一种基于格雷映射的TCM编码方案

研究网格编码调制(TCM)中编码调制的结合方式,提出一种基于格雷映射的TCM编码方案。通过优化编码方式和星座布局调整汉明距离和欧式距离,在此基础上设计8PSK和16QAM编码器。仿真结果表明,在不增加额外开销和算法复杂度的前提下,该方案的编码增益比传统方案提高约0.3 dB。     

高阶调制下物理层网络编码与OFDM联合设计

物理层网络编码(Physical-layer Network Coding, PNC)因其可以在中继通信中大幅提高吞吐量而备受关注。为了进一步提高传输效率,减少多径的影响,在三节点双向无线PNC系统中引入16QAM-OFDM高阶调制技术,设计了16QAM-OFDM-PNC通信系统。由于采用16QAM-OFDM高阶调制的PNC系统存在中继映射模糊的问题,对16QAM信号的星座点重新布局,设计出相应的中继解调映射规则。为了进一步提高系统性能,在该设计中引入低密度奇偶校验码(Low Density Parity Check Code, LDPC),设计了相应的译码映射算法。最后实验表明,上述设计相较于16QAM-PNC系统具有更好的系统性能,同时联合LDPC编码的设计能提高系统增益约2dB。     

16QAM调制解调技术分析仿真

根据QAM调制解调的基本原理,以Matlab为开发平台,设计了16QAM数字调制解调系统并进行仿真分析,并在信噪比变化条件下,得到了不同进制QAM系统的误码率。仿真结果表明,QAM调制相对PSK调制具有较好的性能。     

BICM-ID中一种新的8PSK星座映射

在比特交织编码调制及迭代译码(BICM-ID)系统基础上,设计一种8PSK调制星座映射方法。该方法以映射符号之间的平均近邻汉明距离为设计准则,将8PSK调制的符号分为2组半径和相位不同的QPSK调制的映射符号,通过调整半径减小星座映射符号之间的平均近邻汉明距离。性能分析和仿真结果表明,与其他BICM-ID中的8PSK星座映射相比,在低信噪比下,该方法的误比特率更低。     

使用TAST码的BI-STCM-ID系统中的星座映射分析

研究了BI-STCM-ID系统中的星座映射问题.证明了在使用TAST空时编码方案的BI-STCM-ID系统中,基于最大化编码增益的高维星座映射设计优化问题等价于基于最大化欧式距调和均值的一维星座映射设计优化问题.     

使用LDC码的BI-STCM-ID系统中的星座映射分析

研究了BI-STCM-ID系统中的星座映射问题。证明了在使用LDC（Linear Dispersion Code）空时编码方案的BI-STCM-ID系统中,基于最大化编码增益的高维星座映射设计优化问题等价于基于最大化欧式距调和均值的一维星座映射设计优化问题。     

基于分层编码的空间调制系统设计

空间调制(SM)作为一种新颖的多天线传输方案,独创性地将输入比特与发射天线序号构成一种映射关系,用来承载一定的发送信息。但该方案通过单层调制模式将发送比特映射到均匀分布的信号星座点上,极大地限制了系统性能的提升。在星座点映射上采用分层编码调制(SCM)技术,满足了同一传输时隙上不同数据业务的不同服务质量(Qo S)要求,并有效提升系统性能。基于SCM的原理,提出了一种低复杂度的检测算法。仿真结果表明,新算法的检测性能近似最大似然(ML),且接收端复杂度随调制阶数呈线性增加。     

一种新的基于MQAM的PLNC去噪映射算法

物理层网络编码(Physical Layer Network Coding,PLNC)在高阶幅度和相位调制中存在星座点模糊现象。针对这一问题提出了一种物理层网络编码去噪映射算法。在该算法中,中继节点对接收信号进行星座点重新布局,按一定规律将星座点合并,经过处理后的信号星座点降低了一半,进而下行链路的调制阶数也降低了一半,星座图相邻点之间的欧氏距离变大,系统误码率性能得到提高;且中继节点只需解调-重映射-调制,处理复杂度低。通过计算机仿真验证了该算法的有效性。     

