低信噪比下基于深度学习TCNN-MobileNet的调制识别

将深度学习算法应用于调制识别任务是近年来通信领域的一个研究热点,但现有方法存在网络复杂度高、硬件要求高、在低信噪比(SNR)下识别准确率不高等问题。结合离散小波变换方法,提出一种基于双路卷积神经网络级联可分离卷积网络(TCNN-MobileNet)的调制识别方法。首先通过小波变换对数据进行预处理,将信号作为输入传送到双路卷积神经网络中进行不同维度的特征提取;然后通过融合层进行特征融合并送入轻量级神经网络MobileNetV1中,进行调制识别模型训练;最后通过全连接层进行11种调制识别的分类输出。在公开数据集RML2016.10a上的实验结果表明,在-20dB的低SNR下TCNN-MobileNet的识别准确率可达88.71%,在18dB的高SNR下识别准确率可达96.66%,SNR在-20~18dB范围内时平均识别准确率为88.37%,相比于ResNet18、ResNet34等经典网络架构提升了约35%。TCNN-MobileNet识别方法在保证识别精度不变的情况下能够降低训练参数量以及网络训练时间,有效简化网络架构,降低对硬件设备的要求,对轻量级神经网络在调制识别中的应用具有借鉴意义。

基于SAMP-VMD的局放信号去噪方法

针对电力设备局部放电信号容易受到环境中的窄带噪声和白噪声的干扰,为了更好保留局放信号特征以便后续进行故障诊断和预测,提出了一种基于压缩感知重构和变分模态分解的变压器局部放电信号去噪方法。该方法首先使用窗函数抑制窄带干扰的频率泄露,之后利用窄带干扰在频域上与局放信号和白噪声之间稀疏度的差异从而将窄带信号进行分离重构以抑制窄带噪声,其次通过改进变分模态分解方法根据各模态含有局放信号信息的多少来对不同模态进行分类去噪,最终恢复出局放信号。通过仿真及实测信号对该方法进行去噪效果测试,并与奇异值分解和变分模态分解去噪方法的去噪效果进行对比,结果表明该方法能够有效抑制局部放电信号的干扰,相比传统算法的波形相似系数提升约2%,能够更好的保留局部放电信号的波形特征。

基于形态学梯度的信号噪声分离算法

在频谱参数自动测量中,传统的基于阈值的信号噪声分离方法对于具有不平坦背景噪声的频谱难以取得满意的分离结果。针对这一问题,提出了一种基于形态学梯度的信号噪声分离算法,通过检测信号的边缘实现信号噪声分离。实验结果证明,该算法能够较好地处理背景噪声起伏不平的频谱,分离结果与传统方法相比有较大的改善。

频谱监测中的谱泄漏及其抑制方法研究

为了解决无线电频谱分析和监测中的频谱泄漏,将射频信号进行加窗处理是一种有效的方法。在分析了频谱泄漏发生的原因并且提出了避免频谱泄漏所遵循的采样原则之后,通过对各种窗函数性能的比较,选取一种性能最为优越的窗函数进行频谱泄漏的抑制。仿真结果证明,窗函数对频谱泄漏的抑制有较大改善,尤其以切比雪夫窗效果最为显著。

基于改进二次相关算法的TDOA时延估计

在TDOA时延估计中,二次相关算法能够较好地抑制噪声干扰,进而提高时延估值精度。为了进一步提升在较强噪声干扰的条件下二次相关算法的抗噪性能,在传统二次相关算法中的互相关函数部分加入SCOT加权函数,提出了基于改进二次相关算法的TDOA时延估计。算法对接收到的信号分别进行自相关以及SCOT加权互相关,再将所得到的相关函数进行二次广义相关,通过检测相关函数的谱峰得到估算的时延值。实验仿真以及对实测数据的验证均表明,在低信噪比时改进算法较传统算法具有较高的估值精度。

基于多帧统计谱的高速铁路GSM-R干扰信号分离算法

高速铁路铁路专用移动通信网(GSM-R)通信系统易受到其他类型无线信号干扰。对常见的几种GSM-R干扰信号进行了分析和研究,提出了一种基于多帧统计谱的信号分离算法,将被干扰信号谱分成多帧并进行累加统计,当统计帧数足够多时,其频谱参数趋于恒定。实验结果证明,该算法在已知原始信号频谱的情况下可以快速分离原始信号和干扰信号,效果良好且具有通用性,算法复杂度低于传统方法。

基于小波降噪的稀疏傅里叶变换时延估计

稀疏傅里叶变换时延估计具有较低的运算时间复杂度,但在低信噪比时无法准确估计出时延。针对稀疏傅里叶变换时延估计在噪声干扰下时延估计精度下降的缺点,提出了基于小波降噪的稀疏傅里叶变换时延估计算法。算法利用小波降噪方法处理接收到的信号,再对降噪后的信号进行稀疏傅里叶变换广义相关,通过检测相关函数的谱峰得到估算的时延值。实验仿真以及对实测数据的验证均表明,在低信噪比条件下,基于小波降噪的稀疏傅里叶变换时延估计算法在保证数据高处理速度的同时,具有较好的抗噪性以及较高的时延估值精确度。

