一、傅里叶变换在通信中的应用（论文文献综述）
林佳祥[1]（2021）在《基于OFDM的宽带电力载波通信系统关键技术研究》文中提出随着我国电网的现代化建设,电力载波通信技术由于覆盖范围广、成本低廉等优势成为了重点研究内容,当前的大容量、低延时业务对电力载波通信技术的速率与可靠性提出了较高的要求。以实现高速率、低误码的通信为目标,本文研究了基于OFDM（Orthogonal Frequency Division Multiplexing）的宽带电力载波通信系统,并采用FPGA（Field Programmable Gate Array）与DSP（Digital Signal Processing）开发平台对接收子系统进行了软硬件协同设计和实现。本文在低压宽带电力载波信道的基本特征分析基础上,利用Middleton A类噪声模型进行随机脉冲噪声建模,并通过与自底向上法以及频域分析法的电力载波信道传递函数建模方法进行对比,选择采用M.Zimmermann与Klaus Dostert提出的自顶向下传递函数模型,结合噪声模型与传递函数模型建立了低压宽带电力载波通信信道,为后续仿真提供支撑。本文阐述了OFDM系统的基本原理与关键技术,对电力载波通信中采用OFDM技术的优势进行了分析,然后提出了宽带电力载波通信系统的总体方案,对物理层框架、主要参数与帧结构进行了设计,并简要介绍了接收子系统的主要功能模块。针对起始位置偏移导致的接收星座图旋转与符号间干扰问题,本文结合延时自相关与本地序列互相关算法,提出了基于本地序列的二次相关算法,可以消除测度函数的峰值平台与“小尖峰”现象,使符号同步结果更加精确。针对收发端采样时钟不匹配的情况,提出了基于相位叠加的采样时钟同步算法,与传统方法相比,准确度有3d B以上的增益。针对电力载波信道中的多径与噪声特性造成的通信误比特率过高问题,本文提出了基于噪声聚类的镜像扩展DFT（Discrete Fourier Transform）信道估计算法,相比传统LS（Least Square）算法在误比特率10-3处存在2.8d B左右的性能提升。在OFDM峰均功率比优化方面,本文提出哈达玛变换和迭代翻转部分传输序列相结合的方法,有效降低系统的峰均功率比。基于FPGA与DSP开发平台对提出的宽带电力载波通信系统接收端进行软硬件协同设计,实现了接收基带处理子系统,并通过功能仿真与上板调试对各个模块进行测试,结果表明接收端可以准确恢复出发送数据,验证了本文提出的宽带电力载波通信系统总体方案和关键算法的可行性,为后续产业化芯片的设计提供重要参考。
李宁[2]（2021）在《NMSK映射的FHT-OFDM可见光通信技术研究》文中研究指明可见光通信（Visible Light Communication,VLC）是一种高效、无电磁干扰的短距离通信方式。正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）调制技术在克服多径效应引起的码间串扰有较大优势,非常适合于可见光通信系统。针对可见光通信中OFDM调制采用傅里叶变换频谱效率低,以及OFDM信号易受LED非线性影响产生频率偏移,造成载波间干扰的问题,本文研究了N重最小频移键控（N Minimum Shift Keying,NMSK）映射的哈特莱变换（Fast Hartley Transform,FHT）OFDM可见光通信系统,主要包括以下内容:1.将采用连续相位编码和波形映射的NMSK调制技术应用于可见光哈特莱变换OFDM系统中,分析了该系统的星座图、功率谱密度、载波干扰比和误码率性能。2建立了NMSK映射的哈特莱变换OFDM可见光通信系统模型,研究了基于现场可编程逻辑门阵列（Field Programmable Gate Array,FPGA）的可见光OFDM通信系统结构,设计了 NMSK映射与解映射、IFHT/FHT等模块。3研究了NMSK映射的FHT-OFDM可见光通信系统的电路结构,设计了发射端和接收端的电路模块,搭建了可见光通信单向传输链路,测试了系统的通信距离、误码率、传输速率等性能指标。根据建立的模型和设计的系统,从仿真和实验角度分析了 NMSK映射的哈特莱变换OFDM可见光通信系统的性能。结果表明:相比于采用二进制相移键控（BPSK）的哈特莱变换OFDM可见光通信系统,本文提出的系统具有良好的带外衰减特性,在LED非线性和载波频偏影响下,具有更好的载波干扰比和误码率性能。本文设计的系统能够进行高清视频传输,并且误码率优于二进制相移键控的OFDM系统,传输速率能够满足设计要求。
