基于深度学习的人工莫尔斯信号检测与解码研究

基于深度学习的人工莫尔斯信号检测与解码研究

短波无线电是长距离通信中一种不可或缺的方法,其中,摩尔斯(Morse)电报凭借其简单的编码方式和强抗干扰能力,广泛地应用在航空通信、海事通信、军事等领域。相应的Morse自动检测和译码已研究多年,但对于短波通信中手工拍发的Morse电报,因受限于拍发手法随意及信道环境复杂等因素,准确率仍存在较大提升空间。近年来,深度学习技术在图像、语音、文本处理等领域取得突破性进展,其有效性已在大量应用系统中得以证明。本文从Morse信号的时频图出发,围绕Morse译码问题,研究了深度学习中的相关技术,通过设计针对性的神经网络模型,有效地提高时频图上Morse信号检测与译码的精度,此外,提出端到端Morse信号检测与译码方法,将检测与译码互补融合,进一步降低译码错误率。主要研究成果如下:1.基于中心线模型的Morse信号检测。考虑到Morse信号在时频图上表现为时通时断的特殊图样,本文借鉴深度学习图像目标检测的思路来实现时频图中的Morse信号检测。具体地,利用主干网络从原始时频图中计算得到特征图,之后,采用结构类似的回归层,分别计算代表信号类型与信号框中心线位置的热力图、代表信号带宽的高度图以及代表特征图与原图偏差的位置偏差图。该方法相较于经典深度检测方法,因去掉了候选框提出过程,复杂度更低;相较于已有基于热力图的方法,因信号中心线处各点的感受野容易覆盖信号带宽,更易保证检测框对信号的完整覆盖。在模拟和实际宽带信号上的实验结果表明,相比传统能量检测方法和经典深度检测方法SSD,提出方法获得了更好的检测效果,实际数据上F1结果较两者均提高10%以上,且处理速度较SSD算法提高两倍多。此外,该方法可适用于多类型信号检测问题。2.基于卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)的 Morse信号译码。本文采用CRNN的架构,构建了一个从时频图到字符串的译码模型。该模型由卷积神经网络(Convolutional Neural Network,CNN)、双向长短时记忆网络(Bidirectional Long Short-Term Memory Network,BLSTM)、连接时序分类(Connectionist Temporal Classification,CTC)层构成,CNN提取时频图的高层特征并按时间顺序组成序列化特征,BLSTM对特征序列进行上下文语义信息的建模并预测每帧对应字符的概率,CTC对BLSTM在每帧上的预测整合转录成最终的预测字符串。在模拟和实际Morse信号上的实验结果表明,提出方法较传统的聚类方法和语音识别方法,在不同信噪比、不同码速、瑞利衰落、频率抖动和码长偏差条件下均获得了更好的译码效果,实际数据上字符正确率较聚类方法提高21%,且速度满足实时性要求。3.端到端Morse信号检测与译码。为了融合图像信息与字符级信息,进一步提升检测译码准确率,将前两个研究内容中提出的中心线检测模型和CRNN译码模型联合成统一的多任务模型。该模型利用共享卷积网络提取时频图特征,并同时输入检测分支和译码分支,两个分支代价融合进行端到端训练。端到端模型通过两个任务共同监督共享卷积模块的训练,使得译码分支的字符级特征能被共享到检测分支中,提升检测精度;同时,检测分支对边界框规范度的提高,能够进一步提升译码精度。此外,通过合并卷积模块,减少了操作的冗余和时间的消耗。在模拟和实际窄带信号上的实验结果表明,提出算法相比两阶段的算法,检测和译码精度都得到有效提升,实际数据上检测F1提高3%,译码字符正确率提高5%,速度提升22%,模型缩小37%。

基本信息

题目基于深度学习的手工Morse信号检测与译码研究
文献类型硕士论文
作者李伟浩
作者单位战略支援部队信息工程大学
导师游凌
文献来源战略支援部队信息工程大学
发表年份2021
学科分类信息科技
专业分类电信技术,自动化技术
分类号TP18;TN911.23
关键词手工信号,深度学习,自动检测,自动译码,端到端模型
总页数:72
文件大小:6460k

论文目录

摘要
Abstract
第一章 绪论
  1.1 课题背景与研究意义
  1.2 Morse信号的检测与译码
    1.2.1 Morse信号的时频图
    1.2.2 面临的主要困难
  1.3 国内外研究现状
    1.3.1 Morse信号检测
    1.3.2 Morse信号译码
  1.4 基于深度学习的检测和转写技术
    1.4.1 基于深度学习的检测技术
    1.4.2 基于深度学习的转写技术
    1.4.3 基于深度学习的端到端检测与转写技术
  1.5 研究内容和论文结构安排
第二章 基于中心线模型的Morse信号检测研究
  2.1 引言
  2.2 经典深度目标检测器用于时频图里信号检测的缺点
  2.3 基于信号中心线的检测模型
    2.3.1 整体结构
    2.3.2 主干网络
    2.3.3 属性表达模块
    2.3.4 损失函数和边界框合成
  2.4 实验设计
    2.4.1 实验数据和训练配置
    2.4.2 对比算法和评价指标
  2.5 实验结果
    2.5.1 仿真数据实验
    2.5.2 实际数据实验
    2.5.3 拓展—多类型信号的检测
  2.6 本章小节
第三章 基于CRNN模型的Morse信号译码研究
  3.1 引言
  3.2 基于CRNN的译码模型
    3.2.1 特征序列提取
    3.2.2 序列预测
    3.2.3 转录
    3.2.4 损失函数
  3.3 实验设计
    3.3.1 实验数据和训练配置
    3.3.2 对比算法和评价指标
  3.4 实验结果
    3.4.1 仿真数据实验
    3.4.2 实际数据实验
  3.5 本章小结
第四章 端到端Morse信号检测与译码研究
  4.1 引言
  4.2 MorseNet端到端检测与译码模型
    4.2.1 整体结构和共享卷积
    4.2.2 检测分支
    4.2.3 区域提取
    4.2.4 译码分支
  4.3 实验设计
    4.3.1 实验数据和训练配置
    4.3.2 对比算法和评价指标
  4.4 实验结果
    4.4.1 仿真数据实验
    4.4.2 实际数据实验
  4.5 本章小结
第五章 总结与展望
  5.1 总结
  5.2 展望
致谢
参考文献
作者简历

