高速置换索引差分混沌移位键控通信系统

为了提高置换索引差分混沌移位键控系统的数据传输速率和能量效率,提出了高速置换索引差分混沌移位键控通信系统。该系统采用置换矩阵索引多元信息,并携带一个调制位。发射端将参考信号复制P次作为信息承载信号,通过希尔伯特变换,每个信息时隙中多传输N个用户的信息,将信号级联到正交频分复用系统进行正交载波调制,大大提高了系统的数据传输速率;同时推导了该系统在高斯白噪声信道和多径瑞利衰落信道下的误码率表达式。理论分析及仿真结果证明,该系统相比其他置换索引类系统具有高速率、低误码率的良好特性,有更好的应用前景。

基于马尔科夫模型的双站激光微波混合链路性能分析

针对气象变化对自由空间光(Free Space Optical,FSO)通信链路和毫米波射频(Radio Frequency,RF)通信链路可用率的影响问题,采用马尔科夫建模与稳态概率求解计算方法,分析不同天气条件下FSO/RF混合链路的双接收站分集与中断概率性能.基于FSO链路和RF链路的信道模型,采用有限状态马尔科夫链(Finite State Markov Chain,FSMC)分别对单双站FSO/RF混合链路的切换选择进行建模,推导得出不同参数和天气情况下系统稳态的中断概率表达式.数值计算结果表明,当中断概率达到10^(-6),雨雾天气链路距离为1~7 km时,双站FSO/RF混合链路相比单站可获得4~25 dB的增益.

双模三维索引调制差分混沌移位键控系统的设计及性能分析

针对传统差分混沌移位键控系统速率低、误码性能差的问题,提出了一种双模三维索引调制差分混沌移位键控系统。该系统利用时隙、正交码和顺序索引,在选中与未选中的时隙上均传输信息比特。在接收端,通过采用降噪技术,减小了噪声的方差,提升了系统误码性能。推导了在加性白高斯噪声信道和多径瑞利衰落信道下的比特差错率公式。仿真结果显示,与相似的混沌键控系统相比,所提系统具备更高的数据速率和更为优越的误码性能。

基于全概率公式的M-APSK误码率分析模型

为有效评估加性白高斯噪声信道中M-APSK的性能,提出了一种基于全概率公式的理论误码率分析模型。首先根据星座点分布及其编码特点对星座平面进行区域划分,然后由接收符号落在相应区域的概率推导出各比特的判决错误概率表达式,最后得到理论误码率的精确闭式解。以16APSK和32APSK为例,推导出了其各类星座图的理论误码率计算公式,与Monte Carlo仿真结果非常吻合。模型具有通用性,PSK、QAM、PAM、APSK等调制方式均可利用该模型得到理论误码率的精确闭式解。相较于依赖大量数值计算的复杂二维概率积分方法,所提模型能够更方便地给出M-APSK的误码率性能。

基于Simulink的2PSK调制与解调系统的仿真分析

分析2PSK调制和解调的原理,采用Matlab环境下的Simulink仿真工具箱实现2PSK调制及解调系统的仿真建模与分析。仿真实验表明,仿真结果和理论分析内容一致,验证了仿真模型的正确性。该方法有助于相关研究者直观地理解相移调制与解调系统的组成及工作原理,对实际工程应用也有一定的借鉴作用。

基于YOLO-OpenMax的水声通信信号开集识别方法

水声通信信号调制方式随着技术进步从典型的传统调制方式发展为水声通信机厂商私有开发的新型调制方式,这使得现有的水声通信信号闭集调制识别技术实用性受到制约,但现阶段鲜有研究基于深度学习的水声通信信号调制方式的开集识别方法。针对此现状,提出一种基于YOLO图像检测识别网络和OpenMax模型的开集识别方法。利用YOLOv5网络的输出特点,将传统OpenMax模型的处理方法进行改进,提出一种两步测试方法,实现了在多径信道下的水声通信信号的开集识别。仿真实验表明:在归一化系数为0.5,信噪比等于10 dB条件下的归一化开集识别准确率达到90%以上,实测数据同样验证了本文方法的有效性。

