1 / 80
文档名称:

ofdm调制信号识别与参数提取的研究.pdf

格式:pdf   页数:80
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

ofdm调制信号识别与参数提取的研究.pdf

上传人:2982835315 2014/5/17 文件大小:0 KB

下载得到文件列表

ofdm调制信号识别与参数提取的研究.pdf

文档介绍

文档介绍:1
醐—畔本人签名:,在一年解密后适用本授权书。2!!!西安电子科技大学学位论文创新性声明关于论文使用授权的说明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人承担一切的法律责任。本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。C艿穆畚脑诮饷芎笞袷卮斯娑本人签名:导师签名:
2
3
摘要技术的飞速发展和广泛应用,使得对信号非协作接收的研究具有重大意义。本文以非协作通信为应用背景,对调制信号的识别和参数估计问题展开研究。主要工作如下:1OFDM基于谱分析的和单载波信号的识别方法,提取了几个功率谱域的特征参数,并对功率谱做预处理。本文对该算法的可分性和鲁棒性进行仿真,结果表明,SNR=6dBOFDM982提出了一种基于联合特征向量的信号和单载波调制信号识别方法,并分析SNR=4dB时,识别率可达%,并且特征参数的取值只和采样率与载波频率的比值有关,与符号速率、载波频率、采样率以及的子载波数无关,具有很好的鲁棒性。3OFDM出了一种基于可变延时自相关检测和循环平稳特性分析相结合的系统参数估计方案。该方案可估计出符号周期、循环前缀长度、子载波间隔及子载波数等参数。关键词:调制识别谱分析固有时间尺度分解参数估计
4
5
:developmentapplicationthe猚,studiesareanalyzingfrequencydomainabaseddistinguishsingalsonesSeveral琣pre-treatedalgorithm,瑃%.positionforextractionReferencestatisticalmethodsusingfeatureinfluence98Theratio,.biningautocorrelationperiodtheprefixthesubcarriersestimatedrapidreceptiongreatcontributionsfollows1By—powerresultsinstantaneouspresentedcarrierreachnothing甎delaycyclostationaryIntrinsicParameterratenorcan
6
7
目录1111121OFDM1OFDM3134OFDM5OFDM5OFDM9本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章基于谱分析的调制识别⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.数字调制方式的时频域特征分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯M(MASK)11M(MFSK)12M(MPSK)13M(MQAM)∫破导氐髦菩藕⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.316(OFDM)17321功率谱预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯特征参数可分性/鲁棒性仿真验证⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一3412l3422634327第四章基于固有时间尺度分解的调制识别⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.41(ITD)3l靖拍睢ITD32方向数据统计的基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯42134422DR353113148121122312313411l412
8
4233543ITDOFDM36鲁棒性和识别率仿真⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯441404424**********本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第五章基于循环平稳性和相关检测的参数估计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.循环平稳信号分析基础⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯信号的循环平稳性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯信号循环自相关分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯利用可变