论文部分内容阅读
随着现代通信技术的不断发展,传统的模拟调幅(Amplitude Modulation,AM)广播已经远远无法满足人们的需求,数字化成为世界广播电视发展的必然趋势。但频谱资源非常宝贵,因此,在实现模拟广播数字化的过程中,必须保证较高的频谱利用率。基于多元位置相移键控(M-aryPosition Phase Shift Keying,MPPSK)的模数混合调幅广播系统,可在保持原双边带调幅体制不变的基础上,使用MPPSK数字载波来代替正弦载波去承载模拟广播信号的幅度调制,不仅实现了模拟音频和数据的同播,还大大提高了频谱利用率。然而,为了满足美国联邦通信委员会对AM发射信号功率谱的要求而所进行的成型滤波,会引入较强的码间干扰,严重影响数字信号的解调性能,使得无信道编码的解调误码率仅趋于1%量级。在此背景下,本文创新地将用于分类问题的深度学习(DeepLearning,DL)算法应用于MPPSK信号的检测判决中,对存在严重码间干扰的模数混合调幅广播系统的数字信号解调进行了详细研究。首先,重点研究了模数混合调幅广播系统。包括MPPSK传输体制、系统框架、系统调制解调原理及工作过程,对其中的数字信号调制、音频信号调制、复合调制、成型滤波、音频信号解调、数字信号解调等模块进行了详细介绍,并最终给出了模拟音频信号和数字信号的解调性能。其次,介绍了深度神经网络(Deep Neural Network,DNN)、卷积神经网络(Convolutional Neural Network,CNN)及栈式自编码器(StackedAuto-Encoder,SAE)等典型的DL网络,分析了其在处理分类问题方面的独特优势,提出了基于DL的MPPSK分类判决思想,并对其可行性和优点进行了探讨。然后,提出了基于DL网络的MPPSK解调器,对DL-DNN、DL-CNN和DL-SAE等3种MPPSK解调器的性能进行了仿真研究,结果表明这3种DL网络的MPPSK信号解调误码率均可达10e-3量级,优于传统判决方案一个数量级,且DL-SAE网络的效果最好。最后,提出了基于DL网络的多码元联合判决解调器,用来解决由于码间干扰引起的波形扩散和畸变问题,进一步提升了MPPSK调制信号的解调性能。通过对多码元联合判决方案的优化,设计出适合本文系统的最优MPPSK解调器,可将解调误码率降至10e-4量级,优于传统MPPSK码元判决方案两个数量级,优于单码元判决方案一个数量级。