基于短时傅里叶变换和卷积神经网络的OFDM信号调制识别方法研究

目录

声明

1 绪论

1.1 课题的研究背景和意义

1.2 课题的国内外研究现状

1.2.1 通信信号调制识别的研究现状

1.2.2 OFDM信号调制识别的研究现状

1.2.3 基于卷积神经网络的信号调制识别研究现状

1.3 本文的主要工作和章节安排

2 数字通信基本理论

2.1 单载波数字调制基本理论

2.1.1 二进制单载波数字调制原理

2.1.2 多进制单载波数字调制原理

2.2 OFDM基本理论

2.2.1 多载波调制系统原理

2.2.2 OFDM调制系统的基本原理

2.2.3 OFDM调制系统的基本结构模型

2.3 通信信号循环平稳性基本理论

2.3.1 一阶循环平稳理论

2.3.2 二阶循环平稳理论

2.4 本章小结

3 深度学习和卷积神经网络理论

3.1 深度学习简述

3.1.1 机器学习、深度学习和人工智能

3.1.2 深度学习发展历程

3.1.3 深度学习擅长领域

3.2 神经网络基础

3.2.1 神经网络模型

3.2.2 激活函数及其特点

3.2.3 神经网络的训练

3.3 卷积神经网络理论

3.3.1 卷积神经网络的基本结构

3.3.2 卷积神经网络的主要特性

3.3.3 卷积神经网络的相关运算

3.3.4 Softmax分类器

3.4 本章小结

4 应用短时傅里叶变换和VGG-16卷积神经网络的OFDM信号调制识别算法

4.1 信号模型

4.2 基于短时傅里叶变换理论的信号时频特征提取

4.2.1 连续短时傅里叶变换

4.2.2 离散短时傅里叶变换

4.3 VGGNet卷积神经网络识别方法

4.4 基于STFT和VGG-16网络模型的OFDM信号调制识别算法

4.4.1 算法流程

4.4.2 信号数据集和时间-频率图像生成

4.5 实验仿真结果与分析

4.5.1 算法总体识别结果

4.5.2 不同卷积核尺寸识别结果对比分析

4.5.3 不同激活函数识别结果对比分析

4.5.4 不同优化算法识别结果对比分析

4.5.5 算法复杂度分析

4.6 本章小结

5 总结与展望

5.1 本文总结

5.2 工作展望

致谢

参考文献

攻读学位期间主要研究成果