信道解调论文-蒋炫佑,魏以民,王雷,刘灵君,彭磊

信道解调论文-蒋炫佑,魏以民,王雷,刘灵君,彭磊

导读:本文包含了信道解调论文开题报告文献综述及选题提纲参考文献,主要关键词:星座设计,Box-Muller变换,M-APSK调制,Max-Log,LLR算法

信道解调论文文献综述

蒋炫佑,魏以民,王雷,刘灵君,彭磊[1](2019)在《逼近高斯信道容量的M-APSK调制与解调方法》一文中研究指出在数字通信系统中,均匀星座分布的离散信号经过功率受限、噪声功率谱密度一定的AWGN信道传输后,最大信息速率无法达到高斯信道容量。为了更好地提高传输速率使其逼近信道容量,信号星座的非均匀分布设计是非常必要的。为此,提出了一种基于Box-Muller变换,在星座点数趋近无穷时满足高斯分布的M-APSK信号星座构建方法,并通过仿真对其信道容量可实现性进行了验证。实验结果表明,与矩形M-QAM信号相比,该信号在调制阶数较高时星座容量指标得到了可观的提升。在此基础上,根据该星座分布的特点,设计了基于格雷编码和简化Max-Log LLR算法的调制解调方案,明显降低了系统复杂度。通过对系统复杂度、误比特率进行Matlab仿真,验证了所提方案的相关性能。(本文来源于《计算机科学》期刊2019年10期)

张新乔[2](2018)在《卫星物联网系统中的解调与信道译码技术研究》一文中研究指出随着计算机技术、网络技术的飞速发展,物联网已经成为信息系统中重要的技术,引起了研究者的关注。然而,目前物联网技术难以在大范围、跨区域以及恶劣环境下部署。这是因为目前物联网中,普遍采用无线局域网通信技术,而常用的无线通信技术难以在大范围、跨区域进行通信。另外,在恶劣的环境中,无线通信容易受到很强的干扰。为了解决这些问题,采用基于卫星通信技术构建新型物联网系统(简称卫星物联网)。本文围绕卫星物联网展开研究,并取得如下成果:(1)针对卫星物联网没有通用设计模型的问题,设计了基于行云系统的卫星物联网模型。设计了卫星物联网的智能选频算法。分析了卫星物联网中通信干扰的来源,并给出了抗干扰方案,提出了卫星物联网中资源分配算法。(2)针对卫星物联网数据误码率高的问题,提出在卫星物联网中采用差分调制和双差分调制解调方案。仿真结果表明,双差分调制的数据传输方法用到卫星通信上面,可有效减小多普勒频偏的影响。(3)为了进一步降低误码率,提出设计基于BCH和卷积码的编码译码方法。实现了 BCH译码电路、卷积码译码电路以及两种译码的级联电路。其中卷积码译码电路通过串并结合译码方式保证译码速率,降低硬件资源占用。仿真表明,该信道编码可有效降低误码率。设计了地面终端系统,在该系统上设计与实现了调制解调器与信道编码器。为了测试地面终端系统的性能,搭建硬件测试平台。测试结果表明,设计的系统能够满足预期的功能。(本文来源于《南京理工大学》期刊2018-10-01)

