一、非线性信道传输的码元识别方法研究（论文文献综述）
陈晨[1]（2021）在《基于神经网络和SVDD的未知调制识别技术》文中研究表明信号调制作为当下通信过程中必不可少的一环,一直对整个通信系统整体性能以及传输能力产生着极大的影响,而随着现代无线通信技术的发展,调制信号的种类和方式也在不断变多,通信环境中调制信号的区分也变得愈发困难。因而调制识别这种对未知调制信号进行调制种类判断和分类的方法,在电子侦察、电子对抗、频谱检测等多种非合作通信场景下的接收机设计中都有着极大的研究意义,影响着后续通信信号的解调以及通信参数提取的实际性能。然而随着通信信号种类和调制方式的不断增加,通信环境的愈发复杂,传统调制识别方法这类针对少数调制信号才有较好分类性能的方法已经无法再满足当下的用户需求。本文针对这一问题,提出了一种基于神经网络以及支持向量数据域描述方法的未知调制信号开集识别系统,通过对复杂繁多的调制信号集进行一次有选择的筛选,分类出少数我们感兴趣的调制信号类型,以提高后续调制识别的处理性能。不同于传统调制识别对调制信号进行人工特征提取的方法,本文选择了神经网络这类提取性能优异,模型普适性更好的方法来完成特征提取以及压缩的过程。本文构建了两类神经网络用于调制信号的特征提取,其中一类是一维卷积神经网络,其对一维数据经行卷积的操作十分适合用于提取时间序列的相关特征,另一类神经网络我们采用了栈式自编码网络,其类似编码和解码的训练方法,可以在压缩数据特征的同时,尽可能保留能够还原输入数据本身的核心特征。在提取调制信号特征的基础上,本文基于支持向量数据域描述的方法,构建了用于调制信号的单分类模型,通过实验不同的模型参数、核函数以及正负类样本集构建方式,本文实现了多类型调制信号开集识别系统的分类模型,并分析了模型性能受不同系统参数的影响规律,最后给出了合理的正负类调制信号样本的划分方式。
伍文福[2]（2021）在《高速率随钻遥传系统调制解调方法研究》文中研究说明在油气勘探领域,随钻测量技术是钻井过程中实时获取地层参数的重要手段,而泥浆脉冲传输技术又是随钻测量中使用最广泛的信息传输技术。但是国内的泥浆脉冲传输技术较国外起步要晚,技术和工艺不够成熟,与国外的技术差距较大。为了突破技术垄断,提出本研究课题,通过探讨随钻脉冲信号发生器的原理,选择各方面具有优势的MSK作为随钻传输的调制方式,通过探讨泥浆脉冲信号的噪声消除、信号同步和解调、信道均衡等的技术方案,进行仿真系统的搭建,同时对整个调制解调方案进行技术验证。本文的主要研究内容如下:1、对于调制方式的选择,文章分析了钻井液脉冲信号发生器的机械结构和信号的产生原理,并针对BPSK和MSK信号进行模拟钻井液脉冲信号的仿真,分析了两种调制方式的功率谱密度,同时对模拟信号进行性能仿真,选择性能表现更优的MSK作为本文的研究方向。2、对于信号的消噪方面,本文首先对钻井时可能的噪声来源进行分析,并结合实钻采集的噪声信号,总结分析实钻下钻井液脉冲信号的噪声特性,针对性的提出了两种自适应的单传感器消噪算法和一种自适应的双传感器消噪算法。最后对三个实钻场景采集的BPSK调制的钻井液脉冲信号进行消噪处理,并分析三种消噪算法的优缺点和适用场景。3、对于MSK信号的同步和解调,文章首先介绍了MSK信号的两种正交解调的算法:频移正交解调和相移正交解调,分别介绍了两种正交解调的定时同步和载波同步方法。最后介绍了基于相移正交解调的最佳接收机结构,构建基于维特比算法的最大似然序列检测器,以实现MSK调制信号的最佳解调。4、对于信号的均衡,对钻井液信道的传输特性进行分析,并推导了相关法估计信道的冲激响应,同时对实钻采集的信号做估计后分析其信道频率衰减特性,得出钻井液信道具有很强的由信道多径引起的频率选择特性,从而导致严重的码间干扰。根据信道特性提出适用于随钻传输的频域均衡算法和对应的数据帧结构,对接收的信号进行均衡以补偿信道对信号的衰减。
胡乘龙[3]（2021）在《MPSK/MAPSK信号盲解调方法研究》文中提出在数字通信中,电子侦察往往会通过对截获信号的盲解调来获取信息。盲解调作为非协作信号处理的一个关键技术,其方法涵盖参数估计方法、调制识别方法、符号同步与载波同步方法以及盲均衡方法。本文研究了MPSK、MAPSK信号的通用盲解调方法,在深入研究盲解调算法原理基础上,完成算法的性能仿真。全文的主要工作包括:首先,载波频率和符号速率在解调中是需要已知的,对于非协作侦察来说,是不具备这些参数的先验信息的,所以必须估计出参数的值来方便识别与解调。本文针对这两类信号的载频估计问题采用基于Welch功率谱的频率居中法,并与传统的频率居中法对比。在符号速率估计问题上,本文采用基于CZT方法改良的包络谱法,并与传统包络谱法进行性能对比。之后分析MPSK、MAPSK的信号特征,本文采用联合谱线特征与高阶累积量的方法完成信号的类间与类内的调制识别,在信噪比7d B左右对信号集达到90%的识别正确率。然后,在实际的通信过程中,信号传播是存在未知的时延,导致采样难以对准每个符号的最佳采样点,从而造成系统误码率增高,而这一任务就需要符号同步来完成。本文针对MPSK和MAPSK的符号同步问题,在现有的符号同步算法的研究基础上,为了能够避免多电平信号APSK信号过零点检测无效的情况,将已有的适用于MPSK的多电平Gardner算法推广于MAPSK的符号同步,经过理论推导和仿真分析证明该算法对MAPSK的有效性,该符号同步算法能够有效降低MAPSK等多电平信号符号同步的定时误差,使得小数间隔曲线更加平滑。之后对MPSK、MAPSK信号的载波同步进行整合,本文采用统一的科斯塔斯环结构,对各类信号的鉴相算法进行了研究和设计。之后本文对盲解调误码性能进行仿真分析,误码性能较理论误码率损失1～2d B左右。最后,针对MPSK和MAPSK的盲均衡问题,本文采用CMA+DDLMS的双模式算法进行信号的盲均衡,并与CMA方法进行对比。在保证收敛速度的同时,双模式方法的均衡稳态误差更小。