黄乙[3]（2021）在《线性调频信号的时延估计方法研究》文中研究表明
李景慧[4]（2021）在《短波窄带通信系统同步与分集接收技术研究》文中进行了进一步梳理
梁洪广[5]（2021）在《基于分数阶傅里叶变换的二维随机跳频系统性能分析》文中进行了进一步梳理
李志洋[6]（2021）在《基于WFRFT的载波体制键控技术研究》文中研究表明
郝芷褀[7]（2021）在《基于改进算法的Link16数据链检测与参数估计》文中研究指明
石妙[8]（2021）在《基于OFDM的雷达通信一体化共享信号设计》文中提出
涂岳[9]（2021）在《基于深度学习的OTFS信号解调技术研究》文中研究指明正交时频空（OTFS）有望解决未来无线通信中高速移动场景的通信问题。但是OTFS信道矩阵太大,加之其实际应用时会存在符号间干扰和子载波间干扰,使得OTFS的信号解调成为一个挑战。已有许多针对OTFS解调的研究。OTFS信号的解调由信道估计和信号检测组成。OTFS的信道估计通常采用冲激函数作为导频,使用基于阈值的方法直接估计信道,可能导致较高的均方误差（MSE）;在OTFS信号检测中,常用的线性检测算法会进行矩阵求逆运算,时间复杂度和空间复杂度大并且检测性能也不佳,非线性检测如消息传递（MP）算法也存在复杂度太大的问题。深度学习最近几年在通信中的应用越来越广泛。研究表明,深度学习可以表现出不弱于传统方法的性能,并且具有更快的执行速率,这为OTFS解调提供了一种新思路。本文使用深度学习方法对OTFS的信道估计和信号检测进行优化。在信道估计部分,通过分析借鉴已有的用于信道估计的深度学习方法,我们引入了图像处理中的图像恢复（IR）网络对二维信道图像进行优化,根据OTFS信道特点简化去噪卷积神经网络（DnCNN）,并将其作为IR网络,仿真表明,使用简化后的DnCNN可以获得比传统方法更低的MSE,从而降低系统整体的误比特率（BER）。在信号检测部分,我们分析了传统线性检测方法的实现,提出了一个简化的线性检测器,可以实现在一定性能损失下极大降低所消耗的存储空间和需要的运算复杂度。接着我们研究了已有的适用于大规模多输入多输出（MIMO）的信号检测网络,通过分析OTFS信号的特点,设计了适合OTFS的基于深度学习的信号检测网络。通过对比仿真,验证了所提出的信号检测网络比已有的信号检测网络性能更佳,并且与MP算法相比,极大减少了运行时间,实现了复杂度与解调性能的良好折衷。
李姗姗[10]（2021）在《卫星激光通信系统信号传输与识别方法研究》文中提出大数据和高速率通信业务的蓬勃发展,对卫星通信系统传输容量、信息传输速率等性能提出了更高的要求,具备宽带宽、高速率、高能效等优点的卫星激光通信技术弥补了微波通信在卫星通信应用中的不足。随着对卫星激光通信关键技术的研究逐渐深入,在卫星与地面间建立激光通信链路进行数据传输是未来实现星地高速数据传输的发展趋势,对激光的高速传输和可靠接收关键技术进行研究成为卫星激光通信领域的研究热点。但是,实现星地激光通信系统的高速数据传输面临如下问题:激光信号经过星地链路大气信道段时由于受到湍流效应的影响导致光束相干性的劣化,对通信质量造成不良影响;为满足不同用户和业务的需求,充分利用信道容量,卫星激光通信系统中信号调制格式的复杂性日益增加,接收端需要准确识别出信号所采用的调制格式才能正确解调。为了解决卫星激光通信系统中的上述问题,以提高激光信号的相干性和保障激光信号识别的可靠性为目标,开展卫星激光通信系统的自适应光学技术和信号识别技术研究。