基于深度學習和GNU Radio的調制信號分析實戰(zhàn)

定　價：￥59.00

作　者：	林沖
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網 (￥44.20)

ISBN：	9787121450327	出版時間：	2023-02-01	包裝：	平塑
開本：		頁數：		字數：

內容簡介

　　隨著通信技術的快速發(fā)展，通信系統往往會采用多種調制方案，從而更好地利用頻譜資源，滿足爆發(fā)式增長的通信需求。調制識別是指在信號解調之前采集信號樣本，通過相關技術自動判斷信號調制類型，為后續(xù)信號的信息提取和處理等提供依據的技術。本書以深度學習和軟件無線電技術為研究方法，將通信信號調制識別問題分為單載波信號識別和多載波信號識別兩個方面，討論調制識別的技術與實現。全書共有7章，主要內容包括研究背景及意義、深度學習與SDR相關基礎理論、基于MRNN的單載波信號調制識別算法及軟件無線電實現、基于TRNN的OFDM信號調制識別算法及軟件無線電實現等。本書是一部關于通信信號調制識別理論與技術的專著，可作為高等學校和科研院所信號與信息處理、通信與信息系統等專業(yè)研究生的教材或參考書，也可供從事通信、導航、電子對抗等領域的廣大技術人員學習與參考。

作者簡介

　　林沖，男，漢族，1994年3月出生，四川廣安人，信息與通信工程專業(yè)碩士。主要研究方向為基于軟件無線電和深度學習的信號處理，發(fā)表SCI檢索論文2篇，EI檢索論文1篇，中文核心檢索論文2篇，獲得山東省研究生優(yōu)秀成果獎1項。

圖書目錄

目錄
第1章緒論 1
1.1 研究背景及意義 1
1.2 調制識別研究現狀 3
1.2.1 基于決策理論的似然比識別方法 5
1.2.2 基于特征提取的統計模式識別方法 6
1.2.3 基于深度學習的調制識別方法 9
1.3 主要內容和結構安排 16
習題 17
第2章深度學習與SDR相關基礎理論 18
2.1 深度學習相關基礎理論 18
2.1.1 深度學習簡史與應用 19
2.1.2 BP神經網絡 22
2.1.3 CNN 25
2.1.4 ResNet 27
2.1.5 其他神經網絡 31
2.2 SDR相關基礎理論 31
2.2.1 SDR原理 32
2.2.2 SDR硬件平臺USRP 34
2.2.3 SDR軟件平臺GNU Radio 37
2.2.4 搭建GNU Radio + USRP軟件無線電開發(fā)環(huán)境 41
2.3 本章小結 42
習題 42
第3章基于MRNN的單載波信號調制識別（算法設計） 43
3.1 信號模型 44
3.1.1 AM類 44
3.1.2 MASK類 45
3.1.3 MPSK類 45
3.1.4 MQAM類 46
3.1.5 MAPSK類 47
3.1.6 FM和GMSK 48
3.2 基于MRS的MRNN 50
3.2.1 MRS設計 50
3.2.2 MRNN 52
3.3 實驗仿真與結果分析 55
3.3.1 數據集介紹 55
3.3.2 網絡性能優(yōu)化 56
3.3.3 MRNN識別準確率分析 59
3.3.4 不同方法對比 61
3.4 本章小結 63
習題 64
第4章基于SDR的單載波信號實時調制識別（算法部署） 65
4.1 算法部署 66
4.1.1 搭建算法部署環(huán)境 66
4.1.2 制作單載波信號數據集 67
4.1.3 訓練MRNN 74
4.1.4 實時識別 75
4.2 實驗仿真與結果分析 76
4.2.1 識別準確率分析 76
4.2.2 實時性能分析 78
4.3 本章小結 79
習題 79
第5章基于TRNN的OFDM信號調制識別（算法設計） 80
5.1 制作基帶傳輸時的OFDM信號數據集 81
5.1.1 OFDM調制原理 81
5.1.2 制作基帶OFDM信號數據集 83
5.2 TRNN 88
5.3 實驗仿真與結果分析 91
5.3.1 TRNN性能優(yōu)化 91
5.3.2 TRNN性能分析 97
5.3.3 不同方法對比 99
5.3.4 實時OFDM基帶信號調制識別 100
5.4 本章小結 101
習題 101
第6章基于SDR的OFDM信號實時調制識別（算法部署） 102
6.1 算法部署 103
6.1.1 搭建算法部署環(huán)境 103
6.1.2 制作帶通傳輸時的OFDM信號數據集 104
6.1.3 訓練TRNN 108
6.1.4 實時識別 108
6.2 實驗仿真與結果分析 109
6.2.1 識別準確率分析 109
6.2.2 實時性能分析 112
6.3 本章小結 112
習題 113
第7章總結與展望 114
7.1 工作總結 114
7.2 研究展望 115
參考文獻 117
附錄A 128