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和识别方法研究，研究生：学习编号：20090731专业：信号和信息处理讲师：，说教概述，第一，研究背景和意义2，由于接收者不知道信号的事前知识，因此，为了使信号解调顺利，必须确定信号的调制方式和调制参数。此时，调制识别技术很有用。小波包模块(WPM)是一种新的多载波调制技术。另外，利用其他小波包函数作为副载波，利用小波包函数的良好正交性和时频局部性，实现了高频谱效率、良好的抗衰落和抗干扰性能，将在今后的无线通信领域发挥重要作用。小波包调制信号的识别是一个非常实用的研究课题。第二，以前的研究结果，现在的人主要是时间域和转换域研究小波包调制信号(WPM)识别：1。时域，人们主要提取小波包调制信号的高阶累积、自相关和循环自相关等特性参数，然后识别WPM信号。2.在转换域转换域方面，人们提取小波包调制信号的频域、时频域、分数傅立叶域和其他转换域的特性参数(例如功率谱、时频混合力矩等)，然后识别WPM信号。第三，本论文的研究目的小波包调制是一种新的多载波调制技术，从提出之日起，小波包调制信号的识别和参数估计就受到了极大的关注。本论文主要以两种多载波调制信号(OFDM信号和WPM信号)为研究对象，提取特征参数，基于特性参数实现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，4，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小波包调制信号调制过程、图2OFDM信号调制过程、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信号在分数傅立叶变换域分布中的分布不同，本文利用图像形成技术处理接收信号的分数傅立叶变换域分布图，探讨小波包调制信号和OFDM信号的分数域分布形成图的特征参数，并利用支持向量机作为分类器实现这两种多载波调制信号的分类识别。图3OFDM信号使用图像形成技术提取特征参数，在最近的论文中处理了OFDM和4WPM信号的分数傅立叶变换域分布图示例图、分数傅立叶变换域分布图、分数傅立叶变换域分布图。图5图像整形技术的流程图，整形按块整形方法、帧扫描方法和块去除方法的顺序执行，其流程如下，图6整形过程、块形成方法、图7块整形图、帧扫描方法、图8帧扫描方法图、块去除方法、基本思路和块形成方法相同，但框依次，图9成型后OFDM信号(左侧)和WPM信号的分数傅立叶变换域分布也在采样、填充、成型后图像上有很多小孔，图像更复杂，需要填充这些小孔，因此图像更有规律。图像填充包括、图10填充处理图、图11处理的OFDM信号(左侧)和WPM信号的分数傅立叶变换域分布也具有示例图、最近视图、原始图像、特征提取、OFDM信号和WPM信号的分数傅立叶变换域分布图的上下边缘曲线类似于鞍形分布，但具有类似于锯齿线的明显对称性。因此，提取特征参数时，可以考虑分布区域、上下边缘的波谷数、上下边缘的斜率变化等。原始图像、图像边缘提取和拟合、图12轮廓特征提取过程、边缘拟合时使用最小二乘基准的多项式进行拟合，拟合阶数为8。图13OFDM信号(左)和WPM信号的分数傅立叶变换域分布图的上下边缘及其拟合曲线、原始图像、最近视图、提取特征参数、(1)区域特征、(2)上下边缘的波峰波谷数和、(3)梯度变化本论文通过取代提取的特征参数，构造出具有良好分类效果的支持向量机分类器，识别小波包调制信号。识别过程如下：支持向量机分类器、图15识别过程、特征向量对SVM分类器性能的影响、(1)、(2)、(3)、特征向量分别为(1)、(2)、(3)对三种不同情况的识别成功率逐渐增加这主要是因为两个多载波调制信号的分数傅里叶变换域分布图的边缘轮廓特征分别从非角度表征。因此，当特征向量选择三个特征参数时，最能反映两个多载波调制信号的差异，并且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特性，本文利用双谱调制信号的参数双谱估计，提取特性参数，实现小波包调制信号的识别。bispectrum和功率谱的差异，对于设置为0平均值的m()随机过程，功率谱和bispectrum为，功率谱：bispective:(1)，(2)，注意、本论文采用了图16信号的双谱三维(左)和功率谱、双谱估计方法、(1)直接方法、(2)间接方法、(3)参数方法，以及参数方法的AR模型方法。bispectrum特性、图17OFDM(左侧)和WPM信号的bispectrum三维图示例、提取的bispectrum特征参数，以及与它们的bispectrum特性相结合以实现OFDM和WPM多载波调制信号的分类识别、不同信道、不同SNR情况下的参数v的结果、图18AWG