孙碧瑶[4]（2020）在《高速飞行器复杂电磁环境下信道畸变对消方法研究》文中进行了进一步梳理近年来,高超声速飞行器成为世界航天强国竞相发展的研究热点,而可靠测控技术作为“耳目”也成为重点关注的技术之一。传统基于S频段的统一载波测控通信系统受工作频率低、频带窄等特点限制,无法满足未来高超声速飞行器对于高速数传、大带宽、安装空间、克服“黑障”及抗干扰性等方面的需求,Ka频段测控技术已经成为国际航天技术发展的新趋势。然而,高速飞行器在Ka通信频段下高速飞行时,其内部高功率放大器的非线性特性会引入码间干扰,造成信道非线性畸变。此外,高超声速飞行器飞行过程中将受到大动态多普勒频移、等离子鞘套深度衰落和多径效应的影响,信道呈现深衰落快速时变特性。复杂的电磁环境导致现有通信体制无法适应,难以实现可靠的测控通信。针对这一问题,本文以消除高速飞行器复杂电磁环境影响信道畸变为目标,开展了高速飞行器非线性信道畸变对消和高速移动移动信道畸变消等一系列工作,具体工作和贡献如下:1.基于多项式模型实现了Ka频段射频功放非线性失真模拟,采用LMS算法完成了Ka频段射频功放非线性畸变对消。详细分析了功率放大器的非线性特性和行为模型,在此基础上对高速飞行器Ka频段的功放失真模型进行了拟合;研究了功放非线性预失真学习结构和自适应对消算法,开展了Ka频段功放非线性信道畸变对消仿真研究。仿真结果表明:功放非线性特性会严重干扰传输信号,在无预失真校正时,系统的误码率为10-1,预失真之后误码可达到10-5,误码性能有3-4个数量级的提升,验证了所提出预失真方案的有效性。2.提出了一种多普勒信息辅助信道估计的迭代反馈信道均衡算法,完成了高速飞行器综合无线信道畸变对消。针对高速飞行器下信道的高速移动性特点,分析了传统信道估计均衡算法在处理归一化多普勒频移大于0.1的能力。在传统算法基础上提出一种多普勒信息辅助信道估计的迭代反馈信道均衡算法,通过运用多普勒信息对归一化多普勒频移大于0.1的快时变信道进行有效估计,同时通过迭代消除快时变的干扰项,最后加入扩频通信进一步提高系统的抗黑障干扰性能,仿真结果表明,所提出的算法通过三到四次迭代误码率性能就能达到通信要求,多普勒信息估计辅助信道估计后的算法性能相比未加入多普勒修正的算法性能提高了3-5d B。3.实现了综合信道环境的仿真模拟,并在此基础上完成了所提出信道对消方法实验验证。综合考虑Ka频段非线性信道、高速移动信道和等离子鞘套信道,仿真模拟了具有非线性、快时变特点的综合信道环境。对所提的两种畸变对消方法的有效性进行了综合评估,仿真结果表明,本文所提出的畸变对消方法可有效降低复杂信道环境造成的通信干扰,当归一化多普勒频移为0.1,等离子鞘套信道变化频率为100k Hz时,仿真结果表明,所提方法可将误码率降低到10-3以下,相较于传统算法系统性能得到明显改善,可有效提升通信质量。综上所述,本文通过高速飞行器复杂电磁环境下信道畸变对消方法的研究,可很大程度上消除复杂电磁环境造成的影响,明显提升通信的可靠性,对缓解“黑障”问题而言具有十分重要的意义。
李媛[5]（2020）在《极限学习机在线盲均衡算法研究》文中研究指明均衡技术可以有效地改善多径效应和信道畸变对通信质量的影响,主要有两类:自适应均衡技术和盲均衡技术。前者虽可以有效地消除多径效应造成的码间干扰,但却需要不停地发送训练序列,造成有效频谱的浪费。而盲均衡技术能够不借助训练序列,仅利用接收序列本身的先验信息,便可实现信道均衡,因此逐渐引起研究人员的广泛关注。其中,神经网络盲均衡方法因其良好的非线性映射能力而成为解决盲均衡问题的重要研究方向之一。极限学习机（Extreme Learning Machine,ELM）是新型的单隐层前馈神经网络,不仅继承了神经网络良好的泛化能力,而且具有结构简单,运行速度快的独特优点。然而目前基于极限学习机的盲均衡算法研究甚少,且研究成果属于批量训练算法,无法满足实时通信系统的需求。对此,本文提出了基于在线序列极限学习机的常模算法（OS-ELM-CMA）和基于递归最小二乘法的极限学习机在线盲均衡算法。主要贡献如下:（1）在深入研究极限学习机及其相关算法的基础上,提出了基于在线序列极限学习机的常模算法（OS-ELM-CMA）,该算法将正则化极限学习机（Regularized Extreme Learning Machine,RELM）的代价函数引入在线序列极限学习机（Online Sequential Extreme Learning Machine,OS-ELM）的模型中,结合常模算法（Constant Modulus Algorithm,CMA）的误差函数构造代价函数,通过迭代重加权最小二乘（Iterative Re-Weighted Least Square,IRWLS）法迭代求解OS-ELM初始学习阶段的输出权值。OS-ELM-CMA在学习过程中可以逐个或者逐块添加数据,满足了在线盲均衡的需求。仿真实验证明,相较于传统的CMA和基于迭代求解的正则化极限学习机常模算法,本文提出的OS-ELM-CMA不仅实现了在线盲均衡,而且具有更低的均方误差（Mean Square Error,MSE）值。（2）针对OS-ELM初始学习阶段需要批量数据训练网络的缺点,为了实现完全意义的在线盲均衡,针对常模信号和多模信号分别提出了基于递归最小二乘（Recursive Least Squares,RLS）法的极限学习机常模算法（ELM-RLS-CMA）和基于递归最小二乘法的极限学习机多模算法（ELM-RLS-MMA）。此外,针对非线性卫星信道设计了盲均衡实验,以验证ELM不同参数的选取对算法性能的影响以及两种算法针对QPSK常模信号和16QAM多模信号表现出的性能差异,实验结果表明,ELM-RLS-MMA不仅具有和ELM-RLS-CMA相当的性能,还可以解决相位偏转问题。（3）为了充分证明提出的ELM-RLS对于盲均衡问题的解决能力,进一步在预测原理盲均衡的框架下,将ELM作为非线性误差滤波器,利用RLS训练输出权值,并采用自动增益装置和旋转因子实现了QAM信号的在线盲均衡。通过仿真实验证明,针对16QAM信号,ELM-PEF和ELM-RLS-MMA性能相当,具有良好的均衡能力,均可以解决相位偏转问题。