面向校正激光光束畸变和无需先验知识识别激光信号的需求,本文重点研究卫星激光通信中涉及的自适应光学技术、单载波信号识别技术以及多载波信号识别技术,完成对激光光束畸变的实时校正,实现激光信号的可靠识别。本论文的主要研究内容和创新点如下:（1）大气信道建模与光传输特性分析在研究大气湍流特性和柯尔莫哥洛夫湍流理论的基础上,基于功率谱反演法和子谐波补偿法完成了随机相位屏的构造,模拟了高斯光束在大气湍流多相位屏信道中的传输过程并对其相干性劣化情况进行了分析,提出了一种基于光强变化指数的湍流影响衡量方法。该方法主要通过对比光束在多相位屏信道中传输与自由空间中传输在光场强度分布上的差异计算得到光束的畸变程度,从而对所受到的湍流影响做出衡量,仿真研究了所提方法衡量湍流影响的可行性。仿真结果表明,所提方法中的光强变化指数与闪烁指数随光束波长的变化趋势基本一致,光强变化指数随湍流强度的增强而递增。（2）基于混合输入输出算法的自适应光学补偿方法在研究自适应光学技术的基础上,提出了一种基于混合输入输出算法（Hybrid Input-Output Algorithm,HIOA）的自适应光学补偿方法。该方法设计了基于混合输入输出算法的自适应光学（Adaptive Optical Based on Hybrid Input-Output Algorithm,HIOA-AO）补偿模块完成对畸变激光光束的失真补偿,仿真研究了所提方法在不同传输距离和迭代次数下对畸变激光光束的失真补偿效果。仿真结果表明,所提方法可以有效补偿湍流效应导致的畸变激光光束相位失真,提高光束的模式纯度;HIOA经过50次或50次以上的迭代可以重构得到准确的波前畸变相位信息,通过相位校正可以对畸变激光光束的高斯分布进行较好的恢复。（3）基于分区分形特征和支持向量机的单载波信号识别方法在研究大气时变信道下单载波激光信号特征的基础上,提出了一种基于分区分形特征和支持向量机的单载波信号识别方法。该方法设计了基于分区分形维数（Fractal Dimension of Region,FDR）的特征提取算法得到单载波信号星座图的分区分形特征,采用支持向量机学习算法对特征数据进行学习的基础上完成信号识别分类器的构造,从而实现单载波信号的自动调制格式识别,仿真研究了所提方法在自由空间信道和大气时变信道两种传输条件下的识别效果。仿真结果表明,基于所提方法构造的分类器在自由空间信道中所有信噪比范围内整体分类精度达到89.8%以上,当信噪比大于7.5dB时分类器的分类精度性能收敛,实现单载波信号100%的精确识别;在大气时变信道弱湍流条件下,在所有湍流强度和信噪比范围内分类器的整体分类精度达到86.7%以上,随着信噪比增加而递增随后收敛;与其他识别方法相比,所提方法在有效提高分类精度和收敛速度的同时具备对信道变化的高鲁棒性。（4）基于多特征输入和混合训练神经网络的多载波信号识别方法在研究大气时变信道下多载波激光信号特征的基础上,提出了一种基于多特征输入和混合训练神经网络的多载波信号识别方法。该方法设计了基于多特征输入的混合训练神经网络（Hybrid Training Neural Network,HTNN）结构,将正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）子载波信号的高阶统计量特征及星座图特征作为网络的双输入特征,训练HTNN自主挖掘高阶关联性特征得到学习模型,实现OFDM子载波信号间的自动调制格式识别,仿真研究了所提方法在自由空间信道和大气时变信道两种传输条件下的识别效果。仿真结果表明,基于所提方法得到的识别模型在自由空间信道中所有信噪比范围内的整体分类精度达到93.37%以上,当信噪比大于7.5dB时学习模型的分类精度性能收敛,实现OFDM子载波信号100%的精确识别;在大气时变信道弱湍流条件下,在所有湍流强度和信噪比范围内学习模型的整体分类精度达到73.5%以上,随着信噪比增加而递增随后收敛;与其他识别方法相比,所提方法在保证分类精度的基础上降低了对信道变化的敏感性,提高了收敛速度,实现了大范围信噪比下对OFDM子载波信号的可靠识别。