高阶调制下极化码的构造研究

为了避免利用传统方法在高阶调制时无法确定极化码的码元噪声功率的问题,提出一种将高阶调制信道分解成多个平行的并具有固定噪声功率的二进制输入子信道的方法,将高阶调制下极化码构造问题转化为一般的二进制输入信道的极化码构造问题,从而实现了高阶调制时的极化码构造,并针对格雷映射8-PSK调制和PAM/QAM调制等常用的高阶调制进行特定设计。仿真结果表明,采用推荐方法可以带来明显的性能提升。     

基于编码调制的高速光传输系统研究

将编码调制技术引入到高速光通信系统中,并结合LDPC信道编码技术,实现一种高速率低误码率的光传输系统,并利用MATLAB及Optisystem软件进行TC-64QAM的高速光通信系统仿真.由仿真结果能够看出,使用该编码调制技术后的光通信系统性能明显得到改善,即在高速率情况下仍然可以获得低误码率性能,且系统复杂度较低.     

基于高阶统计量和星座图的通信制式识别研究

针对实际工程中基于高阶累计量的调制方式识别方法对信噪比要求较高且对部分调制方式识别率低的问题, 本文提出了基于双谱分析和星座图相结合的一种新的调制方式识别方法。基于高阶累积量提取特征值,进一步对取得的累积 量特征值求傅里叶变换得到接收信号的双谱分析,对QPSK、OFDM和QAM调制信号进行分类识别,对于QAM调制中的 16QAM、32QAM和64QAM调制方式再依据星座图结果进行识别。通过实验数据表明,此调制方式识别方法识别率较高,高 阶谱分析对信噪比要求低。     

多入多出系统中改进的QRD-M检测算法

在研究传统QRD-M检测算法的基础上,提出一种用于多入多出系统的改进的QRD-M检测算法。该算法通过累积分支度量排序和终止门限设置,合理减少搜索树的分支数。仿真结果表明,当信噪比为10 dB、调制方式为16QAM、天线配置为4×4时,改进算法在无检测性能损失的情况下可使传统QRD-M检测算法的复杂度降低30%。     

采用删除低密度校验码的比特交织编码调制技术研究

本文从系统的角度提出了采用删除低密度校验码（LDPC）作为成员码的比特交织编码调制（BICM）系统方案,其中删除模式分别采用通过优化算法确定LDPC码的优化删除分布和随机删除两种方案。仿真结采表明,该系统方案的性能与系统BICM容量之间的距离小于1dB,从而清楚地说明了该系统能够很好地适应信道的变化,在不同的信遁裘件下均保持了良好的性能。     

基于深度卷积神经网络的数字调制方式识别

针对非协作通信条件下信号调制方式识别问题,提出了一种基于深度神经网络的调制方式自动识别新方法。该方法对接收到的信号进行预处理,生成星座图,并将星座图形状作为深度卷积神经网络的输入,根据训练好的网络模型对调制信号进行分类识别。与以往的识别方法相比,该方法利用卷积神经网络自动学习各种数字调制信号的星座图特征,克服了特征提取困难,通用性不强,抗噪声性能差等缺点,处理流程简单,并对星座图的形变具有不敏感性。针对4QAM、16QAM和64QAM三种典型的数字调制方式,进行了仿真实验,当信噪比大于4时,调制方式的识别正确率大于95％,实验结果表明,基于深度卷积神经网络的信号调制方式识别方法是有效的。     

基于调制域分析的自动测试系统设计

调制域分析已经成为现代测试技术不可或缺的部分,在显现频率变化信号时优于时域测量和频域测量.可是建立在调制域基础上的自动测试设备在国内却很少见到.基于调制域分析,设计了电子产品频率调制参数测试方法.借助GPIB高速数据传输总线,设计了无须人工干预的自动测试方案,该方案数据传输快速稳定,并且能适应用户多种测试要求,智能性强.实际使用证明,开发出的系统能够持续稳定地工作,大大提高劳动生产率.     

