基于生成式AI的通信信号盲解调与智能识别系统设计.docxVIP

PAGE2

基于生成式AI的通信信号盲解调与智能识别系统设计

摘要

随着无线通信技术的飞速发展，电磁频谱环境日趋复杂，非合作通信场景下的信号智能感知与识别技术成为研究热点。现有基于深度学习的调制识别方法在低信噪比环境下性能急剧下降，且通常依赖于先验的同步与解调信息，难以适应盲信号处理需求。本课题旨在设计并实现一套基于生成式人工智能的通信信号盲解调与智能识别系统，以解决低信噪比条件下信号识别率低、依赖先验信息的核心痛点。

本设计首先利用生成对抗网络对有限且信噪比不均衡的原始信号数据集进行增强，生成高质量、多样化的训练样本。在此基础上，设计一种端到端的深度神经网络，该网络集成了盲解调与调制识别功能，能够直接从原始复基带信号中联合估计符号序列并识别调制方式。系统采用“数据增强-特征提取-联合优化”的递进式架构，有效提升了模型在恶劣信道条件下的泛化能力与识别精度。

论文结构遵循工程化设计流程：第一章阐述研究背景与意义；第二章分析相关技术与开发工具；第三章进行系统需求分析；第四章与第五章完成系统总体与详细设计；第六章详述系统实现过程；第七章通过系统测试验证功能与性能；第八章总结全文并展望未来。核心创新点在于将生成式AI的数据增强能力与端到端深度学习模型相结合，实现了在低至-5dB信噪比条件下，对8种常见数字调制方式（如BPSK,QPSK,16QAM等）的识别率较传统方法提升超过15