《畢業(yè)答辯ppt模板-北京工業(yè)大學(xué)耿丹學(xué)院.ppt》由會員分享，可在線閱讀，更多相關(guān)《畢業(yè)答辯ppt模板-北京工業(yè)大學(xué)耿丹學(xué)院.ppt（36頁珍藏版）》請在裝配圖網(wǎng)上搜索。
1、,,,,小波包調(diào)制信號分類識別方法的研究,研究生：學(xué)號：20090731專業(yè)：信號與信息處理導(dǎo)師：,,,,,,,,,,,,,,,,宣講大綱,一、研究的背景和意義二、先前的研究成果三、本論文的研究目的四、本論文的主要內(nèi)容,一、研究的背景和意義,,調(diào)制識別技術(shù)主要應(yīng)用在非協(xié)作通信系統(tǒng)中。由于接收方事先不知道信號的相關(guān)知識，為了能順利地對信號進行解調(diào)，就必須要確定信號的調(diào)制方式和調(diào)制參數(shù)。這時，調(diào)制識別技術(shù)就派上了用場。,,,小波包調(diào)制（WPM）是一種新興的多載波調(diào)制技術(shù)。它采用不同的小波包函數(shù)作為子載波，利用小波包函數(shù)優(yōu)良的正交性與時頻局域性實現(xiàn)，可取得較高的頻譜效率和良好的抗衰落與抗干擾性能，將
2、在未來的無線通信領(lǐng)域扮演重要的角色。對小波包調(diào)制信號的識別是一個很有實際意義的研究課題。,二、先前的研究成果,,,目前，人們主要在時域和變換域研究小波包調(diào)制信號（WPM）的識別：1.時域在時域領(lǐng)域，人們主要提取小波包調(diào)制信號的高階累積量、自相關(guān)和循環(huán)自相關(guān)等特征參數(shù)，然后實現(xiàn)對WPM信號的識別。2.變換域在變換域方面，人們提取了小波包調(diào)制信號的頻域、時頻域、分數(shù)階傅里葉域以及其他變換域的特征參數(shù)（如功率譜、時頻混合矩等），然后實現(xiàn)對WPM信號的識別。,三、本論文的研究目的,小波包調(diào)制作為一種新型的多載波調(diào)制技術(shù)，從它提出之日起，人們對小波包調(diào)制信號的識別與參數(shù)估計就引起了高度的關(guān)注。本論文主要
3、將兩種多載波調(diào)制信號（OFDM信號和WPM信號）作為研究對象，提取特征參數(shù)，并以特征參數(shù)為依據(jù)，實現(xiàn)WPM信號的分類識別。,1.小波包調(diào)制信號和OFDM信號調(diào)制原理分析2.基于支持向量機的小波包調(diào)制信號識別3.基于雙譜估計的小波包調(diào)制信號識別,四、本論文的主要研究工作,,1.小波包調(diào)制信號和OFDM信號調(diào)制原理分析,,,,,圖1小波包調(diào)制信號的調(diào)制過程,,,圖2OFDM信號的調(diào)制過程,,2.基于支持向量機的小波包調(diào)制信號識別,基于小波包調(diào)制信號和OFDM信號在分數(shù)階傅里葉變換域分布的不同，本論文利用圖像成形技術(shù)對接收信號的分數(shù)階傅里葉變換域分布圖進行處理，探討了小波包調(diào)制信號和OFDM信號的分
4、數(shù)階域分布成形圖的特征參數(shù)，利用支持向量機做分類器，實現(xiàn)了這兩種多載波調(diào)制信號的分類識別。,,,圖3OFDM信號在分數(shù)階傅里葉變換域分布圖示例圖,圖4WPM信號在分數(shù)階傅里葉變換域分布圖示例圖,最近觀看,,,,本論文將采用圖像成形技術(shù)對OFDM和WPM信號的分數(shù)階傅里葉變換域分布圖進行預(yù)處理,以便提取特征參數(shù)。流程如下：,,圖5圖像成形技術(shù)的流程圖,,,成形是按照分塊成形法、框掃描法和分塊去殘留法的順序進行，其流程如下：,,圖6成形的流程,分塊成形法,,圖7分塊成形法示意圖,框掃描法,,圖8框掃描法示意圖,分塊去殘留法,其基本思想與分塊成形法相同，但是方塊依次設(shè)定為,,。,圖9成形處理后的OF