基于卷积神经网络的通信信号调制识别研究

针对传统人工提取专家特征来进行通信信号识别的方法存在局限性大、低信噪比下准确率低的问题,提出一种复基带信号与卷积神经网络自动调制识别相结合的新方法。该方法将接收到的信号进行预处理,得到包含同相分量和正交分量的复基带信号,该信号作为输入卷积神经网络模型的数据集,通过多次训练调整模型结构以及卷积核、步长、特征图和激活函数等超参数,利用训练好的模型对通信信号进行特征提取和识别。实现了对2FSK、4FSK、BPSK、8PSK、QPSK、QAM16和QAM64 七种数字通信信号类型的识别分类。实验结果表明,当信噪比为0dB时,七种信号的平均识别准确率已达94.61%,验证了算法是有效的且在低信噪比条件下有较高的准确率。     

基于高阶累积量的数字调制信号识别方法

通信信号调制方式自动识别在信号检测、威胁分析、频谱监测等领域有着重要的地位,是非合作通信关注的关键技术.针对单一累积量调制信号识别有限且识别率低等问题,利用信号的二、四、六阶累积量特征所构造的矢量集,实现了MASK、MPSK、MFSK、MQAM四类信号的类间识别,以及2ASK、4ASK、8ASK,2PSK、4PSK、8PSK,2FSK、4FSK、8FSK,4QAM、16QAM、64QAM的类内识别.在Matlab环境下进行了仿真实验,实验结果表明,该方法在信噪比大于5 dB时可以达到90％以上的识别率.     

瑞利信道下基于累积量的调制识别方法

针对瑞利信道下调制方式分类的问题,提出了一种基于累积量的识别方法。该方法利用四阶累积量和六阶累积量的组合作为特征参数,采用决策树分类器,能够实现二相相移键控(BPSK)、四相相移键控(QPSK)、四进制幅移键控(4ASK)、四阶正交幅度调制（16QAM）、五阶正交幅度调制（32QAM）、六阶正交幅度调制（64QAM）和正交频分复用（OFDM）七种调制方式的识别分类,且计算量小,易于实现。从理论上进行推导与分析,所提方法对瑞利衰落和加性高斯白噪声干扰不敏感。计算机仿真结果表明：信噪比大于4dB时,正确识别率达到90%以上,说明了所提方法的可行性及有效性。     

基于轻量型网络的单载波信号调制识别

针对当前应用深度学习实现数字信号调制识别过程中网络复杂、计算量高、硬件平台要求高的问题, 本文提出了在改进的MobileNetV3轻量级神经网络中使用信号星座图调制识别的方法. 首先, 将接收到的MPSK和MQAM信号转换成星座图像, 将其进行灰度图像提取, 灰度图像增强, 构建星座图的图像数据集, 然后将ResNet中的跨层结构引入MobileNetV3网络, 解决了随着网络层数的增加, 权重减小而导致的梯度消失现象. 最后将星座图数据集用于训练MobileNetV3的轻量型神经网络权重, 对星座图像进行识别. MobileNetV3基于深度卷积可分离和神经架构搜索(network architecture search, NAS)技术在保证识别精度的前提下, 大大降低了参数量和训练时间, 将对于简单信号的调制识别, 轻量型神经网络可以有效简化网络结构, 降低对硬件设备的要求. 仿真结果表明, 针对的调制信号(BPSK、QPSK、8PSK、16QAM、64QAM), 能实现识别率为99.76%的调制识别, 相较于传统应用深度学习实现调制识别的网络, 网络参数量和计算量明显减小.