欠采样下的多频带通信信号高精度载频估计

为根本解决当前主流的基于调制宽带转化器(MWC)的欠采样频率估计方法存在的3个问题,即采样通道数目多、载频估计精度低、信源频带分布稀疏度条件高,该文提出基于互素谱相位差校正的通信信号载频估计方法。通过将两路互素欠采样取代多路调制宽带转化器欠采样,克服了其耗费欠采样通道数目多的缺陷;基于此,既推导出全景谱谱峰位置与两路互素输出IDFT支路序号对的映射关系,又推导出相邻快拍下该序号对的IDFT相位差与载频值的解析关系,从而克服了主流方法的载频估计精度低的缺陷;通过将最小尺寸全相位滤波器对半分解方法融入原型滤波器设计,构造出两路并行互素谱分析器,还彻底克服了对信源频带分布稀疏度条件高的依赖。仿真表明,相比于主流方法,该文方法仅需耗费不足其1/2的样本数量,载频估计的相对误差降至其1/20以下。

基于GANomaly的水声通信信号调制方式开集识别

针对水声通信信号调制方式的开集识别问题,提出了一种基于GANomaly的新型开集识别方法。GANomaly网络模型结合了生成对抗网络(GAN)的生成能力和异常检测技术的判别能力,通过对抗训练,重构调制信号的时频特征并确定误差阈值,进而有效地区分已知和未知的调制方式。在信噪比>8 dB的条件下进行的仿真实验显示,该方法对已知调制方式信号的识别率均超过了86.00%,对未知调制方式信号的识别率超过了80.00%。仿真实验结果验证了所提方法对未知调制方式的有效识别能力,为水声通信领域开集识别问题提供了新的解决思路。

基于EfficientNet网络的水声通信信号调制识别

提出一种基于EfficientNet网络的复杂水声信道下非合作水声通信信号调制识别方法。与传统的深度学习网络相比,EfficientNet网络具有更高的效率和更小的模型大小。该方法通过对2FSK、4FSK、BPSK、QPSK、DSSS-BPSK和OFDM水声通信信号的时频特征进行分析,将二维时频图作为EfficientNet网络的训练集和测试集,使用训练集训练EfficientNet网络模型,并使用测试集确定模型的准确性和效率,完成对水声通信信号的调制识别。实验结果表明:在内场实验中,信噪比大于8 dB时,所研究6种信号的调制识别率均在85%以上;通过外场数据测试,信号调制识别率均在80%以上,验证了该方法在减少模型的大小和计算成本的同时,可保证较高的水声通信信号的调制识别准确率。

面向小型载荷的宽带通信信号随机共振检测方法

随着人工智能等领域的飞速发展,无人机在各个领域,尤其是现代战争中发挥着越来越重要的作用。无人机凭借其强大的灵活性和高隐蔽性优势,对现代作战具有颠覆性影响。在无人机执行战场侦察、监视、通信、电子干扰、雷达诱骗、激光制导等任务的过程中,及时探测敌方辐射信号尤为重要。随机共振方法利用特定非线性系统可以使输入其中的信号与噪声在一定条件下产生协同作用的特点,将噪声的能量转移到信号中来放大信号,是常用的微弱信号检测方法之一。窄带信号的随机共振检测技术已趋于成熟。而对小型载荷无人机监视、通信等场景下的微弱宽带通信信号,现有随机共振检测方法直接采用窄带信号的时域能量检测方法,并未基于宽带信号特点设计专门的检测方法,低信噪比条件下检测性能受限。为了满足对微弱宽带通信信号的检测要求,本文以常用的宽带通信信号为研究对象,对于单通道接收场景,提出基于宽带信号局部频谱的随机共振信号检测方法,该方法与传统的随机共振信号检测方法相比性能提升约6 dB。其次,对于更低信噪比的情况,提出一种随机共振与互相关检测相结合的双通道协同检测方法,并提出基于随机共振后两路互相关系数最大化的系统参数优化准则。典型场景下的仿真分析表明,对于单通道接收的低信噪比微弱宽带通信信号,局部频谱法可以有效提升检测性能;对于更低信噪比宽带通信信号,采用随机共振处理后的双通道互相关检测可以进一步提升检测性能。

基于人工神经网络的无线通信信号自动调制识别方法研究

对于一些复杂的调制方式,现有的自动调制识别方法可能无法完全准确地识别,现提出基于人工神经网络的无线通信信号自动调制识别方法。首先,基于人工神经网络构建无线通信信号调制模型,判定调制方式,并给出其对应的调制参数,然后,使用maxout函数作为人工神经网络卷积层和全连接层的激活函数,取代原先的Re LU函数,增加卷积层的数量,降低池化层的层数,提取无线通信信号特征参数,构建适合神经网络训练的特征矢量。最后,结合自适应调整的识别阈值,进行无线通信信号初始自动调制识别,通过相似度进一步优化调制识别方法,实现无线通信信号自动调制识别。通过测试数据集验证该方法的有效性和准确性。实验结果表明,使用人工神经网路模型在识别方面相较于文献方法更具优势,因此,可以证明基于人工神经网络的无线通信信号自动调制识别方法具有更高的精准度。