智能定义无线电技术体系及其设计方法

在软件无线电的基本架构的基础上,提出了一种新的以深度神经网络为核心的无线通信架构的设计方法及其应用,并提出了智能和智能定义无线电(intelligent and intelligent defined radio,IR/IDR)的概念.基于系统级整体优化的思想,IR/IDR采用多种不同的深度神经网络(deep neural network,DNN)替代传统软件无线电的各个功能模块,使无线通信系统成为一个可端到端优化的整体.而DNN良好的融合特性,还使得基于新方法的系统在不增加额外成本的前提下方便地扩展后续功能.更重要的是,通过将多个基于新方法的无线信号发射或接收端的DNN融合后,还可以对整个无线通信网络系统在更广义的角度上进行管理和优化.IR/IDR是一种新的理论和应用模式,它将通信问题演变为计算和数据,代表了未来无线通信发展的方向.

KEIL C51集成开发环境C和汇编语言的相互调用

目前C语言已成为开发单片机项目的主要工具,但一些特殊的应用场合仍然需要汇编语言编写程序,如编写时序要求非常严格的接口协议时,这必然涉及到C与汇编的相互调用,即混合编程的问题.详细介绍了KEILC51环境下的C和汇编语言相互调用的方法和原则,并具体说明混合编程的细节和应注意的问题.

基于ZigBee技术的远端通信站监控系统及其实现

提出了一种基于ZigBee技术的远端通信站环境监控系统设计方案。包括系统结构、Zigbee通信接口、单片微处理器、温度采集等模块的软硬件设计。此方案设计的监测系统已在某远端无人小型频谱监测站使用。

基于查表的热敏电阻温度变送器设计与应用

提出了一种基于查表方式的热敏电阻温度变送器的设计方案。包括热敏电阻组成的电桥、差动放大调理和AD模数转换等硬件电路和相应的软件查表设计原理,为低成本的温度变送器提供了一种设计思路和参考依据。此方案设计的温变已在现场得到应用。

基于STFT的无线电频谱信号的多域分析

将短时傅里叶变换的分析方法应用于无线电频谱监测系统中,与传统的分析方法比较,突出时频分析的多维分析特性,能够很好的分析出信号频率随时间变化的情况,提高频谱监测效率。

基于数字信号处理的感应式电子围栏系统设计

为解决静电感应式电子围栏的抗干扰问题,提出了一种基于数字信号处理的电子防护系统的设计方案。对系统的结构和电路设计进行了详细描述,给出了软件设计流程和仿真结果。

无线电干扰系统电磁辐射安全限值的研究

在严格遵循国家有关部门电磁辐射防护规定中的相关标准情况下,进行无线电干扰系统的实验和操作中,发现当系统长时间使用时,按照电磁辐射相关安全标准设置安全间距仍会对人体健康产生不利影响。文章根据实验数据,对电磁辐射相关安全标准进行了深入研究和探讨,在对国家安全标准探讨的基础上提出考虑电磁辐射危害时不能仅仅将人体作为点来考虑,应充分认识到人体作为等效天线的特征以及吸收功率的问题。

基于MCU+TMS320VC54×系列DSP混合系统的可靠性设计研究

提出了一种基于HPI接口的MCU+DSP系统可靠性的设计方法。包括上电复位、Watchdog看门狗监视以及相应的设计原理和编程思路,为DSP系统的可靠性设计提供了新的思路和参考依据。

单片机应用技术讲座(21)——第十七讲 基于DTMF编码信号的自动报警监测系统的实现方法(1)

在前面的讲座中,我们讲了单片机开发的基本知识,本讲我们以一个实用的"基于DTMF编码信号的自动报警监测系统"为例,来引导大家如何将所学的知识组织起来,真正地开发出一个项目.

基于CW测试的改进Lee室内模型的研究

针对室内模型在实际应用时预测路损与真实路损之间存在误差的问题,提出了适应穿墙场景的改进模型。该模型以Lee提出的经验模型为理论基础,建立真实室内结构的平面模型,通过发射恒定功率,对不同频点的频率信号,变换接收天线位置得到测试结果,即利用CW(Continuous Wave)测试的方式进行了多种场景的实际测试。采用平滑样条和线性拟合的方法对理论模型做出了验证和优化。仿真结果表明,改进的模型减小了与实际测量损耗的误差,实测值和改进模型的预测值之间的均方根误差小于1.5dB。

基于机器学习的阔叶林场景微蜂窝模型构建

在信号传播过程中,传播路径的场景对信号的衰减影响很大。传统的微蜂窝模型虽然加入了对路径上建筑物的建模,但对于其他场景,如树林、湖泊、恶劣天气、人流密度等并未构建相关模型。通过从阔叶林场景下采集实测数据,并使用机器学习算法拟合数据,比较主流机器学习算法的拟合结果选择出最优模型,在视距条件下微蜂窝模型的基础上加入该场景的修正,提高了微蜂窝模型的精确度和适用范围。实验数据的拟合结果表明,基于机器学习中的决策树算法构建的阔叶林场景下的微蜂窝模型,具有较高的信号衰减预测精确度。