杨耀栋[3](2018)在《带限信道MPPSK调制信号的深度神经网络解调器研究》一文中研究指出在信息科技高度发展的今天,频谱资源显得越发珍贵。能够兼顾高频谱利用率和高能量利用率特性的高效调制技术,是解决频谱资源短缺的有效途径,具有重要的研究价值。其中MPPSK调制技术具有频谱利用率高、信息传输速率高、加密性强等优势,具有较好的军民应用前景。但传统上基于冲击滤波器的MPPSK解调器虽能将码元的相位跳变位置转换为幅度冲击,有利于通过冲击幅度判决进行码元检测,但在M进制较大或信道环境恶劣时解调性能也随之恶化。随着人工智能技术的发展和大数据时代的来临,深度学习(Deep Learning,DL)技术在计算机视觉、模式识别、自然语言处理、图像分类等领域得到广泛且成功的应用。栈式稀疏自编码(Stacked Sparse Auto-Encoder,SSAE)网络在传统前馈型全连接网络的基础上引入参数预初始化、无监督训练等深度学习思维,能够自动从数据样本中提取高维特征信息,并通过数据变换和特征重构,进一步提高网络的性能。因此本文:1.首先从高效调制的发展历程引出MPPSK调制技术,介绍传统冲击滤波方案的不足,提出将深度神经网络引入到MPPSK通信系统解调的研究观点。然后,从神经网络的训练算法、激励函数、数值优化等角度介绍了神经网络的相关理论知识,同时也阐述了DL的若干最新研究成果。2.研究了带限信道下采用深度神经网络的MPPSK通信解调器。以带宽受限的AWGN信道为应用场景,将SSAE网络用于MPPSK信号解调器,分析论证了激励函数、神经网络规模、数值优化、网络结构优化等因素对解调性能的影响,给出了具体的实验仿真结果与分析结论。3.基于带限信号的特性提出了“多码元联合判决”方案,利用码间干扰(Inter-Symbol Interface,ISI)辅助对当前码元信号的判决,通过仿真结果支持了该方案对AWGN信道下MPPSK信号解调的有效性。4.研究了深度神经网络MPPSK解调器在多径信道下的抗ISI应用,基于递归神经网络(Recurrent Neural Networks,RNN)能够很好地解决时间序列相关的复杂分类问题,使用RNN作为多径信道下的MPPSK解调器,并成功地引入“集成学习”构成集成RNN,对多径信道下的MPPSK信号进行解调,给出了相应的实验结果与分析结论。(本文来源于《东南大学》期刊2018-05-22)

潘倩倩[4](2018)在《短波信道MPPSK信号的神经网络解调器》一文中研究指出随着信息时代的到来,通信成为人们生产生活不可缺少的工具。超宽带和超窄带技术应用越来越广泛,其中多数调制方式属于非对称调制。短波信道是一种古老又经典的信道,在军事领域备受关注、应用广泛,属于时变多径信道。目前非对称调制经过短波信道后的解调结果差强人意,本文尝试将粒子群优化算法与人工神经网络相结合以及利用深度学习中的卷积神经网络和其变种算法,以解决时变多径信道下多元位置相移键控(M-ary Position Phase Shift Keying,MPPSK)的解调问题。首先,重点研究了非对称调制技术中的MPPSK,对经典的MPPSK调制、改进的MPPSK调制和双极性脉冲MPPSK调制从时域和频域角度进行了分析,给出了MPPSK调制器的两种设计方法:查找表法和开关法。其次,针对MPPSK短波信道传输系统模型,分别研究了基带成形滤波器的设计原理与时频输出,探究了短波信道的传播方式、数学模型、标准信道和输出结果,给出了相干解调和非相干解调两种接收方案。第叁,将粒子群优化算法与人工神经网络相结合,设计基于PSO-NN的短波信道MPPSK信号解调器,并对其影响因素进行了细致的研究。大量的仿真结果表明,PSO-NN结合了粒子群优化算法与人工神经网络的优点,克服了神经网络收敛速度慢和易于陷入局部最优的缺点,在解调性能上优于传统的门限检测和经典的神经网络判决方式;多码元联合解调性能优于单码元解调;判决性能随着发送带宽的减小和码率的升高而下降;传输函数和误差函数的选择对网络性能影响也较大,Leaky-ReLU传输函数和交叉熵误差函数的网络训练结果明显高于其它。最后,利用深度学习中的卷积神经网络及其变种卷积自编码网络和卷积循环神经网络,设计基于DL-CNN、DL-CAE和DL-CRNN的短波信道MPPSK信号解调器,并进行了大量仿真实验。结果表明,深度学习算法能够挖掘数据更本质的特质和发现数据更内在的联系,解调性能优于其它传统方式和浅层网络。多码元联合解调的性能优于单码元解调,且判决性能随发送带宽的下降和码率的提高而降低;网络层数和卷积核大小对判决性能也有影响,网络层数为8、卷积核大小为49时,更适合短波信道MPPSK信号的解调;单频干扰的频率与系统调制频率差值越大,CNN抗单频干扰的能力越好。(本文来源于《东南大学》期刊2018-05-17)