浅析电子通信信号的干扰与控制

本文以电子通信信号的干扰与控制作为研究主题,首先从电子通信和电子通信信号两个方面展开相应的概念解读,进而从3个方面阐述电子通信信号的主要干扰类型,并结合实际指出产生干扰的原因,最后有针对性地从尽可能的消除硬件干扰、注意规避电子设备产生的干扰以及有层次的排查和解决同频干扰3个方面提出电子通信信号受到干扰的控制措施,希望能进一步保障我国电子通信信号质量。

宁和城际轨道交通大胜关大桥段通信信号设备防雷研究

雷电灾害是目前中国最严峻的十大自然灾害之一,雷电对电子设备所产生的干扰已引起人们的高度重视。宁和城际地铁大胜关长江大桥路段处于雷电的高发区域,文章对该路段的气候、雷电环境及实际工况进行了调查研究,通过对其主桥和引桥上通信信号设备的防雷保护范围进行计算,分析并得出了通信信号设备的接地方案。该研究成果对类似相关项目具有一定的借鉴作用。

基于改进的独立分量分析混叠通信信号盲分离

针对时域与频域均交叠的多路数字带通通信信号盲分离问题,利用布谷鸟搜索算法,研究了一种新的基于独立成分分析的盲分离方法。在均匀线阵下,构建混叠信号模型;从最大化信号非高斯性角度,将盲源分离问题转化为信号峭度的优化问题;利用布谷鸟搜索算法优化求解近似峭度的代价函数,将迭代产生的适应度值最高的个体作为解混向量,实现源信号的分离。与已有的基于固定点算法的独立成分分析方法相比,该方法能够克服其无法分离时频域混叠的振幅键控(ASK)信号的限制,适用于任何调制类型的数字带通通信信号盲分离。通过仿真实验验证了方法的有效性并分析了方法性能,实验结果表明在较低信噪比条件下,分离的信号具有较高信干比,说明方法具有较高的鲁棒性。

基于多参数识别的电力载波通信信号监测系统设计

电力载波通信信号在传输过程中存在衰减,为降低电力载波通信传输误码率,实时监测信号传输行为,设计了基于多参数识别的电力载波通信信号监测系统。根据动态遗忘因子取值范围,建立多参数识别机制,再联合相关载波通信数据,求解信号衰减参数,完成对电力载波通信的可行性分析。按照载波通信体系整体架构的布局形式,确定滤波器、耦合器元件所属连接位置,完成电力载波通信信号监测系统设计。对比实验结果表明,在多参数识别机制作用下,电力载波通信传输误码率最大值仅为23.5%,在实时监测信号传输行为方面具有突出应用价值。

基于DRSN的通信信号调制方式识别方法

针对现有的通信信号调制方式识别方法在低信噪比(Signal to Noise Ratio, SNR)条件下存在的识别率较低、调制类型较少和信道类型不够丰富等问题,提出了一种基于深度残差收缩网络(Deep Residual Shrinkage Network, DRSN)的通信信号调制方式识别方法。根据调制识别领域的特点,构建改进的深度残差收缩网络模型,充分利用该网络的注意力机制和软阈值化进行降噪处理,提高模型在低SNR条件下的调制识别能力。实验结果表明,相比残差网络(Residual Network, ResNet)、卷积长短时深度神经网络(Convolutional Long-short-term Deep Neural Network, CLDNN)和卷积门控循环深度神经网络(Convolutional Gated recurrent Deep Neural Network, CGDNN)模型,所提方法在低SNR和5种信道类型条件下对26种调制信号的识别中有效地降低了噪声的影响,在4 dB以上时识别率达到了91.70%,10 dB时识别率在98%以上,取得了较好的识别表现。

多种干扰下轨道通信信号高精度自动化监测系统

轨道通信信号监测由于干扰滤波效果差,导致监测结果的轨道通信信号类别识别不准确,因此,研究一种多种干扰条件下轨道通信信号高精度自动化监测系统。该系统利用中央处理器AT89C52型单片机作为中央处理器,通过数字滤波器与复数滤波器分别滤波处理信号电磁干扰与同频干扰;滤波处理后的轨道通信信号传输至FPGA内,提取信号特征,结合特征分解方法,构建轨道通信信号动态参数识别模型,高精度识别轨道通信信号类别,实现轨道通信信号高精度自动化监测。

电声频谱分析技术在通信信号监测中的应用

探讨电声频谱分析技术在信号识别、异常检测及质量评估中的应用,通过实际案例论证其在通信信号监测中的重要价值。研究结果表明,该技术能够有效提高通信信号监测水平,为通信运营商优化无线网络提供重要参考,具有较高的实用价值。

