毕业答辩ppt模板-北京工业大学耿丹学院.pptVIP

宣讲大纲 一、 研究的背景和意义 二、先前的研究成果 图19 瑞利衰落信道中OFDM和WPM的V参数 图20 频选信道中OFDM和WPM的V参数 * 一、研究的背景和意义二、先前的研究成果三、本论文的研究目的四、本论文的主要内容 调制识别技术主要应用在非协作通信系统中。由于接收方事先不知道信号的相关知识，为了能顺利地对信号进行解调，就必须要确定信号的调制方式和调制参数。这时，调制识别技术就派上了用场。 小波包调制（WPM）是一种新兴的多载波调制技术。它采用不同的小波包函数作为子载波，利用小波包函数优良的正交性与时频局域性实现，可取得较高的频谱效率和良好的抗衰落与抗干扰性能，将在未来的无线通信领域扮演重要的角色。对小波包调制信号的识别是一个很有实际意义的研究课题。 目前，人们主要在时域和变换域研究小波包调制信号（WPM）的识别： 1.时域 在时域领域，人们主要提取小波包调制信号的高阶累积量、自相关和循环自相关等特征参数，然后实现对WPM信号的识别。 2.变换域 在变换域方面，人们提取了小波包调制信号的频域、时频域、分数阶傅里叶域以及其他变换域的特征参数（如功率谱、时频混合矩等），然后实现对WPM信号的识别。 三、 本论文的研究目的 小波包调制作为一种新型的多载波调制技术，从它提出之日起，人们对小波包调制信号的识别与参数估计就引起了高度的关注。 本论文主要将两种多载波调制信号（OFDM信号和WPM信号）作为研究对象，提取特征参数，并以特征参数为依据，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 四、 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 小波包调制信号的调制过程 图2 OFDM信号的调制过程 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信号在分数阶傅里叶变换域分布的不同，本论文利用图像成形技术对接收信号的分数阶傅里叶变换域分布图进行处理，探讨了小波包调制信号和OFDM信号的分数阶域分布成形图的特征参数，利用支持向量机做分类器，实现了这两种多载波调制信号的分类识别。 图3 OFDM信号在分数阶傅 里叶变换域分布图示例图 图4 WPM信号在分数阶傅里 叶变换域分布图示例图 最近 观看 本论文将采用图像成形技术对OFDM和WPM信号的分数阶傅里叶变换域分布图进行预处理,以便提取特征参数。流程如下： 图5 图像成形技术的流程图 成形是按照分块成形法、框扫描法和分块去 残留法的顺序进行，其流程如下： 图6 成形的流程 分块成形法 图7 分块成形法示意图 框扫描法 图8 框扫描法示意图 分块去残留法 其基本思想与分块成形法相同，但是方块依次设定为 。 图9 成形处理后的OFDM信号（左）和WPM信号的 分数阶傅里叶变换域分布图示例图 填充 成形处理后的图像中会有许多小孔，图像比较杂乱，需要填充这些小孔，使得图像更加规则。图像的填充处理如下所示： 图10 填充处理示意图 图11 填充处理后的OFDM信号（左）和WPM信号的 分数阶傅里叶变换域分布图示例图 最近 观看 原图像 特征提取 OFDM信号和WPM信号的分数阶傅里叶变换域分布图的上下边缘曲线都具有较为明显的对称性，前者呈马鞍形分布，后者却类似锯齿状线条。因此，提取特征参数时，可从以下几个方面考虑：分布面积、上下边缘的波峰波谷个数以及上下边缘的斜率变化情况等。 原图像 图像边缘的提取与拟合 图12 提取轮廓特征的流程 边缘拟合的时候，采用的是最小二乘准则的 多项式进行拟合，并且拟合的阶数为8。 图13 OFDM信号（左）和WPM信号的分数阶傅里 叶变换域分布图的上下边缘及其拟合曲线 原图像 最近 观看 提取特征参数 （1）面积特征 （2）上下边缘的波峰波谷个数 和 （3）斜率变化特征 图14 OFDM信号（左）和WPM信号的分数阶傅里 叶变换域分布图的边缘拟合曲线的斜率变化情况 支持向量机（SVM ）是上世纪90年代中期发展起来的一种基于统计学习理论的机器学习算法, 广泛应用于模式识别和回归预测等领域。本论文构造了支持向量机分类器，代入提取的特征参数后得到了良好的分类效果，从而识别出了小波包调制信号 。识别流程如下： 支持向量机分类器 图