王建[5](2018)在《OFDM系统FFT解调与信道译码算法及硬件结构研究》一文中研究指出正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)在多载波传输体制中具有基础性的地位。在以LTE-Advanced、IEEE 802.11ac/ad/ay为代表的宽带无线通信标准中,OFDM是实现高速信息传输的使能技术。以此同时,随着物联网(Internet of Things,IoT)的不断发展完善,OFDM也被3GPP标准化组织遴选为IoT底层机器类型通信(Machine Type Communications,MTC)的解决方案之一。快速傅里叶变换(Fast Fourier Transform,FFT)和信道译码被认为是OFDM系统的关键技术:OFDM信号的解调需要通过FFT来完成,而信道译码是提升信息传输可靠性的主要手段之一。因此,设计高效的FFT解调和信道译码算法及硬件结构对采用OFDM技术的实际通信设备具有重要意义,同时也是学术和工业界持续关注的热点。本文的研究正是围绕这一问题展开,主要工作和创新点包含以下方面:首先,对于目前带宽达数百兆乃至上千兆赫兹的OFDM信号,FFT需要以并行计算方式来完成信号的高速解调,如何以较低的硬件代价来实现具有并行处理能力的FFT计算单元便成为OFDM系统需要解决的关键问题。以此为出发点,论文首先对离散傅里叶变换(Discrete Fourier Transform,DFT)矩阵进行细粒度分解,在此基础上推导得到了新的FFT并行计算方案。进而在设计并行流水线硬件结构时,利用折迭变换的电路分析方法来对运算操作和硬件资源进行合理调度与分配,提出了混合抽取多路延迟反馈的FFT硬件实现方案。在不影响吞吐量和计算时延等关键指标的前提下,所提硬件结构有效融合了现有设计方案的优势,即所消耗的存储资源与多路延迟反馈结构相同,同时占用的计算资源与多路延迟换向结构相当,总硬件资源开销大大低于现有方案。其次,计算结果的信号与量化噪声功率比(Signal-to-Quantization-NoiseRatio,SQNR)是FFT硬件方案设计要考虑的重要指标之一。由于数据控制结构易于实现,radix-2~k算法是目前FFT硬件设计主要遵循的计算方法。为使研究更具普适性,论文首先对radix-2~k算法的计算方式进行扩展而提出更通用的混合radix-2~k算法,并采用矩阵形式对其信号流图进行了严格描述。进而在数据位宽动态变化的定点运算方式下,对混合radix-2~kFFT算法量化误差的统计特性与传播方式进行建模,推导出了计算结果SQNR估计表达式并进行硬件测试验证。实验结果表明,所提方案给出的SQNR估计值能很好地与实测结果吻合,充分验证了建模过程的合理性。注意到对于采用混合radix-2~k算法的FFT流水线结构,算法阶数和数据位宽的设置将同时影响其硬件资源消耗和SQNR性能,此时硬件复杂度与计算准确度的有效折衷需要通过合理的参数选择来实现。为此论文进一步分析了混合radix-2~k算法在在不同流水线结构下的硬件资源需求,提出基于模拟退火启发式搜索的算法阶数与数据位宽联合优化方法。相比于仅考虑数据位宽优化的已有参数选择方案,所提联合优化方法能够以同样的硬件资源开销使FFT计算单元获得显着的SQNR性能提升。在信道译码的研究方面,论文首先考虑了在OFDM宽带无线传输系统中广泛应用的turbo码。交织器在turbo码译码器内用于控制并行软输入软输出(Soft Input Soft Output,SISO)译码单元对外信息的访问。在高并行度下,交织地址的伪随机性给迭代译码过程中外信息的无冲突存取带来了挑战,同时交织器的实现也将具有极高的硬件复杂度,这些问题成为高吞吐量turbo码译码器设计亟待突破的瓶颈。论文以广泛应用的二次置换多项式(Quadratic Permutation Polynomials,QPP)交织器为研究对象,首先研究了在QPP交织方式下,以不同译码策略工作的并行SISO译码单元与外信息存储模块之间的数据传递方式,基于此设计了满足无冲突数据存取的外信息存储方法。所提方案能够适应译码器并行度的改变,且能支持SISO译码单元所采用的各类译码策略,解决了现有方案仅适用于单一译码策略的问题。另一方面,论文利用QPP函数的代数性质来对交织地址的产生和外信息并行读取过程中的算术运算和逻辑操作进行简化,提出了低复杂度并行QPP交织器硬件结构。和已有的QPP交织器实现结构相比,所提方案除了具有更低的硬件复杂度外,还同时适应SISO译码单元所采用的不同译码策略,具有通用性。卷积码是基于OFDM传输体制的MTC设备所采用的信道编码方案。提升译码器的纠错能力是改善MTC设备接收灵敏度、增强其覆盖能力的有效手段之一。相较于Viterbi算法,列表译码算法作为另一类卷积码译码方案以其更优的纠错性能而引起了人们的关注。目前,列表译码算法的高效硬件实现仍面临巨大挑战,主要体现在非咬尾卷积码列表译码器的存储开销过大,而咬尾卷积码列表译码器的计算复杂度极高。针对非咬尾卷积码,论文提出了基于路径标识的并行列表译码方案。论文证明了列表译码算法通过网格搜索得到的候选信息序列之间存在相关性,进而定义路径标识对这一相关性进行描述。路径标识的引入使译码器只需缓存少部分的译码状态信息来完成路径回溯操作,这样译码器的存储开销与现有方案相比能得到显着降低。对于咬尾卷积码的列表译码,论文利用网格循环特性设计了按可靠性排序的初始状态估计算法。基于所提算法给出的初始状态估计值,列表译码器可以在不影响纠错性能的前提下最小化网格搜索空间,以此大大降低了译码器对计算资源的消耗。(本文来源于《国防科技大学》期刊2018-05-13)