李晨明[6]（2020）在《非合作通信中的盲均衡技术研究》文中研究表明在高速发展的信息化时代,在高速发展的信息化时代,非合作通信广泛应用于军事通信的电子对抗和政府机关的监听等领域。信号在无线环境传输时,多径效应和信道带宽会造成码间干扰,并且在非合作通信中,接收端对发送端的码元周期、载波频率、训练序列等先验信息是未知的,这时无法使用训练序列,则需要盲均衡技术对信道进行校正。因此,研究盲均衡技术对非合作通信的发展有着重要意义。本文的主要研究工作如下:本文首先对引入动量项的盲均衡算法可以加速收敛速度的原理进行了分析,同时针对传统CMA算法中采用固定步长时收敛速度快慢与稳态误差大小相互矛盾的问题,提出了一种基于Tansig函数变步长的改进恒模（CMA）盲均衡算法,该方法在传统的CMA算法基础上加入了动量因子并对均方误差（MSE）进行了平滑滤波,然后再通过改进的Tansig函数来控制步长因子。经过仿真验证后,改进的算法在收敛速度有了一定程度的提升。进一步将变步长的思想引入到MMA算法中并加入分数间隔采样。经过仿真验证后,改进的算法星座点聚敛程度非常高,在达到相同的剩余码间干扰时相比于改进的变步长MMA+DD的双模均衡算法要提升3000左右次迭代。其次,由于在非合作通信中对信号发端先验信息是未知的,即使信号经过了载波恢复算法,仍然是无法完成完美的同步,还有剩余的载波偏差,针对存在剩余载波偏差的盲均衡问题,本文利用CMA算法对载波频偏模糊的特点,提出了将改进的CMA算法与锁相环路相结合的结构,改进的算法采用改进的CMA算法作为环路中的均衡模块,利用DD相位检测算法得到的相位误差对均衡器进行补偿,实现了存在载波频偏下的盲均衡方法,经仿真验证改进的CMA算法与锁相环路相结合相比于传统的CMA算法与锁相环路相结合可以使环路收敛速度提高700左右个符号点数,并且改进的算法的星座图聚敛的更加紧密。最后,在使用Gardner同步算法进行定时恢复时,需要准确知道发送信号的码元周期,但是在非合作通信中发送端符号率是未知的,虽然经过一些符号率估计算法,但是仍会有剩余偏差,这时会使算法出现采样偏差的问题,造成大量的码间干扰,针对存在采样偏差的的盲均衡问题,本文利用了采样频率与盲均衡的稳态误差成正比例的特性,提出了利用盲均衡稳态误差反馈调整采样频率的方法,此方法首先采用初始采样频率进行采样,得到均衡稳态误差后,再利用稳态误差的大小来调整采样频率,经仿真验证此方法在存在0.1%以内的采样偏差时仍然可以达到良好的均衡效果。
陈亚萍[7]（2020）在《基于半导体激光器的双环双节点光电储备池研究》文中提出近年来,随着计算处理能力的提升、算法的突破和大数据的发展,神经网络迅猛发展,并广泛应用于各个行业。其中,储备池计算（Reservoir Computing,RC）作为一种受启发于生物神经网络的新兴神经网络。与传统的神经网络相比,RC的结构简单,而且极大程度地简化了训练方式。RC也克服了传统神经网络中算法收敛速度慢、易陷入局部最优以及训练参数过多等普遍存在的问题。此外,在光学领域中,RC可以利用现有的光学器件和系统装置实现硬件化以进行高速实时处理。因此,RC成为了光学领域中的研究热点之一,并且得到了成功的应用。目前,关于RC的研究大部分集中在单环光电RC结构上,然而面对较为复杂的时间序列预测、语音识别和非线性信道均衡问题时,它们在一定程度上不足以满足现实需求。因此,需要对单环光电RC结构进行进一步优化。本论文提出了一种基于半导体激光器的双环双节点新型光电储备池计算系统,来进一步提升RC在时间序列预测、语音识别和非线性信道均衡上的性能。首先,本文对传统储备池和单双环光电储备池结构的理论模型进行仿真。针对10阶的非线性自回归滑动平均模型预测（Nonlinear Auto Regressive Moving Average model of order 10,NARMA-10）任务,本文详细分析了新型双环光电储备池计算系统的系统参数对其预测性能的影响,并将所得的结果作为优化该系统的参考。研究表明,当反馈强度在[0.25,0.8]范围内时,该系统的预测性能表现良好,其中在约为0.4时,该系统的预测性能最佳;当短反馈环和长反馈环之间的时间间隔差在0.5ns、0.7ns和1ns时,该系统的归一化均方根误差（Normalized Root Mean Square Error,NMSE）均在10%以下;仅需在[（?）]范围内粗略调节两个调制器的偏置相位,该系统就能获得较好的预测性能。本论文将三种储备池系统应用于NARMA-10、孤立的语音数字识别和非线性信道均衡任务中来进行性能对比。结果表明,本论文所提出的双环方案在预测、语音识别和非线性信道均衡方面均更胜一筹。在NARMA-10任务中,新型储备池系统的预测结果NMSE最低达到10%以下,其他储备池结构的预测结果NMSE约为15%;在语音数字识别任务中,新型储备池系统实现了零误差识别语音数字,而其他储备池结构未能实现;在非线性信道均衡任务中,在较高的信噪比情况下,新型储备池系统的符号错误率达到了几乎为0,明显优于其他储备池结构。因此,论文中提出的方案有效提升了储备池各方面的性能,为相关RC的研究提供了一定的参考意义。
宗志辉[8]（2019）在《基于深度学习的数字调制信号解调研究》文中研究表明随着数字通信技术不断地发展,新兴产业的信道业务及传输速率的增加对解调系统提出了更高的要求。现代调制技术与解调技术是通信系统的基础,为了应对日趋严重的非线性传输信道,解调系统通常需对信道进行估计与均衡,而后再按规则进行判决。在复杂的无线信道下,多层次的神经网络模型表现出极好的时变信道自适应性能,有效补偿数字调制信号的失真;在判决性能上,深度学习依然有足够的容量提取大量信号的先验信息,并将门限值设定为接近理论的最小损失值。针对现有数字解调系统在复杂背景及衰落信道下检测困难以及非线性信道均衡的问题,本文将多层次神经网络结构的信号处理技术引入到了数字解调领域,并针对多径信道,分别独立设计了相应的均衡系统与信号检测系统。在多径信道的基带等效模型中,将多层感知器与信道均衡结合,提出了一种改进的权值优化算法,建立的自适应判决反馈均衡器基于星座图的欧氏距离展开性能分析,并对多普勒频移以及2-径模型造成的星座图模糊情况进行了校正。在仿真分析中,数字调制信号通过建模的多径信道传输,对结果进行了比较,在非线性条件下,相比自适应的线性最小均方算法的判决反馈均衡器,多层感知器结构的判决反馈均衡器具有更好的均方误差以及鲁棒性能,并在同样的基带解调映射规则下,多层感知器结构的均衡器取得了更低的误码率。最后,针对带通通信系统模型,为了提高频率选择性衰落信道下信号的解调性能,提出了一种稳定的卷积神经网络检测与判决模型。卷积神经网络的输入为时域的一维采样序列,通过构建两个串行的卷积层分别对同相分量和正交分量的信息进行独立的特征提取,后层的全连接层对已调信号的特征进行检测。仿真结果表明,双码元联合输入判决的卷积神经网络解调方案有效利用了相邻符号间干扰的大数据特征,在低信噪比下,对比归一化信道估计误差为5%的相干解调,16QAM信号误码率提升接近6dB。
