基於深度學習和GNU Radio的調制信號分析實戰

隨著通信技術的快速發展，通信系統往往會採用多種調制方案，從而更好地利用頻譜資源，滿足爆發式增長的通信需求。調制識別是指在信號解調之前採集信號樣本，通過相關技術自動判斷信號調制類型，為後續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、基於MRNN的單載波信號調制識別算法及軟件無線電實現、基於TRNN的OFDM信號調制識別算法及軟件無線電實現等。本書是一部關於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。

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 基於決策理論的似然比識別方法 5
1.2.2 基於特徵提取的統計模式識別方法 6
1.2.3 基於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軟件無線電開發環境 41
2.3 本章小結 42
習題 42
第3章 基於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 基於MRS的MRNN 50
3.2.1 MRS設計 50
3.2.2 MRNN 52
3.3 實驗模擬與結果分析 55
3.3.1 數據集介紹 55
3.3.2 網絡性能優化 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 基於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 搭建算法部署環境 66
4.1.2 製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 實驗模擬與結果分析 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 基於TRNN的OFDM信號調制識別（算法設計） 80
5.1 製作基帶傳輸時的OFDM信號數據集 81
5.1.1 OFDM調制原理 81
5.1.2 製作基帶OFDM信號數據集 83
5.2 TRNN 88
5.3 實驗模擬與結果分析 91
5.3.1 TRNN性能優化 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 基於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 搭建算法部署環境 103
6.1.2 製作帶通傳輸時的OFDM信號數據集 104
6.1.3 訓練TRNN 108
6.1.4 實時識別 108
6.2 實驗模擬與結果分析 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