郑明炀[6](2018)在《窄带PLC信道下混沌调制解调系统的性能分析与优化》一文中研究指出本文在传统的电力线通信(PLC:Power Line Communication)研究的基础上,应用了一种新的调制方式——以混沌信号为载波的多元差分混沌移位键控调制技术(M-DCSK:M-ary Differential Chaotic Shift Keying)。有数据显示接入网络的费用占比在网络总投资中高达50%以上,如果可以有效利用接入家庭的电力线作为接入网络的载体,便能有效解决接入网络成本高的问题。传统PLC通信针对不同的业务传输速率的需求有宽带和窄带的区分,本文特定的针对窄带PLC信道(NPLC:Narrowband PLC)进行有更好性能和更高效带宽的信号传输方案设计。PLC信道环境非常恶劣,使得在通信中通信质量的保证成为最大的难点。传统的在PLC通信中使用的调制方法无法有效抑制PLC信道的多径干扰和噪声干扰。本文应用以混沌信号为载波的多元差分混沌位移键控技术(M-DCSK:M-ary Differential Chaotic Shift Keying),由于混沌信号具有类噪声的内在的扩频特性,在调制的同时直接对信号进行扩频,利用其良好的相关特性和连续带宽的功率谱特性,该系统具有较好的抗电力线信道噪声以及抗多径干扰的能力。本文主要工作包括以下几方面:(1)提出了在窄带PLC信道下多元混沌调制解调系统的完整的系统模型,并仿真不同调制进制下的系统仿真结果;(2)推导出在窄带PLC信道下多元差分混沌移位键控调制技术的理论误码率公式,并与仿真结果进行比较分析;(3)针对PLC信道特点,对多元混沌调制解调系统进行星座点设计的优化,为提升PLC系统通信质量做出尝试。(本文来源于《厦门大学》期刊2018-04-01)