二、傅里叶变换在通信中的应用（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、傅里叶变换在通信中的应用（论文提纲范文）
（1）基于OFDM的宽带电力载波通信系统关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外电力载波通信研究现状 |
| 1.2.2 国内电力载波通信研究现状 |
| 1.3 主要研究内容及后续章节安排 |
| 第2章 低压宽带电力载波信道建模 |
| 2.1 低压宽带电力载波的信道特性 |
| 2.1.1 衰减特性 |
| 2.1.2 噪声特性 |
| 2.1.3 多径传播 |
| 2.1.4 时变性 |
| 2.2 信道建模 |
| 2.2.1 噪声建模 |
| 2.2.2 传递函数建模 |
| 2.2.3 低压宽带电力载波信道模型 |
| 2.3 本章小结 |
| 第3章 宽带电力载波通信系统总体设计 |
| 3.1 典型的OFDM通信系统框架 |
| 3.1.1 OFDM系统的基本原理 |
| 3.1.2 循环前缀与加窗 |
| 3.1.3 OFDM系统的关键技术 |
| 3.1.4 OFDM在电力载波通信中的优势 |
| 3.2 宽带电力载波通信系统总体设计方案 |
| 3.2.1 系统物理层框架设计 |
| 3.2.2 系统物理层主要参数 |
| 3.2.3 通信帧结构 |
| 3.2.4 接收子系统主要模块 |
| 3.3 本章小结 |
| 第4章 宽带电力载波通信系统的关键技术 |
| 4.1 符号同步算法设计 |
| 4.1.1 符号同步偏差的影响 |
| 4.1.2 符号同步算法 |
| 4.1.3 仿真对比与分析 |
| 4.2 采样时钟同步算法设计 |
| 4.2.1 采样时钟偏移的影响 |
| 4.2.2 采样时钟同步算法 |
| 4.2.3 仿真对比与分析 |
| 4.3 信道估计算法设计 |
| 4.3.1 电力载波信道的影响 |
| 4.3.2 信道估计算法 |
| 4.3.3 仿真对比与分析 |
| 4.4 降峰均功率比算法设计 |
| 4.4.1 OFDM峰均功率比统计方法 |
| 4.4.2 降峰均功率比算法 |
| 4.4.3 仿真对比与分析 |
| 4.5 宽带电力载波系统整体仿真性能 |
| 4.6 本章小结 |
| 第5章 系统接收样机实现方案 |
| 5.1 样机整体框架 |
| 5.1.1 收发系统联调及测试等效方案 |
| 5.1.2 硬件平台简介 |
| 5.2 基于FPGA的硬件逻辑设计 |
| 5.2.1 A/D转换接口模块 |
| 5.2.2 降抽样模块 |
| 5.2.3 AGC模块 |
| 5.2.4 帧检测模块 |
| 5.2.5 符号同步模块 |
| 5.2.6 SRIO发送模块 |
| 5.2.7 FPGA资源占用情况 |
| 5.3 基于DSP的软件设计 |
| 5.3.1 SRIO接收模块 |
| 5.3.2 采样时钟同步模块 |
| 5.3.3 信道估计模块 |
| 5.3.4 符号解调模块 |
| 5.3.5 DSP存储资源占用情况 |
| 5.4 测试结果与分析 |
| 5.5 本章小结 |
| 第6章 全文总结与后续工作展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 作者简历及在学期间所取得的研究成果 |
（2）NMSK映射的FHT-OFDM可见光通信技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 可见光通信的研究进展 |
| 1.2.2 可见光通信OFDM技术的研究进展 |
| 1.3 可见光OFDM通信研究中存在的问题 |
| 1.4 论文研究内容及章节安排 |
| 2 LED非线性对OFDM信号的影响 |
| 2.1 LED特性 |
| 2.1.1 LED工作特性 |
| 2.1.2 LED非线性特性 |
| 2.2 LED非线性对OFDM信号的影响分析 |
