信号检测研究 |
| 2.1 引言 |
| 2.2 经典深度目标检测器用于时频图里信号检测的缺点 |
| 2.3 基于信号中心线的检测模型 |
| 2.3.1 整体结构 |
| 2.3.2 主干网络 |
| 2.3.3 属性表达模块 |
| 2.3.4 损失函数和边界框合成 |
| 2.4 实验设计 |
| 2.4.1 实验数据和训练配置 |
| 2.4.2 对比算法和评价指标 |
| 2.5 实验结果 |
| 2.5.1 仿真数据实验 |
| 2.5.2 实际数据实验 |
| 2.5.3 拓展—多类型信号的检测 |
| 2.6 本章小节 |
| 第三章 基于CRNN模型的Morse信号译码研究 |
| 3.1 引言 |
| 3.2 基于CRNN的译码模型 |
| 3.2.1 特征序列提取 |
| 3.2.2 序列预测 |
| 3.2.3 转录 |
| 3.2.4 损失函数 |
| 3.3 实验设计 |
| 3.3.1 实验数据和训练配置 |
| 3.3.2 对比算法和评价指标 |
| 3.4 实验结果 |
| 3.4.1 仿真数据实验 |
| 3.4.2 实际数据实验 |
| 3.5 本章小结 |
| 第四章 端到端Morse信号检测与译码研究 |
| 4.1 引言 |
| 4.2 MorseNet端到端检测与译码模型 |
| 4.2.1 整体结构和共享卷积 |
| 4.2.2 检测分支 |
| 4.2.3 区域提取 |
| 4.2.4 译码分支 |
| 4.3 实验设计 |
| 4.3.1 实验数据和训练配置 |
| 4.3.2 对比算法和评价指标 |
| 4.4 实验结果 |
| 4.4.1 仿真数据实验 |
| 4.4.2 实际数据实验 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（8）短波频率选择性衰落FSK信号盲同步技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 主要数学符号表 |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 本文主要工作与组织结构 |
| 第二章 短波选择性衰落FSK信号同步原理 |
| 2.1 信道特征及Watterson建模 |
| 2.1.1 频率选择性衰落短波信道 |
| 2.1.2 Watterson信道建模 |
| 2.2 2G-ALE系统发送流程与盲同步方案 |
| 2.2.1 基本字结构 |
| 2.2.2 发送流程 |
| 2.2.3 系统同步原理 |
| 2.3 短时突发信号盲处理特征与分集技术应用 |
| 2.3.1 突发通信 |
| 2.3.2 盲处理特征 |
| 2.3.3 分集接收技术 |
| 2.4 本章小结 |
| 第三章 信号存在性检测技术 |
| 3.1 常用信号检测技术 |
| 3.1.1 基于能熵比的存在性检测方法 |
| 3.1.2 基于差分相关的存在性检测方法 |
| 3.2 基于DSTFT的信号联合判决检测方法 |
| 3.2.1 检测原理 |
| 3.2.2 算法实现 |
| 3.3 检测算法性能仿真与分析 |
| 3.3.1 算法检测性能对比 |
| 3.3.2 算法抗干扰性能对比 |
| 3.3.3 联合判决方法分集性能对比 |
| 3.4 本章小结 |
| 第四章 盲信号粗同步 |
| 4.1 多路信号同步技术 |
| 4.1.1 基于匹配相关的时延估计方法 |
| 4.1.2 基于分集信号的时延估计方法 |
| 4.1.3 时延估计算法性能仿真与分析 |
| 4.2 盲信号粗同步 |
| 4.2.1 同步原理 |
| 4.2.2 算法改进与实现 |
| 4.2.3 粗同步算法性能仿真与分析 |
| 4.3 本章小结 |
| 第五章 盲信号精同步 |
| 5.1 信号盲符号定时 |
| 5.1.1 基于数据频率能量峰值的盲符号同步方法 |
| 5.1.2 基于分集信号译码反馈的盲符号同步方法 |
| 5.1.3 符合定时算法性能仿真与分析 |
| 5.2 基于信号能量和译码联合判决的精同步 |
| 5.2.1 基于能量矩阵的精同步方法 |
| 5.2.2 基于误码台阶的精同步方法 |
| 5.2.3 精同步算法特点比较与大数判决改进 |
| 5.2.4 精同步算法性能仿真与分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文主要贡献及结论 |
| 6.2 下一步研究方向 |
| 致谢 |
| 参考文献 |
| 攻硕期间的研究成果 |
（9）基于神经网络的数字调制信号检测、识别与解调算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 信号检测研究现状 |
| 1.2.2 信号识别研究现状 |
| 1.2.3 信号解调研究现状 |
| 1.3 本文主要工作 |
| 1.4 结构安排 |
| 第二章 基于神经网络的多信号检测算法 |
| 2.1 引言 |
| 2.2 信号模型 |
| 2.3 卷积神经网络简介 |
| 2.3.1 卷积层 |
| 2.3.2 池化层 |
| 2.3.3 激活函数和批标准化 |
| 2.3.4 神经网络训练 |
| 2.4 系统架构 |