傅蕾[7](2016)在《水声跳频通信的信道估计与CPM解调算法研究》一文中研究指出随着通信领域的迅猛发展,以常规的跳频技术为基本方法的自适应跳频技术渐渐成为通信研究的热点之一。在水声自适应跳频通信系统中,干扰与噪声的影响以及通信频率的随机跳变,使得信道质量估计变得尤为重要。另外,对于通信系统,调制解调技术是关键部分,影响着通信系统的整体性能。因此,合适的调制解调技术与信道质量估计算法是实现跳频通信的关键所在。本文在总结国内外学者的研究基础上,研究基于水声跳频通信的信道估计算法与CPM信号解调译码算法,以算法的准确度与复杂度为衡量标准,对经典算法进行了相应的优化,并且提出了一些新的改进算法。首先在深海信道中,对经典最大似然估计算法进行推导,并且在不同的数据长度与调制方式下进行理论仿真实验分析;根据CPM信号频谱特性提出一种新的信道估计算法,利用功率谱中信号与噪声的相对关系进行信噪比估计,相比于最大似然估计算法,新算法在中高信噪比的均方根误差低0.1dB左右,且算法复杂度大大减少;对经典卡尔曼滤波估计信噪比算法进行改进,使用支持向量回归模型对卡尔曼滤波结构进行修正,相比于原经典算法,改进算法解决了高信噪比时性能变差的问题,并且估计的均方根误差至少降低了 0.08dB。然后在浅海信道中,对CPM频谱信噪比估计算法优化推导,扩大算法的应用范围,理论仿真实验分析得到该算法在浅海信道下的均方根误差只比深海信道差了0.08dB,达到了 0.18dB左右,并且复杂度很低,适合实时估计;对经典卡尔曼滤波估计信噪比算法进行改进,改进后的算法适用于浅海信道,并且均方根误差在0.15dB左右,但是在高信噪比时性能变差。最后进行基于信道估计的CPM信号低复杂度解调译码算法的改进。在加性高斯白噪声信道下,详细介绍了差分减状态序列检测算法,并且在不同的条件下进行理论仿真实验;提出一种改进的CPM解调译码算法,仿真证明改进算法的误码率明显低于差分减状态算法。(本文来源于《南京理工大学》期刊2016-12-01)

黄祥[8](2016)在《WCDMA物理层公共信道解调技术的研究》一文中研究指出目前,3G技术已经比较成熟并且用户数量也比较大。WCDMA作为3G移动通信中的一员,受到世界各国的强烈重视。WCDMA是一种直扩序列码分多址技术,信息被扩展成3.84Mchips,然后在5M带宽内传输。它采用多种技术来保证QoS,支持同步/异步基站运行模式。目前,国内外对于WCDMA物理层公共信道的解调技术基本上都是基于3GPP协议的规范进行实现的,只是具体的实现算法有稍微不同而已。所以,本文在使用通用的解调算法以后,采用了去频偏的技术以及RAKE接收机技术来提高公共信道解调的性能。本文研究的WCDMA物理层公共信道解调技术不仅有利于提高3G网络中解调技术的性能,而且4G技术也是在3G技术的基础上演变而来的,所以在一定程度上也有利于推进4G技术的演进。本文是基于对WCDMA理论知识理解的基础上,结合实际的算法来研究WCDMA物理层公共信道的解调技术,并且使用MATLAB结合实际的物理层数据对研究的方法进行仿真验证。在具体的实现过程中主要分为上行和下行物理层公共信道的解调,依据3GPP的规定,UE正常接入网络的流程大致为小区同步、解析广播消息获取小区信息、发起随机接入过程等等。本文研究WCDMA物理层公共信道解调技术的目的是为了在仿真实现了基本的解调技术的基础上进行相关的优化,以提高解调技术的性能。本文首先对所需的理论知识进行分析,然后设计通用的解调方案,紧接着使用MATLAB对所设计的方案进行仿真并且达到了预期的效果,最后,结合实际项目中的经验,采用去频偏的算法以及RAKE接收机技术来提高现有的解调技术的性能。本文通过仿真比较使用纠偏算法以及RAKE接收机技术前后的解调性能发现在使用纠偏算法以及RAKE接收机技术以后,物理层公共信道解调的性能有明显提高。所以,本论文研究的物理层公共信道的解调技术有利于提高现有的解调技术的性能。(本文来源于《武汉邮电科学研究院》期刊2016-02-01)

王晓亚[9](2015)在《一种短波衰落信道下FSK信号FFT解调方法》一文中研究指出对传统FSK信号的多种解调方法进行了简单介绍,在短波衰落信道下,由于多径和衰落的影响,其解调性能严重恶化,甚至不能得到正确的比特流。提出了一种基于时频域的FFT的FSK信号解调方法,利用FSK信号不同频率点处的功率谱峰值进行检测判决,并详细介绍了其实现方法。对其在高斯白噪声下的性能进行了仿真,性能与非相干包络解调理论性能相当,而对衰落信号,相比其他解调方法,此解调方法也可以给出较好的解调效果,适用于工程应用。(本文来源于《无线电通信技术》期刊2015年06期)

