毕业答辩ppt模板-北京工业大学耿丹学院

小波包调制信号分类识别方法的研究研究生：学号：20090731专业：信号与信息处理导师：宣讲大纲一、研究的背景和意义二、先前的研究成果三、本论文的研究目的四、本论文的主要内容一、研究的背景和意义调制识别技术主要应用在非协作通信系统中。由于接收方事先不知道信号的相关知识，为了能顺利地对信号进行解调，就必须要确定信号的调制方式和调制参数。这时，调制识别技术就派上了用场。小波包调制（WPM）是一种新兴的多载波调制技术。它采用不同的小波包函数作为子载波，利用小波包函数优良的正交性与时频局域性实现，可取得较高的频谱效率和良好的抗衰落与抗干扰性能，将在未来的无线通信领域扮演重要的角色。对小波包调制信号的识别是一个很有实际意义的研究课题。二、先前的研究成果目前，人们主要在时域和变换域研究小波包调制信号（WPM）的识别：1.时域在时域领域，人们主要提取小波包调制信号的高阶累积量、自相关和循环自相关等特征参数，然后实现对WPM信号的识别。2.变换域在变换域方面，人们提取了小波包调制信号的频域、时频域、分数阶傅里叶域以及其他变换域的特征参数（如功率谱、时频混合矩等），然后实现对WPM信号的识别。三、本论文的研究目的小波包调制作为一种新型的多载波调制技术，从它提出之日起，人们对小波包调制信号的识别与参数估计就引起了高度的关注。本论文主要将两种多载波调制信号（OFDM信号和WPM信号）作为研究对象，提取特征参数，并以特征参数为依据，实现WPM信号的分类识别。1.小波包调制信号和OFDM信号调制原理分析2.基于支持向量机的小波包调制信号识别3.基于双谱估计的小波包调制信号识别四、本论文的主要研究工作1.小波包调制信号和OFDM信号调制原理分析图1小波包调制信号的调制过程图2OFDM信号的调制过程2.基于支持向量机的小波包调制信号识别基于小波包调制信号和OFDM信号在分数阶傅里叶变换域分布的不同，本论文利用图像成形技术对接收信号的分数阶傅里叶变换域分布图进行处理，探讨了小波包调制信号和OFDM信号的分数阶域分布成形图的特征参数，利用支持向量机做分类器，实现了这两种多载波调制信号的分类识别。图3OFDM信号在分数阶傅里叶变换域分布图示例图图4WPM信号在分数阶傅里叶变换域分布图示例图最近观看本论文将采用图像成形技术对OFDM和WPM信号的分数阶傅里叶变换域分布图进行预处理,以便提取特征参数。流程如下：图5图像成形技术的流程图成形是按照分块成形法、框扫描法和分块去残留法的顺序进行，其流程如下：图6成形的流程分块成形法图7分块成形法示意图框扫描法图8框扫描法示意图分块去残留法33445566其基本思想与分块成形法相同，但是方块依次设定为。图9成形处理后的OFDM信号（左）和WPM信号的分数阶傅里叶变换域分布图示例图填充成形处理后的图像中会有许多小孔，图像比较杂乱，需要填充这些小孔，使得图像更加规则。图像的填充处理如下所示：1A2A3A4A5A6A7A8A9A10A11A12A13A14A15A16A图10填充处理示意图图11填充处理后的OFDM信号（左）和WPM信号的分数阶傅里叶变换域分布图示例图最近观看原图像特征提取OFDM信号和WPM信号的分数阶傅里叶变换域分布图的上下边缘曲线都具有较为明显的对称性，前者呈马鞍形分布，后者却类似锯齿状线条。因此，提取特征参数时，可从以下几个方面考虑：分布面积、上下边缘的波峰波谷个数以及上下边缘的斜率变化情况等。原图像图像边缘的提取与拟合图12提取轮廓特征的流程边缘拟合的时候，采用的是最小二乘准则的多项式进行拟合，并且拟合的阶数为8。图13OFDM信号（左）和WPM信号的分数阶傅里叶变换域分布图的上下边缘及其拟合曲线原图像最近观看提取特征参数（1）面积特征P1M2M（2）上下边缘的波峰波谷个数和（3）斜率变化特征Q图14OFDM信号（左）和WPM信号的分数阶傅里叶变换域分布图的边缘拟合曲线的斜率变化情况支持向量机（SVM）是上世纪90年代中期发展起来的一种基于统计学习理论的机器学习算法,广泛应用于模式识别和回归预测等领域。本论文构造了支持向量机分类器，代入提取的特征参数后得到了良好的分类效果，从而识别出了小波包调制信号。识别流程如下：支持向量机分类器图15识别流程特征向量对SVM分类器性能的影响],[21MMT],,[21QMMT],,,[21PQMMT（1）（2）（3）当特征向量分别取(1),(2),(3)三种不同情况的时候，识别成功率越来越高结果。这主要是因为这三种特征参数分别从不容角度表征了两种多载波调制信号的分数阶傅里叶变换域分布图的边缘轮廓特征。因此，当特征向量选取三种特征参数时，最能反映出两种多载波调制信号的不同，相应的识别成功率也最高。3.基于双谱估计的小波包调制信号识别根据小波包调制信号的非线性和二次相位耦合性特点，本论文利用双谱分析方法，对小波包调制信号进行参数化双谱估计，并提取特征参量，实现对小波包调制信号的识别。双谱和功率谱的区别设为一个零均值的M()阶平稳随机过程，则的功率谱和双谱表示如下：)}({nx3M)}({nx22)(}exp{)()(XjcPxx功率谱：)()()()}(exp{),(),(21*2122112132112XXXjcBxx双谱：（1）（2）注：)(X是)}({nx的傅里叶变换，2121,,双谱还能检测二次相位耦合情况：假设信号61)cos()(iiinnx6381.018345.02213，其中4909.047671.155461245，相互独立，且服从)2,0[上的均匀分布。213546。61)cos()(iiinnx图16信号的双谱三维图（左）和功率谱图双谱估计方法（1）直接法（2）间接法（3）参数法本论文采用的是参数法中的AR模型法。双谱特征图17OFDM（左）和WPM信号的双谱三维图示例提取的双谱特征参数为了实现OFDM与WPM多载波调制信号的分类识别，结合两者的双谱特征，可定义反映OFDM信号和WPM信号双谱图区别的特征参数：)},({)},(max{213213xxBmeanBV（3）)},(max{213xB)},({213xBmean式中,和分别为双谱三维图的最大值和均值。不同信道、不同SNR情况下参数V的结果图18AWGN信道中OFDM和WPM的V参数图19瑞利衰落信道中OFDM和WPM的V参数图20频选信道中OFDM和WPM的V参数结论仿真实验结果表明，选取合适的判决门限值（比如1.46）后，该算法在很低的信噪比条件下可接近100%地成功识别出WPM信号。结束语谢谢各位老师！