| 2.4.1 样本预处理 |
| 2.4.2 算法模型 |
| 2.5 仿真实验与结果分析 |
| 2.6 本章小结 |
| 第三章 基于神经网络的幅相调制信号识别算法 |
| 3.1 引言 |
| 3.2 基于经典卷积神经网络的信号调制识别算法 |
| 3.2.1 信号模型 |
| 3.2.2 卷积神经网络模型和可视化解释原理 |
| 3.2.3 算法实现流程 |
| 3.2.4 仿真实验与结果分析 |
| 3.3 基于多端卷积神经网络的调制识别算法 |
| 3.3.1 信号模型 |
| 3.3.2 算法实现流程 |
| 3.3.3 仿真实验与结果分析 |
| 3.4 本章小结 |
| 第四章 基于神经网络的特定规格信号识别算法 |
| 4.1 引言 |
| 4.2 特定信号时频谱图视觉呈现 |
| 4.3 系统架构 |
| 4.4 仿真实验与结果分析 |
| 4.5 本章小结 |
| 第五章 基于神经网络的信号解调算法 |
| 5.1 引言 |
| 5.2 基于神经网络的幅相信号解调算法 |
| 5.2.1 信号模型 |
| 5.2.2 系统框架 |
| 5.2.3 仿真实验与结果分析 |
| 5.3 基于卷积神经网络的PCMA信号分离算法 |
| 5.3.1 信号模型 |
| 5.3.2 系统框架 |
| 5.3.3 仿真实验与结果分析 |
| 5.4 本章小结 |
| 第六章 结束语 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（10）短波侦听系统中的同步及盲均衡技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 短波侦听系统 |
| 1.1.1 选题研究背景、意义及来源 |
| 1.1.2 短波侦听系统信号特征 |
| 1.1.3 盲解调系统模型 |
| 1.2 国内外研究现状 |
| 1.2.1 信号存在性检测技术 |
| 1.2.2 同步技术 |
| 1.2.3 盲均衡技术 |
| 1.3 主要研究内容和章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构安排 |
| 第二章 信号检测、同步及盲均衡技术 |
| 2.1 信号存在性检测 |
| 2.1.1 检测流程 |
| 2.1.2 时域统计量检测法 |
| 2.1.3 频域统计量检测法 |
| 2.1.4 自适应门限检测法 |
| 2.2 符号盲同步 |
| 2.2.1 重采样与定时调整 |
| 2.2.2 前向估计符号同步 |
| 2.2.3 自适应环路符号同步 |
| 2.3 载波盲同步 |
| 2.3.1 前向估计载波同步 |
| 2.3.2 自适应环路载波同步 |
| 2.4 盲均衡 |
| 2.4.1 Bussgang类盲均衡算法 |
| 2.4.2 其他盲均衡算法 |
| 2.5 小结 |
| 第三章 算法改进及仿真分析 |
| 3.1 信号检测 |
| 3.1.1 连续信号存在性检测 |
| 3.1.2 突发信号起止位置确定 |
| 3.2 符号盲同步改进算法及仿真 |
| 3.2.1 一种改进的前向定时误差估计算法 |
| 3.2.2 短波信号大符号率偏差符号盲同步 |
| 3.3 突发信号载波盲同步 |
| 3.4 盲均衡改进算法及仿真 |
| 3.4.1 改进的MPSK信号盲均衡算法 |
| 3.4.2 短波突发信号盲均衡 |
| 3.5 系统仿真 |
| 3.6 小结 |
| 第四章 软件设计及性能测试 |
| 4.1 项目技术要求 |
| 4.2 设计分析 |
| 4.3 软件实现 |
| 4.3.1 数据存取模块 |
| 4.3.2 人机交互模块 |
| 4.3.3 数据处理模块 |
| 4.4 性能测试 |
| 4.4.1 BPSK解调 |
| 4.4.2 QPSK解调 |
| 4.4.3 8PSK解调 |
| 4.5 小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、短波通信中信号检测算法研究（论文参考文献）
- [1]短波窄带通信系统同步与分集接收技术研究[D]. 李景慧. 重庆邮电大学, 2021
- [2]短波特定信号接收技术研究与实现[D]. 龚乔宜. 战略支援部队信息工程大学, 2021(01)
- [3]基于深度学习的通信信号智能盲检测与识别技术研究[D]. 李润东. 电子科技大学, 2021(01)
- [4]短波通信中的同步与迭代均衡技术研究[D]. 王梓晅. 宁夏大学, 2021
- [5]基于期望传播的信号迭代检测技术研究[D]. 陈芸. 电子科技大学, 2021(01)
- [6]CPF-OFDM信号侦收处理技术研究[D]. 段欢欢. 电子科技大学, 2021(01)
- [7]基于深度学习的手工Morse信号检测与译码研究[D]. 李伟浩. 战略支援部队信息工程大学, 2021(04)
- [8]短波频率选择性衰落FSK信号盲同步技术研究[D]. 张存林. 电子科技大学, 2020(07)
- [9]基于神经网络的数字调制信号检测、识别与解调算法[D]. 查雄. 战略支援部队信息工程大学, 2020(02)
- [10]短波侦听系统中的同步及盲均衡技术[D]. 周帅. 西安电子科技大学, 2019(02)