丁冬冬,束锋,钱振宇,王建新,盛卫星[10](2015)在《基于接收波束成形的自动识别系统的同信道干扰抑制和解调》一文中研究指出自动识别系统卫星接收机可接收来自多个同频段蜂窝信号,不可避免地会产生同信道的信号干扰,抑制此同信道干扰是自动识别系统的最具挑战性问题之一。为了解决此问题,提出波达角估计、波束成形加解调的简单串行接收机结构。此结构首先采用多信号分类(Multiple signal classification,MUSIC)和Capon等算法估计出目标信号和干扰信号的波达方向角,然后利用最小方差无失真响应(Minimum variance distortionless response,MVDR)、匹配滤波(Matched filter,MF)和最小均方误差(Minimum mean square error,MMSE)等波束成形方法将阵列方向对准目标信号入射方向抑制干扰信号,最后采用二比特差分解调算法检测有用信号。仿真结果表明:本文提出的结构同单接收天线相比,多天线波束成形显着地抑制了同信道干扰,极大地改善了高斯滤波最小频移键控(Gaussian-filtered minimum shift keying,GMSK)信号解调的误比特率性能。(本文来源于《数据采集与处理》期刊2015年04期)

信道解调论文开题报告

(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:

随着计算机技术、网络技术的飞速发展,物联网已经成为信息系统中重要的技术,引起了研究者的关注。然而,目前物联网技术难以在大范围、跨区域以及恶劣环境下部署。这是因为目前物联网中,普遍采用无线局域网通信技术,而常用的无线通信技术难以在大范围、跨区域进行通信。另外,在恶劣的环境中,无线通信容易受到很强的干扰。为了解决这些问题,采用基于卫星通信技术构建新型物联网系统(简称卫星物联网)。本文围绕卫星物联网展开研究,并取得如下成果:(1)针对卫星物联网没有通用设计模型的问题,设计了基于行云系统的卫星物联网模型。设计了卫星物联网的智能选频算法。分析了卫星物联网中通信干扰的来源,并给出了抗干扰方案,提出了卫星物联网中资源分配算法。(2)针对卫星物联网数据误码率高的问题,提出在卫星物联网中采用差分调制和双差分调制解调方案。仿真结果表明,双差分调制的数据传输方法用到卫星通信上面,可有效减小多普勒频偏的影响。(3)为了进一步降低误码率,提出设计基于BCH和卷积码的编码译码方法。实现了 BCH译码电路、卷积码译码电路以及两种译码的级联电路。其中卷积码译码电路通过串并结合译码方式保证译码速率,降低硬件资源占用。仿真表明,该信道编码可有效降低误码率。设计了地面终端系统,在该系统上设计与实现了调制解调器与信道编码器。为了测试地面终端系统的性能,搭建硬件测试平台。测试结果表明,设计的系统能够满足预期的功能。

(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。

信道解调论文参考文献

[1].蒋炫佑,魏以民,王雷,刘灵君,彭磊.逼近高斯信道容量的M-APSK调制与解调方法[J].计算机科学.2019

[2].张新乔.卫星物联网系统中的解调与信道译码技术研究[D].南京理工大学.2018

[3].杨耀栋.带限信道MPPSK调制信号的深度神经网络解调器研究[D].东南大学.2018

[4].潘倩倩.短波信道MPPSK信号的神经网络解调器[D].东南大学.2018

[5].王建.OFDM系统FFT解调与信道译码算法及硬件结构研究[D].国防科技大学.2018

[6].郑明炀.窄带PLC信道下混沌调制解调系统的性能分析与优化[D].厦门大学.2018

[7].傅蕾.水声跳频通信的信道估计与CPM解调算法研究[D].南京理工大学.2016

[8].黄祥.WCDMA物理层公共信道解调技术的研究[D].武汉邮电科学研究院.2016

[9].王晓亚.一种短波衰落信道下FSK信号FFT解调方法[J].无线电通信技术.2015

[10].丁冬冬,束锋,钱振宇,王建新,盛卫星.基于接收波束成形的自动识别系统的同信道干扰抑制和解调[J].数据采集与处理.2015

标签:;  ;  ;  ;  ;  

信道解调论文-蒋炫佑,魏以民,王雷,刘灵君,彭磊
下载Doc文档

猜你喜欢