《铁路通信信号工程技术》简介

基本信息:《铁路通信信号工程技术》由中国铁路通信信号集团有限公司主管,北京全路通信信号研究设计院集团有限公司主办的国家级期刊。在铁路电务科研、设计、施工及维修等单位有较大影响,深得科技人员的好评。经国家新闻出版总署批准,自2005年12月起面向国内外公开发行。国内统一连续出版物号:CN11-5423/U。国际标准连续出版物号:ISSN1673-4440。本刊是中国学术期刊综合评价数据库统计刊源期刊;RCCSE中国准核心学术期刊;日本科学技术振兴机构数据库(JST)收录期刊;EBSCO学术数据库收录期刊;中国核心期刊(遴选)数据库收录期刊.

《铁路通信信号工程技术》期刊征文通知

为促进轨道交通列车控制技术的创新与发展,提升我国轨道交通列控系统关键技术和装备的自主创新水平,《铁路通信信号工程技术》期刊现对能反映轨道交通科技创新水平的文章进行征文,征文内容如下。

基于人工智能模型的通信信号自动调制识别研究

现行的自动识别方法无法准确识别某些复杂的调制方式。针对此问题,文章提出基于人工智能模型的通信信号自动调制识别方法。首先,在构建通信信号调制模型时,采用人工智能来判定调制方式,并给出相应的调制参数。其次,采用maxout函数替代原有的ReLU函数,同时增加卷积层的数量,减少池化层的层数,提取通信信号的特征参数,从而构建适合人工智能模型训练的特征矢量。最后,结合自适应调整的识别阈值进行通信信号的初始自动调制识别,并通过相似度进一步优化调制识别方法。通过测试数据集,验证该方法的有效性和准确性。实验结果显示,相较于文献方法,基于人工智能的通信信号自动调制识别方法具有更高的精准度。

5G时代的通信信号安全性分析与防护措施

随着5G技术的快速发展和广泛应用,5G通信信号的安全性问题变得愈发重要,被应用与许多领域。本文讨论5G通信信号面临的安全威胁和5G网络安全防护的关键措施和方法,分析各种潜在的安全问题,针对这些问题,提出了包括加密技术、认证机制、安全协议、端到端安全解决方案、物联网设备的安全管理在内的防护措施,更好地保护网络安全。

基于深度学习的通信信号调制识别系统设计

文章设计一种基于深度学习的通信信号调制识别系统,旨在克服传统调制识别方法在复杂电磁环境下的局限性。系统具有信号预处理、特征提取、调制分类以及后处理决策4个模块,采用卷积神经网络(Convolutional Neural Networks,CNN)进行特征提取,结合支持向量机(Support Vector Machine,SVM)进行分类。实验结果表明,系统在多种信道条件下,尤其在复杂信道和低信噪比(Signal Noise Ratio,SNR)情况下,表现出较高的识别准确率。文章的研究成果验证了深度学习技术在通信信号处理中的应用价值,为无线通信和电子对抗领域提供了新的技术手段。

基于通信信号增强技术的高速公路隧道救援对策研究

随着国家交通事业的快速发展和高速公路的不断建设,高速公路隧道数量也在不断增加,这给消防救援工作带来了巨大压力。由于高速公路隧道环境复杂、事故率高、危害大,救援工作本就十分困难。因此,建立稳定的通信网络对于消防救援工作有着十分重大的意义。为此,本文进行了基于通信信号增强技术的高速公路隧道救援通信传输对策的研究。研究结果表明,无线信号增强生成对抗网络在通信信号提升方面优于残差网络,特别是在低信噪比的情况下效果更为明显。同时,采用高增益定向辐射特性的天线、降低隧道内表面对通信信号的反射和吸收,以及降低隧道内部信号的信噪比,能够有效提升高速公路隧道救援信号传输质量。

深度学习技术在宽带通信信号检测中的应用

本文探讨了深度学习技术在宽带通信信号检测中的应用。通过对宽带通信信号检测的定义、发展及其检测过程的介绍,引出深度学习对宽带通信信号检测的意义,并重点研究了深度学习技术在频谱感知、水声通信与雷达信号中的应用,展示了宽带通信信号结合深度学习技术提升信号检测的准确性和鲁棒性。

深度学习在无线通信信号处理中的应用

深度学习能够分析大型数据集并学习复杂的模式,从而显著改善干扰管理、资源分配和信号分类等领域的性能。深度学习在无线通信的优化信号检测、推进网络维护和提高无线定位精度方面发挥着至关重要的作用。将先进的机器学习技术集成到无线通信中,不仅提高当前系统的效率和可靠性,还为未来的进步奠定基础,确保无线网络能够适应并满足快速发展的数字环境中日益增长的需求。