基于深度学习的通信抗干扰接收算法研究

发布时间：2025-05-27 23:12

　　随着信息技术的发展以及信息化程度提高,各种通信设备种类和功能不断完善的同时也造成了环境中各种各样干扰的产生。多种干扰在多域相互交织与影响,导致通信质量下降。由于通信环境时刻遭受干扰的影响,因此研究通信的抗干扰技术一直是研究热点。目前人工智能不断崛起,基于学习的方法在图像和自然语言处理等领域取得显著成就,这使得研究人员考虑将人工智能与通信抗干扰相结合,使得抗干扰方式更加智能化与实时化。新一代智能抗干扰通信技术值得深入研究。本文在对传统通信抗干扰技术与智能抗干扰技术的国内外研究现状以及干扰模型总结分析基础上,分析了卷积神经网络用于通信干扰模型学习和作为干扰抑制方法的可行性。有别于传统扩频抗干扰的角度,本文从干扰学习和基于计算的抗干扰方法角度设计了基于深度学习的通信抗干扰接收算法,论文从以下几个方面阐述了主要工作:(1)针对传统直扩抗干扰通信占用带宽过大的问题,提出一种基于卷积神经网络接收端抗干扰算法,该方法首先将带有干扰的接收信号经过信号预处理,得到低通采样信号,信号经过格式处理与转化得到神经网络可以训练的输入信号。本文对常规的卷积神经网络进行结构化改进,用于处理一维通信数据,学习网络通过特...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图2-1单音干扰模块框图

哈尔滨工业大学工程硕士学位论文-9-第2章抗干扰算法相关理论分析在进行抗干扰学习算法研究的过程中，需要用到一些与干扰建模、传统抗干扰机理分析以及深度学习方面相关的基础理论与知识。本章将对本文提出的基于深度学习的抗干扰算法中所用到的干扰模型与直扩通信抗干扰机理进行阐述，并对卷积神经....

图2-2单音干扰频谱图

哈尔滨工业大学工程硕士学位论文-10-图2-2单音干扰频谱图2.1.2自回归干扰模型自回归（Autoregressive，AR）干扰建模通常可以描述为自回归过程。对于通信，AR干扰等效于通过窄带数字滤波器的高斯白噪声，并且该滤波器是全极点模型。其原理框图表示为图2-3的形式。带通....

图2-4AR干扰模块框图

哈尔滨工业大学工程硕士学位论文-11-这里的2即为作为激励的白噪声的方差。滤波器系数与通过其的白噪声会影响AR干扰的某些特性例如干扰带宽、频率以及功率等参数。本课题需要产生带宽和功率可变的干扰模型，因此需要对AR干扰进行设计。传统的AR模型滤波器参数计算方法需要利用与自相关函数和....

图2-5AR干扰频谱图

哈尔滨工业大学工程硕士学位论文-12-图2-5AR干扰频谱图以上单音干扰与AR干扰均为典型的窄带干扰模型，下面考虑宽带干扰中较典型的扫频干扰，给出其干扰信号表达式及基于Simulink的干扰模型与仿真。2.1.3扫频干扰模型扫频信号作为一种基本的信号形式在通信特别是雷达领域应用广....

本文编号：4047698