| 2.3 本章小结 |
| 3 可见光通信中NMSK映射的OFDM调制性能分析 |
| 3.1 NMSK调制特性 |
| 3.2 实值OFDM信号产生 |
| 3.3 NMSK映射的OFDM可见光通信模型 |
| 3.4 性能分析 |
| 3.4.1 功率谱密度 |
| 3.4.2 星座图 |
| 3.4.3 载波频偏条件下系统抗干扰性能 |
| 3.4.4 LED非线性条件下系统误码率性能 |
| 3.5 本章小结 |
| 4 NMSK映射的OFDM可见光通信收发终端设计及实现 |
| 4.1 系统设计 |
| 4.2 OFDM调制的FPGA设计 |
| 4.2.1 工作时钟模块 |
| 4.2.2 NMSK调制模块 |
| 4.2.3 导频模块 |
| 4.2.4 IFHT/FHT模块 |
| 4.2.5 循环前缀与加窗模块 |
| 4.3 LED驱动电路设计 |
| 4.3.1 直流偏置电路 |
| 4.3.2 放大电路 |
| 4.3.3 预均衡电路 |
| 4.3.4 Bias-T网络 |
| 4.4 光电接收电路设计 |
| 4.4.1 跨阻放大电路 |
| 4.4.2 滤波电路 |
| 4.4.3 两级放大电路 |
| 4.5 OFDM解调的FPGA设计 |
| 4.5.1 同步模块 |
| 4.5.2 信道估计与均衡模块 |
| 4.5.3 NMSK解调模块 |
| 4.6 主控电路设计 |
| 4.6.1 DAC/ADC电路模块 |
| 4.6.2 以太网接口模块 |
| 4.7 本章小结 |
| 5 NMSK映射的OFDM可见光通信实验 |
| 5.1 实验模块调试 |
| 5.1.1 发射端调试 |
| 5.1.2 接收端调试 |
| 5.1.3 系统调试 |
| 5.2 性能测试 |
| 5.2.1 时域信号波形 |
| 5.2.2 误码率 |
| 5.2.3 传输速率 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间主要研究成果 |
（9）基于深度学习的OTFS信号解调技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 OTFS相关研究进展 |
| 1.2.2 深度学习在信号解调中的应用现状 |
| 1.3 论文主要工作 |
| 1.4 论文结构 |
| 第二章 OTFS信号接收相关技术 |
| 2.1 OTFS收发系统 |
| 2.2 无线通信中的深度学习方法 |
| 2.2.1 DNN基本原理 |
| 2.2.2 CNN基本原理 |
| 2.2.3 基于数据驱动的深度学习方法 |
| 2.2.4 基于模型驱动的深度学习方法 |
| 2.3 基于深度学习的OTFS信号接收 |
| 2.4 本章小结 |
| 第三章 基于深度学习的OTFS信号检测 |
| 3.1 引言 |
| 3.2 传统OTFS信号检测方法 |
| 3.2.1 ZF算法 |
| 3.2.2 LMMSE算法 |
| 3.2.3 简化的线性检测算法 |
| 3.2.4 MP算法 |
| 3.3 基于深度学习的信号检测算法 |
| 3.3.1 基于数据驱动的深度学习信号检测算法 |
| 3.3.2 基于模型驱动的深度学习信号检测算法 |
| 3.4 改进的信号检测神经网络 |
| 3.5 性能评估 |
| 3.6 本章小结 |
| 第四章 基于深度学习的OTFS信道估计 |
| 4.1 引言 |
| 4.2 OTFS导频设计及信道估计 |
| 4.3 基于深度学习的OTFS信道估计方法 |
| 4.3.1 基于深度学习的信道估计神经网络 |
| 4.3.2 适用于OTFS的信道估计神经网络 |
| 4.4 性能评估 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（10）卫星激光通信系统信号传输与识别方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 卫星激光通信发展现状 |