一种基于多跳注意残差网络的调制识别算法

为了进一步提升通信信号调制识别的准确率,在ResNet网络的基础上提出一种基于多跳注意残差网络(Multi-skip Attention Residual Network,MARN)的调制识别方法。该方法利用提取不同特征的卷积核进行多跳连接构建3种残差块,进而构建多跳残差网络,提取信号的时域特征;加入CBAM(Convolutional Block Attention Module)注意力机制自适应地调整通道权重,加强信号特征的表征能力;采用自适配归一化(Switchable Normalization,SN)加速网络收敛;加入丢弃率为0.3的AlphaDropout层,提高算法的拟合能力,最终实现对通信信号端到端的分类识别。在RadioML2018.01a数据集上仿真实验,结果表明在信噪比为-10~15 dB下,MARN网络平均识别率达到63.3%,较ResNet网络的平均识别率提升3.7%。

基于谱线-高阶累积量的调制识别研究与实现

已发表的调制识别算法大多基于单一特征参数,识别种类较少,且往往很难在实际系统中布署。提出了一种基于谱线-高阶累积量的数字调制识别算法,该算法利用载波频率估计、符号速率估计、定时恢复、噪声功率估计等前处理手段,结合信号功率谱、二次方谱、四次方谱中的离散谱线和四阶归一化高阶累积量,可识别2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK、OQPSK、MSK、16QAM、32QAM、64QAM、128QAM、256QAM 16种数字调制信号。基于该算法,设计并实现了一种数字调制识别处理系统,可实时识别上述16种调制信号。结果表明,该实时系统对大部分调制信号的识别准确率可达到99%以上,对8PSK、32QAM、128QAM等调制信号的识别准确率可达到94%以上。

针对电力线通信信道下脉冲噪声的鲁棒混沌传输系统优化设计综述

随着用户的剧增,现有的无线资源已经难以为继。因此,电力线通信(PLC)的重新启用引起了各大研究单位及工业界的关注。PLC由于信道环境复杂,现有处理方案复杂度及成本较高,因而导致其发展缓慢。其中针对脉冲噪声的研究工作最为广泛,如何在低成本情况下针对脉冲噪声实现数据传输的鲁棒性尤为重要。该文首先介绍PLC环境中几种主流噪声以及分类,而后描述具有低成本低复杂度的差分混沌键控(DCSK)及多元DCSK(MDCSK)调制技术。分别介绍与分析该系统在PLC中的特性,以及针对各种脉冲噪声种类存在的优势以及改进方式。其次该文将介绍一些相关编码调制新方案以便于提高带限环境下的传输质量。结果表明这些优化工作显著地改善了系统性能,针对PLC整体信道特性系统参数的调制及编码调制传输优化方案将成为未来工作的研究热点。

空间高速光通信基带调制信号产生与相位同步方法研究

高速调制基带信号的高质量产生与相位精确同步是实现空间光通信测距的关键技术。传统采用FPGA或数字信号处理器(DSP)与高速数模转换器(DAC)的实现方法,存在相位同步精度低、硬件实现复杂度高等缺点。该文提出一种高速光通信基带信号产生与相位同步方法,设计了相位闭环动态控制环路,通过实时调整高速信号发射时钟相位,可实现I,Q高速基带信号相位与外部参考时钟相位的确定性关系。实验结果表明:正交相移键控(QPSK)光调制信号码速率为5 Gbit/s时,相位同步精度小于2 ps,误差矢量幅度(EVM)小于8%;5 Gbit/s光通信速率误码率为10^(–7),接收灵敏度优于–47 dBm,测距精度优于2 mm。与传统方法相比,其灵敏度与测距精度均得到明显改善。