5、DM信號（左）和WPM信號的分數(shù)階傅里葉變換域分布圖示例圖,,填充,成形處理后的圖像中會有許多小孔，圖像比較雜亂，需要填充這些小孔，使得圖像更加規(guī)則。圖像的填充處理如下所示：,,圖10填充處理示意圖,圖11填充處理后的OFDM信號（左）和WPM信號的分數(shù)階傅里葉變換域分布圖示例圖,最近觀看,原圖像,特征提取,OFDM信號和WPM信號的分數(shù)階傅里葉變換域分布圖的上下邊緣曲線都具有較為明顯的對稱性，前者呈馬鞍形分布，后者卻類似鋸齒狀線條。因此，提取特征參數(shù)時，可從以下幾個方面考慮：分布面積、上下邊緣的波峰波谷個數(shù)以及上下邊緣的斜率變化情況等。,原圖像,,,圖像邊緣的提取與擬合,圖12提取輪廓特征的
6、流程,邊緣擬合的時候，采用的是最小二乘準則的多項式進行擬合，并且擬合的階數(shù)為8。,圖13OFDM信號（左）和WPM信號的分數(shù)階傅里葉變換域分布圖的上下邊緣及其擬合曲線,原圖像,最近觀看,,,提取特征參數(shù),（1）面積特征,（2）上下邊緣的波峰波谷個數(shù),和,（3）斜率變化特征,圖14OFDM信號（左）和WPM信號的分數(shù)階傅里葉變換域分布圖的邊緣擬合曲線的斜率變化情況,,,,,,,,,,支持向量機（SVM）是上世紀90年代中期發(fā)展起來的一種基于統(tǒng)計學(xué)習(xí)理論的機器學(xué)習(xí)算法,廣泛應(yīng)用于模式識別和回歸預(yù)測等領(lǐng)域。本論文構(gòu)造了支持向量機分類器，代入提取的特征參數(shù)后得到了良好的分類效果，從而識別出了小波包調(diào)制
7、信號。識別流程如下：,支持向量機分類器,,圖15識別流程,,特征向量對SVM分類器性能的影響,,,（1）,（2）,（3）,當特征向量分別取(1),(2),(3)三種不同情況的時候，識別成功率越來越高結(jié)果。這主要是因為這三種特征參數(shù)分別從不容角度表征了兩種多載波調(diào)制信號的分數(shù)階傅里葉變換域分布圖的邊緣輪廓特征。因此，當特征向量選取三種特征參數(shù)時，最能反映出兩種多載波調(diào)制信號的不同，相應(yīng)的識別成功率也最高。,,3.基于雙譜估計的小波包調(diào)制信號識別,根據(jù)小波包調(diào)制信號的非線性和二次相位耦合性特點，本論文利用雙譜分析方法，對小波包調(diào)制信號進行參數(shù)化雙譜估計，并提取特征參量，實現(xiàn)對小波包調(diào)制信號的識別。
8、,,,雙譜和功率譜的區(qū)別,設(shè)為一個零均值的M()階平穩(wěn)隨機過程，則的功率譜和雙譜表示如下：,,,,功率譜：,雙譜：,（1）,（2）,注：,是,的傅里葉變換，,,,,,雙譜還能檢測二次相位耦合情況：,假設(shè)信號,，其中,，,相互獨立，,且服從,上的均勻分布。,,,。,,圖16信號的雙譜三維圖（左）和功率譜圖,雙譜估計方法,（1）直接法,（2）間接法,（3）參數(shù)法,本論文采用的是參數(shù)法中的AR模型法。,,雙譜特征,圖17OFDM（左）和WPM信號的雙譜三維圖示例,,提取的雙譜特征參數(shù),為了實現(xiàn)OFDM與WPM多載波調(diào)制信號的分類識別，結(jié)合兩者的雙譜特征，可定義反映OFDM信號和WPM信號雙譜圖區(qū)別的特征參數(shù)：,,（3）,式中,,和,分別為,雙譜三維圖的最大值和均值。,,不同信道、不同SNR情況下參數(shù)V的結(jié)果,圖18AWGN信道中OFDM和WPM的V參數(shù),,圖19瑞利衰落信道中OFDM和WPM的V參數(shù),,圖20頻選信道中OFDM和WPM的V參數(shù),結(jié)論,仿真實驗結(jié)果表明，選取合適的判決門限值（比如1.46）后，該算法在很低的信噪比條件下可接近100%地成功識別出WPM信號。,結(jié)束語,謝謝各位老師！,
畢業(yè)答辯ppt模板-北京工業(yè)大學(xué)耿丹學(xué)院.ppt
