一种利用叠加降噪提高二次相关TDOA精度的方法

二次相关TDOA算法具有一定的抗噪声性能,但在信噪比很低的条件下无法准确估计出时延。针对二次相关TDOA算法,在低信噪比下可能存在误差的情况,提出了利用叠加降噪提高接收信号的信噪比的新方法,从而提高算法精度。在接收到信号后,算法依据统计学的理论,采用信号叠加降噪的方法提高信号的信噪比,从而提升二次相关TDOA结果的精度。通过仿真结果表明,在低信噪比的情况下改进后的算法在较大程度上提升了时延估计的精度,提高了二次相关TDOA的应用范围。

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.

基于WebSocket技术无线频谱大数据实时监测系统设计与实现

伴随着互联网和无线通信技术的快速发展,如何对海量无线监测数据进行处理和干扰源排查成为无线电监管部门面临的困难和挑战之一.针对此问题,提出了一种同相正交信号-功率谱密度转化算法和功率谱密度信号瀑布图可视化方法,以实现对无线信号实时监测的可视化呈现;在此基础上,结合未来无线电监测小型化、网格化的发展趋势,采用HTML5 Canvas,WebSocket和Python Flask技术设计实现了一套切实可行、机动性强、实时性高、支持远程异构网络的无线频谱数据实时监测系统.系统运行结果表明:该系统具有较高的准确性和可信性,可为电磁环境监测提供技术支持,同时为频谱管理人员进行频谱规划和异常信号监测提供决策依据.

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GNSS的铁路路基安全监测系统研究

为了解决路基在施工与运行时变形/沉降的安全监测问题,满足其自动化、实时性与长期性的监测要求,设计了基于GNSS的铁路路基安全监测系统。该系统通过收集高精度卫星定位信息,采用相关函数和模糊综合处理对铁路路基水平位移与垂直沉降进行实时监测。采用GPRS网络实现监测终端与远程控制中心的通信,满足远程数据传输与命令控制要求,同时采用短信息方式实现对监测终端无响应的应急处理,提高系统可靠性。经山西中南通道重载铁路监测实验表明,系统能长期对铁路路基的位移/沉降进行实时监测,并能合理分析出路基的变形趋势,从而提高了铁路路基监测的自动化水平,同时监测误差精度达到1~2 mm,满足了铁路路基位移/沉降的监测要求,为铁路路基安全监测提供了可靠的监测与监控手段。

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。

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。

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。

基于奇异值分解的广义互相关时延估计

广义互相关法是TDOA时延估计中的一种经典方法,为了进一步提升广义互相关时延估计算法在低信噪比下的时延估值准确度,在广义互相关法的基础上,对接收到的信号进行奇异值分解,提升信号的信噪比.仿真结果表明,基于奇异值分解的广义互相关时延估计算法极大地提升了时延估计精度,具有明显的性能优势.

基于BP神经网络拟合的二次相关时延估计

在TDOA无源时差定位中,外界噪声对定位时延估值精度的影响很大.二次相关时延估计算法虽然具有良好的抗噪能力,但随着信噪比的降低,抗噪性也会下降.将BP神经网络引入二次相关时延估计,基于BP神经网络拟合二次相关时域函数曲线,以提升二次相关时延估计的准确度.仿真结果表明,基于BP神经网络拟合的二次相关时延估计算法在低信噪比条件下具有较高的时延估值精度.

基于广义二次相关的稀疏傅里叶变换时延估计算法

针对无源时差定位中的稀疏傅里叶变换时延估计算法在低信噪比条件下的抗噪性差和估值精度低等问题,提出了广义二次相关稀疏傅里叶时延估计算法。算法在对信号进行稀疏傅里叶变换的基础上,融合利用最小二乘拟合改进的广义二次相关算法,在对信号进行快速处理的同时抑制了噪声的干扰,使得时延估计算法的性能得到提高。仿真实验以及对实测数据的验证均表明改进算法具有较好的抗噪性以及时延估值精度。

1.8 GHz频段TD-LTE系统与异系统间干扰共存分析

根据我国工业和信息化部发布的《关于重新发布1785-1805 MHz频段无线接入系统频率使用事宜的通知》要求,结合我国无线电频率使用现状,对1.8 GHz频段内TD-LTE系统与其他系统干扰共存的问题进行分析研究.查询协议得到相关参数后,通过确定性计算的分析方法得到TD-LTE系统与IMT系统、McWill系统及CBTC系统共存时所需的隔离度要求,并提出相应的规避干扰措施.通过蒙特卡洛仿真的分析方法对TD-LTE系统与LTE FDD系统进行分析并验证了采用小区间干扰协调技术和波束赋形技术对系统性能的改善.为电力、石油、城市轨道交通等行业专网的建设提供参考意见[1].