参考文献

[1] 基于Morse跌倒评分策略下分层护理干预在老年肺癌化疗患者中的应用研究[J]. 实用临床护理学电子杂志 2020(16)
[2] Electron-related nonlinear optical properties of cylindrical quantum dot with the Rosen-Morse axial potential[J]. Communications in Theoretical Physics 2020(07)
[3] Morse跌倒评估量表在我国的应用现状及研究进展[J]. 全科护理 2019(03)
[4] 运用Morse量表对不同年龄段住院患者跌倒风险评估的应用研究[J]. 中国卫生产业 2017(01)
[5] Scattering States of l-Wave Schr¨odinger Equation with Modified Rosen–Morse Potential[J]. Communications in Theoretical Physics 2016(08)
[6] 改良Morse跌倒评估量表的可行性分析[J]. 现代医院 2014(11)
[7] Morse跌倒评估量表在精神科的应用研究[J]. 当代护士(下旬刊) 2015(08)
[8] Bound State Solutions of Schrdinger Equation for Generalized Morse Potential with Position-Dependent Mass[J]. Communications in Theoretical Physics 2011(07)
[9] 四种跌倒风险评估量表在老年患者中的应用研究[J]. 中医临床研究 2021(03)
[10] 基于Morse跌倒风险评估量表建立的防跌倒专科护理对住院患者跌倒的防控作用[J]. 当代医学 2020(17)
[11] 基于深度神经网络的Morse码自动译码算法[J]. 电子与信息学报 2020(11)
[12] 广义Morse小波在物体三维轮廓测量中的应用[J]. 计算机工程与应用 2017(23)
[13] Morse跌倒风险评估量表的临床应用研究进展[J]. 护理学报 2018(13)
[14] 基于支持向量机的Morse检测算法研究[J]. 无线电通信技术 2016(06)
[15] 应用起立-行走计时测试对住院老年患者进行跌倒风险二级筛查[J]. 中国临床护理 2017(05)
[16] The bound state solution for the Morse potential with a localized mass profile[J]. Chinese Physics B 2016(10)
[17] Morse指标和闭测地线的稳定性[J]. 中国科学:数学 2010(05)
[18] Continuum states of modified Morse potential[J]. Chinese Physics B 2010(09)
[19] Discrete breathers in a model with Morse potentials[J]. Chinese Physics B 2010(02)
[20] 用于保特征四边形网格生成的改进Morse算法[J]. 大连理工大学学报 2020(06)
[21] Morse报自动译码算法研究[J]. 信号处理 2017(11)
[22] Prouhet-Thue-Morse序列和原子函数在物理和技术中的应用(英文)[J]. Journal of Measurement Science and Instrumentation 2015(02)
[23] 责任护士应用Morse跌倒评估量表情况分析[J]. 现代临床护理 2014(04)
[24] Morse跌倒评估量表在老年住院病房的应用[J]. 中国民康医学 2012(06)
[25] Morse跌倒评估量表在临床护理中的应用[J]. 全科护理 2012(25)
[26] 基于广义离散Morse理论的强关联规则挖掘[J]. 计算机工程 2011(16)
[27] 一类半线性椭圆方程分歧解曲线的Morse指标[J]. 哈尔滨师范大学自然科学学报 2008(04)
[28] Morse信号的自动检测方法[J]. 测控技术 2020(04)
[29] 基于Morse理论的矿区地表模型构建方法[J]. 测绘与空间地理信息 2019(10)
[30] Morse跌倒评估量表在脑卒中患者康复护理中的应用效果[J]. 解放军护理杂志 2014(14)

相似文献

[1]二元Morse团簇的启发式优化[D]. 梁士伟.华中科技大学2017
[2]基于图像知识的预测译码结构研究[D]. 陈诚.西安电子科技大学2013
[3]合并译码结构及应用研究[D]. 张浩.西安电子科技大学2012
[4]低密度校验码的性能分析及其量化译码[D]. 包晓燕.西安电子科技大学2006
[5]基于压缩感知的空时译码研究及实现[D]. 吴雪萍.淮北师范大学2020
[6]5G无线通信高效检测及译码的算法与实现研究[D]. 杨俊梅.东南大学2017
[7]低密度奇偶校验码的混合译码[D]. 刘明华.北京交通大学2011
了解 【职称评定】更多文章
基于深度学习的人工莫尔斯信号检测与解码研究
下载Doc文档

猜你喜欢