蒋道福[9]（2019）在《卫星信号监测系统关键技术研究与实现》文中进行了进一步梳理随着无线通信的日益发展,卫星通信技术在民用和军用通信领域中扮演的角色越来越关键。为了保障卫星通信信号的可靠传输,以及出于国家安全战略的需要,研究卫星信号监测系统的关键技术具有十分重要的意义。然而,目前在频偏和低信噪比下,卫星信号监测系统中的码元速率估计和调制识别存在精度低、复杂度高的问题。针对这些问题,本文设计了卫星信号监测系统的总体架构,并主要对系统关键技术中的码元速率估计算法和调制识别算法进行了重点研究,同时实现了卫星信号自动化监测系统。本文主要的研究工作如下:1、对频偏和低信噪比下的码元速率估计算法进行了深入研究,提出了改进的包络速率法。首先,通过理论分析得出了循环谱法和小波变换法估计精度受频偏影响的结论,并通过计算机仿真验证得知小波变换法对频偏敏感程度最大。其次,理论推导了速率信号法估计码元速率的原理,并改进了频谱细化算法,这种改进算法和CZT算法相比具有更低的复杂度。最后,提出了改进的包络速率算法,该算法对频偏具有稳健性。通过计算机仿真比较,结果表明,本文改进的包络速率法和延迟相乘法、循环谱法、小波变换法、速率信号法相比估计精度最高且实现复杂度低。2、研究了频偏下10种常见数字调制信号的调制识别算法,提出了改进的准高次方谱特征。首先,理论分析了频偏对高阶累积量的影响,并给出了对频偏不敏感的高阶累积量特征。其次,理论分析并提出了改进的准高次方谱特征,这种特征和高次方谱特征相比具有更低的复杂度。同时,计算机仿真结果表明,准高次方谱不仅保持了高次方谱的谱线特征,而且具有更高的检测概率。最后,在此基础上给出了抗频偏影响的特征集合,并分别运用决策树和随机森林作为分类器进行调制识别。仿真结果表明,基于决策树的调制识别算法在信噪比bE/N0大于7dB时,10种数字调制信号的平均识别概率大于96%,基于随机森林的调制识别算法在信噪比bE/N0大于5dB时,平均识别概率大于96%,相比决策树法具有更优的识别性能。3、利用USRP X310和GPU对设计的卫星信号监测系统进行了软件编程实现。首先,给出了系统的软硬件结构和功能,系统的主要功能有频谱显示、载波参数估计、码元速率估计、调制识别和星座图显示。然后对实现的系统进行测试,测试结果表明,本文实现的卫星信号监测系统能够满足预期的功能需求和性能指标。
蒋浩然[10]（2019）在《基于神经网络的并行均衡技术研究与实现》文中研究表明近地湍流信道无线光通信技术由于激光具有高指向性高频率等特性,具备大容量,高保密,电磁兼容性好等优点,是目前国内外无线通信领域的研究前沿和热点。大气湍流引起的光强闪烁、信道多径串扰和相位畸变等效应会严重影响近地湍流无线光通信链路性能。如何抑制上述效应对通信链路性能的影响,是近地湍流无线光通信研究的重点,信道均衡技术具有极高的研究价值。论文开展了通信并行均衡技术的研究,研究目的是缓解或抑制由于码间干扰对通信接收性能的影响,保障近地湍流信道无线光通信链路的性能。论文主要研究内容如下:1)开展了近地湍流信道激光大气传输理论分析,分析了在不同大气湍流条件下信道的光强闪烁的随机分布模型和概率密度函数,对比了弱湍流条件下的对数正态分布模型和在中强湍流条件下的gamma-gamma分布模型以及在强湍流条件下的负指数模型的异同,计算出了不同湍流强度下的光强闪烁概率分布。针对不同因素导致的信道串扰效应,完成了常规线性信道、非线性volterra信道以及复合信道的建模。2)针对近地湍流信道高码率无线光通信的特点,结合论文研究所提出的快速收敛及低稳态残差的均衡技术要求,提出并完成了基于RNN（Recurrent Neural Network:RNN）神经网络架构的信道均衡方案设计,开展了神经网络各主要功能部分对均衡性能影响的分析,详细分析了各种不同激活函数,误差代价函数,学习算法对均衡器性能的影响,给出了一种在近地湍流无线光通信信道中实现高速收敛和低稳态残差的自适应均衡器设计方案。3)仿真验证了论文提出的均衡设计方案在多种信道中应用的可行性和有效性。仿真结果表明:论文提出的均衡设计方案在长程小衰落、短程大衰落线性信道,volterra非线性信道,线性-非线性复合信道中具有可行性和有效性。在论文仿真输入条件下,相对传统LMS算法,基于循环神经网络的均衡方案具有收敛速度快,稳态误差小的性能优势。4)研制了基于FPGA的均衡模块,搭建了实验验证测试平台,开展了实验验证,验证了方案的可行性和有效性。针对FPGA的结构特点和高速数据流的并行处理需求,给出了神经网络均衡器并行架构的实现方案,完成了神经元、激活函数、学习算法、误差代价函数等功能模块的硬件设计及实现,优化了前向神经网络的实现方案。实验验证测试结果表明:在近地弱湍信道条件下,论文所设计的均衡方案实现了论文研究目标。
二、非线性信道传输的码元识别方法研究（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、非线性信道传输的码元识别方法研究（论文提纲范文）
（1）基于神经网络和SVDD的未知调制识别技术（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 调制识别研究历史与现状 |
| 1.2.2 支持向量数据域描述方法的历史研究与现状 |
| 1.3 本论文的结构安排 |
| 第二章 神经网络以及支持向量数据域描述方法基础 |
| 2.1 神经网络简介 |
| 2.1.1 卷积神经网络 |
| 2.1.1.1 卷积层 |
| 2.1.1.2 池化层 |
| 2.1.1.3 全连接层 |
| 2.1.1.4 一维卷积神经网络 |
| 2.1.2 自编码网络 |
| 2.1.2.1 单层自编码网络 |
| 2.1.2.2 栈式自编码网络 |
| 2.1.3 激活函数 |
| 2.1.3.1 Sigmoid函数 |
