低空智联网中基于多质心OpenMax的无人机开集识别方法

随着网络化、智能化的发展,无人机(Unmanned aerial vehicles, UAVs)逐渐成为低空智联网(Low-altitude intelligent network, LAIN)的重要组成部分,但如何对低空智联网中的无人机平台进行有效的管理仍面临严峻挑战。基于无人机信号中的细微特征可对无人机进行个体识别,并检测是否为非法无人机,从而实现低空智联网中无人机的身份识别和管理。针对低空领域信道环境复杂且无法提前获取非法无人机信号样本的问题,本文提出了基于差值时频和多质心OpenMax的无人机开集识别方法。首先,提出了与信道无关的差值时频特征来降低多径信道环境对射频指纹(Radio frequency fingerprinting, RFF)特征的影响,并利用数据增强提高了识别模型的准确率和鲁棒性。其次,利用多质心OpenMax替代神经网络Softmax层,以实现无人机个体的开集识别。最后,对神经网络的损失函数进行了改进,提高了开集识别准确率。本文利用真实环境采集的数据对所提算法进行了验证,在多径信道环境中开放度为0.087时,开集识别准确率达到了93.23%,与基准算法相比,准确率分别提高了7.61%和13.4%。本文提出的算法可在复杂信道环境中有效识别无人机个体并检测出首次出现的非法无人机。

面向频谱大数据处理的机器学习方法

随着移动互联网与物联网的迅猛发展,个人无线设备的数量呈现指数级增长,随之产生的海量频谱数据与日俱增,频谱大数据的存在已成事实。同时,频谱赤字也日益严峻。为提高频谱利用率,有效的频谱大数据处理显得十分重要。本文从无线通信的角度,首先给出了频谱大数据的定义并分析了它的基本特征;然后总结了一些对于频谱大数据分析与利用颇具前景的机器学习方法,如分布式和并行式学习、极速学习、核学习、深度学习、强化学习、博弈学习和迁移学习;最后给出了几个开放性话题和研究趋势。

基于信道质量分析的动态频谱接入研究

动态频谱接入技术突破了传统静态频谱授权的束缚,可提升现有无线频谱的利用率,是解决频谱资源匮乏日益严峻与频谱利用率十分低下这一对基本矛盾的有效方法。但是,近年来的研究表明,动态频谱接入技术存在两大难题:探测无线频谱空穴和信道选择与接入。首先介绍了动态频谱接入存在的两大难题,然后针对每个难题阐述有效的解决方法,最后提出了基于信道质量分析的动态频谱接入模型。该模型优化了频谱感知次序,且将频谱预测考虑进模型,从而进一步降低了频谱感知时间。

一种面向有权重通信网络的关键节点识别方法

如何在已知网络拓扑的前提下,快速准确地找到复杂通信网络中的关键节点成为当前的研究热点。本文首先建立了一个有权重网络的关键节点识别系统模型。然后,提出了基于加权集体影响力的关键节点识别方法。该方法用集体影响力量化节点信息传播能力,同时结合加权思想,表征有权重网络节点的关键程度。最后,分别对5种典型复杂网络模型进行了随机权重和非随机权重的仿真。仿真结果表明所提方法优于原有集体影响力算法的性能,且算法对球半径的选择不敏感。

基于OFDM的认知无线网络中最小代价增量资源分配算法

认知无线电是解决频谱资源紧张,提高频谱利用率的有效方式之一。在保护授权用户不受过度干扰的前提下,为了充分利用基于OFDM的认知无线网络频谱资源,在分别考虑频谱检测可靠性和互干扰对资源分配影响的基础上,构建了一个联合功率控制和子载波分配的最优化目标。考虑算法实际可行性,提出了3个次优的基于最小资源代价增量的算法,即最小功率代价增量算法、最小干扰代价增量算法以及最小功率-干扰加权和代价增量算法。数值仿真表明,相比于现有的静态等功率资源分配,所提算法的吞吐量性能均有明显提升,其中,最小功率-干扰加权和代价增量算法整体性能最好。

以学生多维优质能力生成为导向的本科毕业设计教学研究

文章通过深入调研一线本科毕业设计指导教师、往届本科毕业生、机关业务部门对本科毕业设计的意见,从本科毕业设计教学存在的痛点出发,提出以学生多维优质能力生成为导向的本科毕业设计教学模式。该模式以学生多维优质能力生成为核心目标,着眼于学生“面向职场、面向未来”职业发展基础,设计面向能力生成的“教—学互动”毕业设计选题方案,提出面向能力生成的“教—学联动”时间管控策略,探索面向能力生成的“教—学相长”潜力激发模式。