一种时间反转的参考信号调制DCSK通信方案

针对DCSK系统信息传输速率低及安全性差的问题,提出一种时间反转参考信号调制DCSK(TR-RMDCSK)通信系统方案。该方案采用RM调制实现了在一个帧时隙传输两个比特,携带偶数信息比特的混沌信号既是信息信号,也是传输奇数信息比特的参考信号,将参考信号进行时间反转,消除了同一帧时隙信号间的相关性,提升了比特传输速率及信号保密性。推导了高斯信道下的理论误码率,并在高斯信道和莱斯信道下进行了性能仿真分析。结果表明,该方案在不牺牲传输速率的情况下改善了误码性能,提高了系统安全性。

基于深度传感器的多视角点云配准研究

为了解决大尺寸对称物体在多视角配准过程中出现的误匹配点对和累计误差问题,提出了一种基于深度传感器的多视角点云配准算法。首先,使用深度传感器获取目标物体不同视角下的多片点云并进行预处理,对物体单侧相邻点云采用超四点快速鲁棒匹配算法(Super 4-points congruent sets,Super4PCS)进行粗配准,利用改进的点到平面ICP算法去除误匹配点对并进行精配准,之后将左右两部分的点云拼接,从而获取完整的三维点云模型。最后,针对多视角配准出现的累计误差问题,提出了一种全局优化方法从而减少累计误差。实验结果证明所提方法可以精准地完成多视角点云配准,获得准确的三维点云模型。

基于CBAM-GRU的通信信号自动调制识别

本文研究了一种基于卷积注意力机制模块(CBAM)与门控循环单元网络(GRU)结合的CBAM-GRU分类模型,用于非合作通信系统中的自动调制识别技术。将信号预处理后的时域幅度值、相位值以及I/Q值合并,转换为输入采样值矩阵,进入网络进行信号分类识别。使用无线电数据集RadioML2016.10a进行仿真实验,并将CBAM-GRU模型与卷积神经网络(CNN)、长短期记忆网络(LSTM)、GRU、卷积长短时深度神经网络(CLDNN)进行比较。实验结果表明:CBAM-GRU模型的分类识别率达到92.79%,相较于对比模型分别提高了8.52%、1.84%、1.75%、8.61%,比传统的CNN或LSTM模型,在处理信号时能够更有效地捕捉时空特征,从而提高识别精度。

High-Precision Doppler Frequency Estimation Based Positioning Using OTFS Modulations by Red and Blue Frequency Shift Discriminator

Orthogonal Time Frequency and Space(OTFS) modulation is expected to provide high-speed and ultra-reliable communications for emerging mobile applications, including low-orbit satellite communications. Using the Doppler frequency for positioning is a promising research direction on communication and navigation integration. To tackle the high Doppler frequency and low signal-to-noise ratio(SNR) in satellite communication, this paper proposes a Red and Blue Frequency Shift Discriminator(RBFSD) based on the pseudo-noise(PN) sequence.The paper derives that the cross-correlation function on the Doppler domain exhibits the characteristic of a Sinc function. Therefore, it applies modulation onto the Delay-Doppler domain using PN sequence and adjusts Doppler frequency estimation by red-shifting or blue-shifting. Simulation results show that the performance of Doppler frequency estimation is close to the Cramér-Rao Lower Bound when the SNR is greater than -15dB. The proposed algorithm is about 1/D times less complex than the existing PN pilot sequence algorithm, where D is the resolution of the fractional Doppler.

基于多流ConvNeXt网络和马氏距离度量的未知信号增量识别

为解决现阶段基于深度学习网络的信号识别技术无法实现未知信号增量识别的问题,提出了基于多流ConvNeXt网络和马氏距离度量(MDM)相结合的未知信号增量识别方法.首先,利用改进的多流ConvNeXt网络提取信号的属性特征;其次,使用马氏距离度量判决方法进行未知信号检测进而实现已知信号和未知信号的二分类;最后,该方法根据不断增加的未知信号对模型的参数进行自动更新,使模型具备了自我进化的能力,进而可以识别出不断增加的新的未知信号类别,实现对未知信号的增量识别.仿真实验结果表明,该方法对未知信号的平均识别率达到97%以上.