| 2.1.3.2 Tanh函数 |
| 2.1.3.3 ReLU函数 |
| 2.1.3.4 Leaky ReLU函数 |
| 2.1.4 损失函数 |
| 2.1.5 正则化方法 |
| 2.1.6 前向传播与反向传播算法 |
| 2.1.6.1 信息前向传播算法 |
| 2.1.6.2 误差反向传播算法 |
| 2.2 支持向量数据域描述 |
| 2.3 本章小结 |
| 第三章 基于人工神经网络的调制信号特征提取研究 |
| 3.1 通信调制信号 |
| 3.1.1 2ASK信号 |
| 3.1.2 MFSK信号 |
| 3.1.3 MPSK信号 |
| 3.1.4 OQPSK信号 |
| 3.1.5 Pi/4-QPSK信号 |
| 3.1.6 QAM信号 |
| 3.1.7 APSK信号 |
| 3.1.8 调制信号数据生成模型 |
| 3.2 一维卷积神经网络设计 |
| 3.2.1 一维卷积神经网络构建方案 |
| 3.2.2 一维卷积神经网络特征压缩性能 |
| 3.3 栈式自编码网络设计 |
| 3.3.1 栈式自编码网络的构建方案 |
| 3.3.2 栈式自编码网络特征压缩性能 |
| 3.3.3 本章小结 |
| 第四章 基于支持向量数据域描述的调制信号开集识别研究 |
| 4.1 调制信号开集识别的SVDD算法实现及性能分析 |
| 4.1.1 SVDD算法的基本实现 |
| 4.1.2 SVDD模型的分类效果 |
| 4.1.3 SVDD模型的性能分析 |
| 4.2 SVDD模型的参数影响 |
| 4.2.1 惩罚因子对SVDD模型的性能影响 |
| 4.2.2 核函数对SVDD模型的性能影响 |
| 4.2.2.1 基于多项式核函数的SVDD模型分析 |
| 4.2.2.2 基于高斯核函数的SVDD模型分析 |
| 4.2.2.3 基于Sigmoid核函数的SVDD模型分析 |
| 4.3 包含负类的SVDD模型 |
| 4.4 多类型正类样本的SVDD模型 |
| 4.5 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结及主要贡献 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（2）高速率随钻遥传系统调制解调方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 随钻测量系统技术的国内外研究现状 |
| 1.2.2 钻井液脉冲数据传输技术 |
| 1.3 论文研究内容及结构安排 |
| 1.3.1 论文主要内容 |
| 1.3.2 论文结构安排 |
| 第二章 钻井液脉冲信号和连续相位调制技术 |
| 2.1 引言 |
| 2.2 钻井液脉冲信号产生原理 |
| 2.3 调制方式的比较与选择 |
| 2.4 相移键控 |
| 2.5 最小频移键控 |
| 2.5.1 MSK的调制原理 |
| 2.5.2 MSK信号相位特征 |
| 2.5.3 脉冲器对MSK信号的影响 |
| 2.6 MSK与 BPSK性能比较 |
| 2.7 系统结构设计 |
| 2.8 本章小结 |
| 第三章 钻井液信号噪声消除算法研究 |
| 3.1 引言 |
| 3.2 噪声组成分析 |
| 3.2.1 噪声来源 |
| 3.2.2 噪声的类型 |
| 3.2.3 噪声频域分析 |
| 3.2.4 噪声高斯特性 |
| 3.3 接收滤波 |
| 3.4 单传感器消噪算法 |
| 3.4.1 基于 DFT 的消噪算法 |
| 3.4.2 基于NLMS的自适应泵噪消除算法 |
| 3.5 双传感器消噪算法 |
| 3.5.1 算法原理 |
| 3.5.2 双传感器器安装距离 |
| 3.5.3 双传感器实验结果 |
| 3.6 实钻消噪分析 |
| 3.6.1 水循环实验 |
| 3.6.2 新疆基地实验 |
| 3.6.3 山西作业实验 |
| 3.6.4 消噪策略选择 |
| 3.7 本章小结 |
| 第四章 MSK信号解调与载波同步方案研究 |
| 4.1 引言 |
| 4.2 信号重采样原理分析 |
| 4.3 MSK信号的相干解调方法 |
| 4.3.1 频率相干解调 |
| 4.3.2 相位相干解调 |
| 4.3.3 解调性能比较 |
| 4.4 定时同步 |
| 4.5 载波同步 |
| 4.6 MSK最佳接收机 |
| 4.6.1 最佳接收机原理 |
| 4.6.2 维特比算法 |
| 4.7 本章小结 |
| 第五章 MSK信号均衡方案研究 |
| 5.1 引言 |
| 5.2 钻井液信道的特性及估计 |
| 5.2.1 钻井液脉冲信号的传输速度 |
| 5.2.2 钻井液脉冲信号的能量衰减特性 |
| 5.2.3 钻井液信道的频域特性 |
| 5.2.4 相关法估计信道 |
| 5.3 单载波频域均衡 |
| 5.3.1 SC-FDE数学描述 |
| 5.3.2 UW序列 |
| 5.4 基于Chirp的帧结构 |
| 5.4.1 Chirp信号的特性 |
| 5.4.2 帧结构设计 |
| 5.5 频域均衡算法 |
| 5.5.1 迫零均衡器 |
| 5.5.2 最小均方误差均衡器 |
| 5.5.3 仿真结果 |
| 5.6 本章小结 |
| 第六章 系统设计及仿真 |
| 6.1 引言 |
| 6.2 基于MSK的随钻通信系统介绍 |
| 6.3 仿真实验 |
| 6.4 总结 |
| 第七章 总结及展望 |
| 7.1 本文工作总结 |
| 7.2 研究工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）MPSK/MAPSK信号盲解调方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 调制类型识别 |
| 1.2.2 调制参数估计 |
| 1.2.3 同步方法 |
| 1.2.4 盲均衡 |
| 1.3 本文的主要内容和结构安排 |
| 第二章 MPSK和 MAPSK信号解调方法 |
| 2.1 调制解调原理 |
| 2.2 成型与匹配滤波 |
| 2.3 盲解调信号模型 |
