基于深度学习和GNU Radio的调制信号分析实战

　　随着通信技术的快速发展，通信系统往往会采用多种调制方案，从而更好地利用频谱资源，满足爆发式增长的通信需求。调制识别是指在信号解调之前采集信号样本，通过相关技术自动判断信号调制类型，为后续信号的信息提取和处理等提供依据的技术。本书以深度学习和软件无线电技术为研究方法，将通信信号调制识别问题分为单载波信号识别和多载波信号识别两个方面，讨论调制识别的技术与实现。全书共有7章，主要内容包括研究背景及意义、深度学习与SDR相关基础理论、基于MRNN的单载波信号调制识别算法及软件无线电实现、基于TRNN的OFDM信号调制识别算法及软件无线电实现等。本书是一部关于通信信号调制识别理论与技术的专著，可作为高等学校和科研院所信号与信息处理、通信与信息系统等专业研究生的教材或参考书，也可供从事通信、导航、电子对抗等领域的广大技术人员学习与参考。

　　林冲，男，汉族，1994年3月出生，四川广安人，信息与通信工程专业硕士。主要研究方向为基于软件无线电和深度学习的信号处理，发表SCI检索论文2篇，EI检索论文1篇，中文核心检索论文2篇，获得山东省研究生优秀成果奖1项。

目录
第1章 绪论 1
1.1 研究背景及意义 1
1.2 调制识别研究现状 3
1.2.1 基于决策理论的似然比识别方法 5
1.2.2 基于特征提取的统计模式识别方法 6
1.2.3 基于深度学习的调制识别方法 9
1.3 主要内容和结构安排 16
习题 17
第2章 深度学习与SDR相关基础理论 18
2.1 深度学习相关基础理论 18
2.1.1 深度学习简史与应用 19
2.1.2 BP神经网络 22
2.1.3 CNN 25
2.1.4 ResNet 27
2.1.5 其他神经网络 31
2.2 SDR相关基础理论 31
2.2.1 SDR原理 32
2.2.2 SDR硬件平台USRP 34
2.2.3 SDR软件平台GNU Radio 37
2.2.4 搭建GNU Radio + USRP软件无线电开发环境 41
2.3 本章小结 42
习题 42
第3章 基于MRNN的单载波信号调制识别（算法设计） 43
3.1 信号模型 44
3.1.1 AM类 44
3.1.2 MASK类 45
3.1.3 MPSK类 45
3.1.4 MQAM类 46
3.1.5 MAPSK类 47
3.1.6 FM和GMSK 48
3.2 基于MRS的MRNN 50
3.2.1 MRS设计 50
3.2.2 MRNN 52
3.3 实验仿真与结果分析 55
3.3.1 数据集介绍 55
3.3.2 网络性能优化 56
3.3.3 MRNN识别准确率分析 59
3.3.4 不同方法对比 61
3.4 本章小结 63
习题 64
第4章 基于SDR的单载波信号实时调制识别（算法部署） 65
4.1 算法部署 66
4.1.1 搭建算法部署环境 66
4.1.2 制作单载波信号数据集 67
4.1.3 训练MRNN 74
4.1.4 实时识别 75
4.2 实验仿真与结果分析 76
4.2.1 识别准确率分析 76
4.2.2 实时性能分析 78
4.3 本章小结 79
习题 79
第5章 基于TRNN的OFDM信号调制识别（算法设计） 80
5.1 制作基带传输时的OFDM信号数据集 81
5.1.1 OFDM调制原理 81
5.1.2 制作基带OFDM信号数据集 83
5.2 TRNN 88
5.3 实验仿真与结果分析 91
5.3.1 TRNN性能优化 91
5.3.2 TRNN性能分析 97
5.3.3 不同方法对比 99
5.3.4 实时OFDM基带信号调制识别 100
5.4 本章小结 101
习题 101
第6章 基于SDR的OFDM信号实时调制识别（算法部署） 102
6.1 算法部署 103
6.1.1 搭建算法部署环境 103
6.1.2 制作带通传输时的OFDM信号数据集 104
6.1.3 训练TRNN 108
6.1.4 实时识别 108
6.2 实验仿真与结果分析 109
6.2.1 识别准确率分析 109
6.2.2 实时性能分析 112
6.3 本章小结 112
习题 113
第7章 总结与展望 114
7.1 工作总结 114
7.2 研究展望 115
参考文献 117
附录A 128