结合像素注意力与分类器解耦的小样本遥感图像目标检测

针对小样本遥感图像中实例标注缺失导致的前景类与背景类混淆的问题,提出了结合像素注意力与分类器解耦的小样本遥感图像目标检测方法。本方法设计一种新颖的像素注意力特征金字塔结构以捕获更重要的空间和通道语义信息,从而在抑制背景噪声的同时突出目标的关键特征。此外,将标准分类器解耦为两个并行检测头,分别处理前景类和含噪的背景类,以缓解分类器的偏置分类问题。提出的方法在两个公共遥感数据集上进行实验,结果表明,与目前最新的方法相比,所提方法在DIOR数据集上平均精度提升了4%~7%,在NWPU VHR-10数据集上平均精度提升了11%~17%,检测性能良好。

基于相位变换和CNN-BiLSTM的自动调制识别算法

针对真实信道使无线通信信号发生相位偏移导致信号识别率下降的问题,提出了相位变换算法。该算法将信号输入神经网络,通过Flatten层和Dense层估计出相位参数,再利用参数变换器完成相位变换,减轻相位偏移对调制识别准确率的影响,提高了调制识别的准确率。同时提出一种卷积双向长短期记忆(Convolutional Neural Network-Bidirectional Long Short-Term Memory,CNN-BiLSTM)网络,其中CNN用于提取信号的高维特征,BiLSTM用于提取信号的双向时间特征。所提出的调制信号分类模型识别率达到96.7%,相较于卷积神经网络(Convolutional Neural Network,CNN)提高了12%。

一种M进制短参考置换索引的差分混沌移位键控系统

为解决置换索引的差分混沌移位键控(PI-DCSK)通信系统存在能量效率低的问题,结合短参考技术,提出了一种M进制短参考置换索引的差分混沌移位键控(SR-PI-DCSK)系统。该系统将参考时隙的混沌序列缩短至小于半个符号周期,信息时隙将参考时隙的置换排列副本进行复制并拼接P次,在不增加PI-DCSK系统结构复杂度及维持相同的恢复比特信息所需能量的情况下,可以有效提高系统能量效率,同时提升系统的误比特率(BER)。然后,分析了SR-PIDCSK系统的能量效率,推导了其在多径瑞利衰落信道环境下的BER表达式,使用蒙特-卡罗模拟仿真验证了该理论推导的正确性。仿真结果表明,在同一条件下,所提出的系统与PI-DCSK系统相比具有更好的性能增益,这能为下一代物联网短距离通信应用提供一种混沌调制方案。

基于GWO-SA-LSTM模型的调制识别算法

针对传统自动调制识别方法对现代信号识别准确率较低的问题,该文提出了GWO-SA-LSTM模型,该模型通过自注意力机制增强长短期记忆网络(LSTM)关键特征捕获能力,并利用灰狼算法(GWO)优化超参数。在真实环境的调制识别数据集上的实验表明,该文模型在10 dB信噪比下达到了97%的最高准确率,整体表现优于单纯LSTM模型。

用户移动性下的毫米波自适应调制策略研究

当用户移动时,信号的传输距离随之变化。基于此,利用毫米波通信对传输距离的敏感性提出了距离自适应调制策略。当用户接收误码率(Bit Error Rate,BER)超过门限时,用户通过反馈信道请求基站调整信号调制阶数和发送功率来保证BER在门限以下。基站根据用户反馈的BER门限、传输距离以及天线增益等确定调制阶数,通过最大化频谱效率(Spectrum Efficiency,SE)得到最优发送功率。通过仿真得出,当传输距离小于300 m时,采用256阶数的正交幅度调制(256-order Quadrature Amplitude Modulation,256QAM);距离在300~500 m时,采用64QAM调制;距离在500~800 m时,采用16QAM调制;距离大于800 m时,采用4QAM调制。比较已有的毫米波广义空间调制(Generalized Space Modulation-QAM,GSM-QAM)、脉冲位置调制(Pulse Position Modulation,PPM)和固定QAM调制策略,所提出的改进的自适应调制策略在保证BER的前提下,数据率最高。