| 2.4 内插和抽取 |
| 2.4.1 内插技术 |
| 2.4.2 抽取技术 |
| 2.5 本章小结 |
| 第三章 参数估计和调制识别方法 |
| 3.1 载波频率估计方法 |
| 3.1.1 频率居中法 |
| 3.1.2 Welch功率谱法 |
| 3.1.3 算法性能分析 |
| 3.2 符号速率估计方法 |
| 3.2.1 基于CZT的包络谱法 |
| 3.2.2 算法性能分析 |
| 3.3 调制识别方法 |
| 3.3.1 谱线特征 |
| 3.3.2 高阶累积量 |
| 3.3.3 决策树的构造 |
| 3.3.4 算法性能分析 |
| 3.4 本章小结 |
| 第四章 符号同步与载波同步方法 |
| 4.1 符号同步 |
| 4.1.1 内插滤波器 |
| 4.1.2 定时误差检测TED |
| 4.1.3 环路滤波器 |
| 4.1.4 控制器 |
| 4.2 载波同步 |
| 4.2.1 载波同步原理 |
| 4.2.2 鉴相器和鉴相算法 |
| 4.2.3 环路滤波器 |
| 4.2.4 数控振荡器 |
| 4.3 同步性能分析 |
| 4.3.1 符号同步性能 |
| 4.3.2 载波同步性能 |
| 4.4 误码性能分析 |
| 4.5 本章小结 |
| 第五章 盲均衡方法 |
| 5.1 盲均衡器原理 |
| 5.2 盲均衡算法 |
| 5.2.1 CMA算法 |
| 5.2.2 DDLMS算法 |
| 5.2.3 CMA+DDLMS算法 |
| 5.3 仿真结果与分析 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）高速飞行器复杂电磁环境下信道畸变对消方法研究（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 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 Ka频段射频非线性畸变对消方法研究 |
| 1.2.2 高速移动信道畸变对消研究现状 |
| 1.3 研究内容 |
| 1.4 文章结构安排 |
| 第二章 高速飞行器复杂电磁环境传输理论基础 |
| 2.1 信道非线性畸变相关基础知识 |
| 2.1.1 功率放大器的非线性特性 |
| 2.1.2 功率放大器的记忆失真特性 |
| 2.1.3 非线性失真的量化指标 |
| 2.1.4 功率放大器的行为模型 |
| 2.1.5 数字预失真模型 |
| 2.2 高速飞行器综合信道相关基础知识 |
| 2.2.1 高速移动信道特性 |
| 2.2.2 等离子鞘套信道特性 |
| 2.2.3 等离子鞘套和高速移动信道耦合信道 |
| 2.3 本章小结 |
| 第三章 Ka频段射频信道非线性畸变对消 |
| 3.1 预失真基础理论 |
| 3.1.1 数字预失真学习结构 |
| 3.1.2 预失真器参数提取自适应算法 |
| 3.2 Ka频段功放非线性信道畸变对消 |
| 3.2.1 功放失真曲线的拟合 |
| 3.2.2 经典预失真方法 |
| 3.2.3 Ka功放预失真预模拟 |
| 3.2.4 Ka射频非线性信道畸变对消效果 |
| 3.3 本章小结 |
| 第四章 高速飞行器综合无线信道畸变对消 |
| 4.1 传统算法的适用性分析 |
| 4.1.1 信道估计算法思路 |
| 4.1.2 传统均衡算法分析 |
| 4.2 空间无线信道畸变对消方法 |
| 4.2.1 发送端数据传输模式设计 |
| 4.2.2 接收端信道畸变对消方案设计 |
| 4.2.3 多普勒辅助信道估计迭代反馈均衡算法 |
| 4.2.4 仿真结果 |
| 4.3 高速飞行器综合信道畸变对消 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 存在的问题和展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）极限学习机在线盲均衡算法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容与结构安排 |
| 第二章 盲均衡理论概述 |
| 2.1 盲均衡理论基础 |
| 2.1.1 盲均衡原理 |
| 2.1.2 盲均衡准则 |
| 2.2 盲均衡分类 |
| 2.2.1 Bussgang类盲均衡算法 |
| 2.2.2 基于高阶统计量的盲均衡算法 |
| 2.2.3 非线性盲均衡算法 |
| 2.3 盲均衡评价标准 |
| 2.4 本章小结 |
| 第三章 基于在线序列极限学习机的常模算法 |
| 3.1 极限学习机理论 |
| 3.2 在线序列极限学习机(OS-ELM) |
| 3.3 基于在线序列极限学习机的常模算法 |
| 3.4仿真实验 |
| 3.4.1 实验设计 |
| 3.4.2 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于递归最小二乘的极限学习机在线盲均衡算法 |
| 4.1 最小均方算法和递归最小二乘算法 |
| 4.1.1 最小均方(LMS)算法 |
| 4.1.2 递归最小二乘(RLS)算法 |
| 4.2 基于递归最小二乘的极限学习机在线盲均衡算法 |
| 4.2.1 基于RLS的极限学习机常模算法 |
| 4.2.2 基于RLS的极限学习机多模算法 |
| 4.3仿真实验 |
| 4.3.1 参数设置对算法性能的影响 |
| 4.3.2 两种在线盲均衡算法的性能对比 |
| 4.4 本章小结 |
| 第五章 基于预测原理的极限学习机在线盲均衡算法 |
| 5.1 基于预测原理的盲均衡算法 |
| 5.2 基于预测原理的极限学习机在线盲均衡算法 |
| 5.3仿真实验 |
| 5.3.1 参数设置对算法的影响 |
| 5.3.2 算法性能对比 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（6）非合作通信中的盲均衡技术研究（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 背景及意义 |
| 1.2 发展历程和现状 |