| 1.2.2 卫星激光通信传输保障性技术现状 |
| 1.2.3 信号调制格式识别技术现状 |
| 1.3 本文的主要工作 |
| 1.4 论文组织结构 |
| 第二章 大气湍流特性与信道建模方法 |
| 2.1 引言 |
| 2.2 大气湍流特性概述 |
| 2.2.1 大气湍流产生原理 |
| 2.2.2 柯尔莫哥洛夫湍流理论 |
| 2.3 基于多相位屏的湍流信道建模方法 |
| 2.4 激光的光强分布模型 |
| 2.4.1 Log-Normal模型 |
| 2.4.2 Gamma-Gamma模型 |
| 2.5 本章小结 |
| 第三章 大气激光传播特性与自适应光学补偿方法 |
| 3.1 引言 |
| 3.2 大气激光传输特性 |
| 3.2.1 光的波动方程与菲涅尔衍射 |
| 3.2.2 高斯光束的传输特性 |
| 3.2.3 基于光强变化指数的湍流影响衡量方法 |
| 3.3 基于HIOA的自适应光学补偿方法 |
| 3.3.1 设计思路 |
| 3.3.2 基于HIOA的波前相位重构原理及实现 |
| 3.4 基于HIOA的自适应光学补偿方法性能分析 |
| 3.4.1 仿真设置 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小节 |
| 第四章 基于分区分形特征和支持向量机的单载波信号识别 |
| 4.1 引言 |
| 4.2 基于分区分形特征和支持向量机的单载波信号识别方法 |
| 4.2.1 设计思路 |
| 4.2.2 基于FDR的特征提取算法 |
| 4.2.3 基于支持向量机的分类器设计 |
| 4.3 基于分区分形特征和支持向量机的单载波信号识别方法性能分析 |
| 4.3.1 仿真设置 |
| 4.3.2 自由空间信道中的识别性能 |
| 4.3.3 大气时变信道中的识别性能 |
| 4.4 本章小节 |
| 第五章 基于多特征输入和混合训练神经网络的多载波信号识别 |
| 5.1 引言 |
| 5.2 基于多特征输入和混合训练神经网络的多载波信号识别方法 |
| 5.2.1 设计思路 |
| 5.2.2 OFDM信号模型及特征 |
| 5.2.3 基于多特征输入的混合训练神经网络结构设计 |
| 5.2.4 基于多特征输入的混合训练神经网络训练过程 |
| 5.3 基于多特征输入和混合训练神经网络的多载波信号识别方法性能分析 |
| 5.3.1 仿真设置 |
| 5.3.2 自由空间信道中的识别性能 |
| 5.3.3 大气时变信道中的识别性能 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 缩略语 |
| 致谢 |
| 攻读学位期间发表的学术论文目录和其他成果 |
四、傅里叶变换在通信中的应用（论文参考文献）
- [1]基于OFDM的宽带电力载波通信系统关键技术研究[D]. 林佳祥. 浙江大学, 2021(01)
- [2]NMSK映射的FHT-OFDM可见光通信技术研究[D]. 李宁. 西安理工大学, 2021
- [3]线性调频信号的时延估计方法研究[D]. 黄乙. 哈尔滨工业大学, 2021
- [4]短波窄带通信系统同步与分集接收技术研究[D]. 李景慧. 重庆邮电大学, 2021
- [5]基于分数阶傅里叶变换的二维随机跳频系统性能分析[D]. 梁洪广. 哈尔滨工程大学, 2021
- [6]基于WFRFT的载波体制键控技术研究[D]. 李志洋. 哈尔滨工业大学, 2021
- [7]基于改进算法的Link16数据链检测与参数估计[D]. 郝芷褀. 哈尔滨工程大学, 2021
- [8]基于OFDM的雷达通信一体化共享信号设计[D]. 石妙. 哈尔滨工程大学, 2021
- [9]基于深度学习的OTFS信号解调技术研究[D]. 涂岳. 北京邮电大学, 2021(01)
- [10]卫星激光通信系统信号传输与识别方法研究[D]. 李姗姗. 北京邮电大学, 2021(01)