基于SCOT双加权二次相关的时延估计算法

在研究时延估计中二次相关法的基础上,为了进一步提升二次相关法在更低信噪比条件下的可用性,结合广义互相关中的广义权函数,对二次相关法中的两次互相关分别进行平滑相干变换(SCOT)加权处理.实验仿真结果表明,与二次相关法以及广义二次相关法相比,基于SCOT双加权二次相关的时延估计算法在信噪比低时仍具有较高的时延估值精度.

基于室内无线模型的穿墙损耗校正

K-M(Keenan-Motley)模型将单墙固定损耗值相加来计算室内无线信号穿透多墙的总损耗值,存在较大误差。针对该问题选取多种室内场景分别进行连续波(Continuous Wave,CW)测试,对无线信号穿墙损耗的影响因素和变化规律进行分析,提出了一种基于人工神经网络的室内无线模型穿墙损耗校正方法,对预处理后的测试数据进行训练并建立预测模型。经验证该预测模型符合校正判别准则,在实际场景下具有良好的预测准确度。

基于三次相关的时延估计算法

针对无源定位中时延估计在低信噪比时估值准确度低的问题,在研究传统互相关法及自相关性质的基础上,提出了一种基于三次相关的时延估计算法.算法以传统互相关法为基础,利用两路输入信号的自相关功率谱函数与传统互相关功率谱函数做互相关,使三次相关功率谱函数中信号频点处的幅值呈现指数倍增长,进而弱化与其他细小尖峰幅值间的关系,达到时延估计取值所需要的互相关功率谱函数的理想效果.实验结果表明,与传统互相关及二次相关法相比,基于三次相关的时延估计算法在信噪比较低的条件下可以得到更为准确的时延值.

ITU-R P.1546模型的修正影响和适用性研究

为了分析ITU-R P.1546传播模型在兰州地区的准确性和适用性,在ITU-R P.1546建议书的基础上,通过Matlab对建议书中提到的修正方法进行修正,同时对兰州地区进行实际测试,并与传统Okumura-hata模型进行比较分析。分析结果表明:在兰州地区ITU-R P.1546传播模型相比于传统模型具有较高的精度,再通过对地形净空角、发射机的净空角、接收天线高度等参数的校正,使得模型损耗的均方误差在安宁地区降低了16.6%,白银地区降低了18.6%。其中当发射机和接收机路径之上存在较高障碍时,对模型的地形净空角的修正与否和实际损耗之间会存在较大的区别。该研究结果可为ITU-R P.1546模型的传播预测和本地化研究等方面提供参考依据。

基于随机森林的建筑物场景微蜂窝模型的构建

在市区微蜂窝中,信号的传播由于建筑物阻挡衰减很大。传统的微蜂窝模型在测试地区实际应用时存在很大误差的问题,对此提出改进市区微蜂窝传播模型。通过测试计算路径损耗斜率,提升了自由空间损耗模型精度,以改进算法分析建筑物损耗为基础进行建模。实验结果表明,本地区的路径损耗斜率为23.51 dB/dec,改进路径损耗斜率的自由空间损耗模型与传统模型相比,精度提升了1.5 dB;基于随机森林构建建筑物损耗模型明显优于其他算法构建的建筑物损耗模型。

基于SFFT的宽带信号互谱法测向算法

在无线电频谱监测中,随着数据采集能力和采样频率的不断提高,对算法的时效性提出了更高要求。对于宽带信号测向系统,提出基于稀疏快速傅里叶变换的互谱法相位测量算法,该算法利用信号频域的稀疏特性,通过频谱重排、滤波、降采样和估值,能快速计算出频谱中K(信号稀疏度)个拥有最大值的傅里叶系数。利用这K个大值点计算平均时延,在保证与传统快速傅里叶变换有相同精度的同时,降低算法的时间复杂度。分析表明,该算法的时间复杂度与信号稀疏度K呈亚线性关系。该方法提高了算法效率。仿真分析对比了基于稀疏快速傅里叶变换的互谱法和基于快速傅里叶变换的互谱法的误差,表明了该算法的有效性。

一种基于十射线模型的室内射线跟踪改进模型算法

随着移动通信技术和物联网的快速发展,预测室内短距离无线通信网络的信号覆盖情况成为当前的研究热点。基于十射线模型,自主开发了一种改进射线跟踪模型算法。该模型方法对微波室内传播提供可视化场景模拟,实现了室内短距离无线电波的传播预测和电磁波场强可视化。在多种场景测试并与其他室内电波传输模型对比,结果显示经过校准的模型均方根误差降低至5.53,准确度更高,能够更准确地预测室内环境中的信号接收功率。