| 1.3 盲均衡的算法性能指标 |
| 1.4 本文的研究内容和章节安排 |
| 第二章 盲均衡的基本理论 |
| 2.1 无线信道 |
| 2.1.1 瑞利衰落信道信道模型 |
| 2.1.2 莱斯衰落信道信道模型 |
| 2.1.3 无线通信信道对信号的干扰 |
| 2.2 均衡基本原理 |
| 2.3 均衡基本算法 |
| 2.3.1 LMS算法 |
| 2.3.2 RLS算法 |
| 2.4 Bussgang类盲均衡的基本算法 |
| 2.4.1 Bussgang类盲均衡算法原理 |
| 2.4.2 判断引导算法 |
| 2.4.3 常数摸算法 |
| 2.4.4 多模算法 |
| 2.5 本章小结 |
| 第三章 改进的变步长盲均衡算法 |
| 3.1 引入动量项的CMA算法 |
| 3.1.1 引入动量项的CMA算法原理 |
| 3.1.2 引入动量项的CMA算法的性能及仿真 |
| 3.2 步长因子对恒模算法的影响 |
| 3.3 基于MSE变步长均衡算法 |
| 3.3.1 利用MSE控制步长原理分析 |
| 3.3.2 基于MSE改进的变步长CMA算法 |
| 3.3.3 基于MSE变步长CMA算法的性能及仿真 |
| 3.3.4 基于MSE变步长MMA算法 |
| 3.3.5 基于MSE改进的变步长MMA算法的性能及仿真 |
| 3.4 引入分数间隔采样的均衡算法 |
| 3.4.1 分数间隔采样均衡原理 |
| 3.4.2 分数间隔采样均衡器的基本结构 |
| 3.4.3 引入分数间隔采样的变步长MMA算法 |
| 3.4.4 引入分数间隔采样的变步长MMA算法的性能及仿真 |
| 3.5 本章小结 |
| 第四章 存在同步误差下的盲均衡算法 |
| 4.1 载波频偏对传统盲均衡算法的影响 |
| 4.2 载波恢复算法 |
| 4.2.1 判决指示鉴相算法 |
| 4.2.2 环路滤波器 |
| 4.3 存在载波频偏下的盲均衡算法 |
| 4.3.1 改进的CMA盲均衡算法与载波恢复环路联合算法原理 |
| 4.3.2 算法性能及仿真 |
| 4.4 定时误差对均衡的影响 |
| 4.5 定时恢复算法 |
| 4.5.1 Gardner定时误差检测器 |
| 4.6 存在采样偏差下的盲均衡算法 |
| 4.6.1 算法原理 |
| 4.6.2 算法步骤 |
| 4.6.3 算法的性能及仿真 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）基于半导体激光器的双环双节点光电储备池研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本课题研究背景及研究意义 |
| 1.2 储备池的研究进展 |
| 1.3 储备池的应用 |
| 1.4 本论文的研究内容与章节安排 |
| 第二章 储备池结构的理论基础 |
| 2.1 混沌基础知识 |
| 2.1.1 混沌定义 |
| 2.1.2 混沌性质 |
| 2.1.3 混沌衡量指标 |
| 2.2 三种储备池介绍 |
| 2.2.1 传统储备池 |
| 2.2.2 电子储备池 |
| 2.2.3 基于半导体激光器的光电储备池 |
| 2.3 本章小结 |
| 第三章 单双环光电储备池的结构方案和理论分析 |
| 3.1 光电储备池信号处理 |
| 3.1.1 输入信号预处理 |
| 3.1.2 输出层训练方法 |
| 3.1.3 k折交叉验证方法 |
| 3.2 单环光电储备池模型的建立 |
| 3.3 双环双节点光电储备池模型的建立 |
| 3.4 单双环光电储备池混沌研究 |
| 3.5 本章小结 |
| 第四章 双环光电储备池系统结论分析 |
| 4.1 NARMA-10 预测任务 |
| 4.1.1 预测性能指标 |
| 4.1.2 预测性能分析 |
| 4.1.3 反馈强度对储备池的影响 |
| 4.1.4 虚拟节点数对储备池的影响 |
| 4.1.5 偏置相位对储备池的影响 |
| 4.2 语言识别任务 |
| 4.3 非线性信道均衡任务 |
| 4.3.1 码间干扰分析 |
| 4.3.2 无ISI的带限信号设计条件 |
| 4.3.3 经典的无线通信非线性信道均衡 |
| 4.3.4 非线性信道均衡结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（8）基于深度学习的数字调制信号解调研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 课题研究内容及结构安排 |
| 第2章 数字调制系统与深度学习理论基础 |
| 2.1 传统的数字调制解调方法 |
| 2.1.1 数字调制技术 |
| 2.1.2 解调器基本结构与码间干扰 |
| 2.2 小尺度衰落 |
| 2.3 信道均衡技术 |
| 2.3.1 自适应均衡滤波器 |
| 2.3.2 判决反馈均衡器 |
| 2.4 深度学习 |
| 2.4.1 神经网络 |
| 2.4.2 深度学习关键技术 |
| 2.4.3 常见深度学习模型结构 |
| 2.5 本章小结 |
| 第3章 基于多层感知器的判决反馈均衡算法 |
| 3.1 信道均衡器的设计 |
| 3.1.1 传统线性均衡器 |
| 3.1.2 神经网络结构的均衡器 |
| 3.2 数字调制系统中多层感知器结构的均衡器设计与优化 |
| 3.2.1 系统模型 |
| 3.2.2 多层感知器的优化算法 |
| 3.3 性能分析 |
| 3.3.1 均衡性能评价指标 |
| 3.3.2 基于MLP的调制信号星座图校正 |
| 3.3.3 SUI信道下基于多层感知器的信道均衡系统性能 |
| 3.4 本章小结 |
| 第4章 基于卷积神经网络的数字调制信号解调 |
| 4.1 系统模型 |
| 4.2 基于深度学习的数字调制信号检测与判决系统设计 |
| 4.2.1 解调网络构建 |
| 4.2.2 数据集的生成 |
| 4.3 性能仿真 |
| 4.3.1 运算复杂度 |
| 4.3.2 误码率性能分析 |
| 4.4 本章小结 |
| 第5章 工作总结及未来展望 |
| 5.1 工作总结 |
| 5.2 未来展望 |
| 参考文献 |
| 附录 相关代码说明 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（9）卫星信号监测系统关键技术研究与实现（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 研究背景 |
| 1.2 国内外研究现状及存在问题 |
| 1.2.1 码元速率估计研究现状 |
| 1.2.2 调制识别研究现状 |
| 1.3 论文的主要工作和内容安排 |
| 第二章 卫星信号监测系统 |
| 2.1 系统分析与设计 |
| 2.1.1 系统功能需求 |
| 2.1.2 系统性能指标 |
| 2.1.3 系统总体架构设计 |
| 2.2 系统的关键技术 |
| 2.3 信号模型 |
| 2.4 本章小结 |
| 第三章 码元速率估计算法研究 |
| 3.1 循环谱法 |
| 3.1.1 循环谱法原理 |
| 3.1.2 仿真分析 |
| 3.2 小波变换法 |
| 3.2.1 小波变换法原理 |
| 3.2.2 仿真分析 |
| 3.3 速率信号法 |
| 3.3.1 速率信号法原理 |
| 3.3.2 改进的频谱细化算法 |
| 3.3.3 仿真分析 |
| 3.4 改进的包络速率算法 |
| 3.4.1 包络速率法原理 |
| 3.4.2 仿真分析 |
| 3.5 本章小结 |
| 第四章 调制识别算法研究 |
| 4.1 调制信号的统计特征 |
| 4.1.1 信号的瞬时特征 |
| 4.1.2 高阶累积量理论 |
| 4.1.3 抗频偏的累积量特征 |
| 4.2 调制信号谱特征 |
| 4.2.1 高次方谱谱线特征 |
| 4.2.2 改进的准高次方谱谱线特征 |
| 4.2.3 仿真分析 |
| 4.3 基于决策树的调制识别 |
| 4.3.1 联合特征参数法 |
| 4.3.2 仿真分析 |
| 4.4 基于随机森林的调制识别 |
| 4.4.1 随机森林理论 |
| 4.4.2 仿真分析 |
| 4.5 本章小结 |
| 第五章 系统实现与测试 |
| 5.1 系统软硬件结构和功能 |
| 5.2 系统实现 |
| 5.3 系统性能测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文主要工作与贡献 |
| 6.2 进一步研究方向 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）基于神经网络的并行均衡技术研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究动态 |
| 1.3 论文研究目标与主要工作 |
| 1.4 论文章节安排 |
| 第二章 湍流信道无线光通信系统基本理论 |
| 2.1 近地湍流信道无线光数字通信系统的基本原理与组成 |
| 2.2 接收机主要构成 |
| 2.2.1 光电探测与转换技术 |
| 2.2.2 数字接收机方案设计 |
| 2.3 大气湍流信道模型 |
| 2.3.1 大气衰减与路径损失模型 |
| 2.3.2 光强闪烁原理 |
| 2.3.3 大气湍流概率分布模型 |
| 2.4 信道串扰模型与均衡器原理 |
| 2.4.1 线性串扰信道原理及模型 |
| 2.4.2 非线性串扰信道原理及模型 |
| 2.4.3 信道均衡器的基本原理 |
| 2.5 本章小结 |
| 第三章 均衡方案设计与优化 |
| 3.1 神经网络拓扑方案选择与设计 |
| 3.1.1 FNN神经网络基本原理与结构 |
| 3.1.2 RNN神经网络基本原理与结构 |
| 3.2 误差代价函数方案设计 |
| 3.2.1 均方误差函数分析 |
| 3.2.2 交叉熵代价函数分析 |
| 3.3 激活函数组合优化 |
| 3.4 学习算法的设计与优化 |
| 3.4.1 标准BPTT-SGD算法 |
| 3.4.2 自适应矩估计算法 |
| 3.5 本章小结 |
| 第四章 神经网络均衡器的仿真与验证 |
| 4.1 长程相关小衰落线性信道均衡的仿真验证 |
| 4.2 短程相关大衰落线性信道均衡的仿真验证 |
| 4.3 volterra非线性信道均衡的仿真验证 |
| 4.4 线性-非线性复合信道均衡的仿真验证 |
| 4.5 本章小结 |
| 第五章 神经网络均衡算法实现与验证 |
| 5.1 神经网络均衡器在FPGA上的系统架构 |
| 5.2 计算模块的优化设计 |
| 5.2.1 激活函数的优化设计 |
| 5.2.2 学习函数的优化设计 |
| 5.3 均衡器全系统仿真与验证 |
| 5.4 实验测试验证 |
| 5.4.1 实验链路的选择与搭建 |
| 5.4.2 测试验证方法 |
| 5.4.3 测试步骤和结果 |
| 5.4.4 测试结果分析 |
| 5.4.5 测试验证结论 |
| 5.5 本章小结 |
| 第六章 全文总结 |
| 致谢 |
| 参考文献 |
四、非线性信道传输的码元识别方法研究（论文参考文献）
- [1]基于神经网络和SVDD的未知调制识别技术[D]. 陈晨. 电子科技大学, 2021(01)
- [2]高速率随钻遥传系统调制解调方法研究[D]. 伍文福. 电子科技大学, 2021(01)
- [3]MPSK/MAPSK信号盲解调方法研究[D]. 胡乘龙. 电子科技大学, 2021(01)
- [4]高速飞行器复杂电磁环境下信道畸变对消方法研究[D]. 孙碧瑶. 西安电子科技大学, 2020(05)
- [5]极限学习机在线盲均衡算法研究[D]. 李媛. 兰州大学, 2020(01)
- [6]非合作通信中的盲均衡技术研究[D]. 李晨明. 西安电子科技大学, 2020(05)
- [7]基于半导体激光器的双环双节点光电储备池研究[D]. 陈亚萍. 上海交通大学, 2020(01)
- [8]基于深度学习的数字调制信号解调研究[D]. 宗志辉. 重庆邮电大学, 2019(02)
- [9]卫星信号监测系统关键技术研究与实现[D]. 蒋道福. 西安电子科技大学, 2019(02)
- [10]基于神经网络的并行均衡技术研究与实现[D]. 蒋浩然. 电子科技大学, 2019(01)