电磁频谱多维态势压缩测绘技术研究进展

在日益复杂的电磁频谱环境中,精准获取完备的频谱态势信息是做出准确频谱决策的重要前提。首先,介绍了频谱测绘并对比了其与频谱感知的主要区别。接着,综述了现有频谱态势生成方法的研究现状。然后,提出了异构性、大尺度缺失、动态性、环境复杂性等挑战下的多维频谱态势压缩测绘技术研究工作,有效弥补了传统频谱态势生成方法忽略频谱态势感知过程而导致的频谱测绘框架不完整性,该研究可进一步为提升频谱利用效率、增强频谱安全维护以及强化军事电磁对抗的决策提供更精准的指导。最后,对未来频谱压缩测绘的发展趋势进行了展望。

快变信道环境下基于支持向量回归的频谱预测

频谱预测是一种通过分析历史频谱数据获得频谱使用规律,从而预测未来频谱使用状态的技术。为了实现快变信道(本文指信道占用状态快速变化)环境下频谱状态的可靠预测,提出了一种基于支持向量回归的频谱预测算法。比较了在不同训练样本数时,该算法与一个典型的BP神经网络频谱预测算法的性能差异,结果表明所提算法在小样本学习时,预测效果更为理想。并在此基础上,加入正确检测概率和虚警概率,验证了当频谱检测不理想条件下,支持向量回归算法预测的可行性。

幼儿美术活动中评价环节的探索

在幼儿园美术活动中，评价环节是美术教学活动的最后一个环节，也是一个非常重要的环节，通过它可以让孩子感受成功的喜悦，激发孩子对美术活动的更大兴趣，调动他们参与美术活动的积极性。那么，如何来进行评价活动才能更好地发挥其教育功能呢？我园美术教研组围绕这一问题开展了初步的探索和研究。

基于BP神经网络的认知无线电疑似跳转信道预测研究

为了在认知无线电环境中进行跟踪干扰,需要预测认知用户在遭受干扰后进行频谱切换的目标信道——疑似跳转信道,以便在这些疑似跳转信道上对其进行跟踪检测和干扰。提出了一种在多信道多用户条件下,认知用户在感知得到的空闲信道上智能决策并选择合适信道接入的频谱模型,并用基于BP神经网络的预测算法预测疑似跳转信道,为衡量预测效果,提出了预测切准率和预测精度两个参考标准,仿真结果验证了该算法的可行性。

基于USRP的干扰信号感知与预测研究

随着军事通信技术的发展,通信抗干扰手段发生了巨大变化。为弥补扩频通信体制在通信抗干扰中的局限性,提出将频谱预测用于通信抗干扰中,并基于USRP设备设计了一个对干扰信号进行感知与预测的系统。首先介绍系统的总体设计,其次阐述频谱预测模块的基本原理,最后实现系统功能并进行误差分析。在战场环境下,利用此系统的工作原理,能够预测敌方发射的干扰频率,进而通过有针对性地消除或削弱干扰信号,使我方的通信正常进行。

大规模多入多出技术的短波地波安全传输方法

为提升地波通信的用户速率和安全性能,本文结合多点协同和大规模多入多出技术,提出了一种基于多站协同的地波传输方法。在本文中,发送给用户的原始信息被核心网分成了若干个子信息,这些子信息被相应固定站发给用户。使用多个配备多根天线的固定站进行协同预编码,建立了基于预编码向量、发射功率和固定站选择联合优化的用户速率最大化问题。设计了基于共轭波束赋形的预编码方法,推导了发射功率闭式解。针对固定站选择混合整数优化问题,提出了一种低复杂度固定站选择算法。仿真结果表明所提方法可以提升用户速率和安全速率,提出的功率优化方法可以在保证用户速率的前提下提升安全速率,固定站选择算法的性能几乎与穷搜算法相同,证明了所提算法的有效性。

面向无线电数字孪生的多感知节点卷积融合身份识别算法

电磁空间是赋能统筹海、陆、空、太空、网络的重要纽带,电磁目标识别为电磁空间的孪生构建提供了重要的无线电目标身份信息,使其可以在数字空间描述、刻画物理空间的电磁目标身份态势。然而,单个感知节点易受到干扰、识别性能受限,错误的识别结果将会为孪生提供虚实不一致的身份信息。为此,面向电磁空间无线电数字孪生的需求,首先构建了面向无线电数字孪生的无线电目标识别框架,然后提出了面向无线电数字孪生的多感知节点卷积神经网络个体身份融合识别算法。通过在实际场景中部署多节点识别网络,相比于距离最近的单感知节点,识别性能提高了6.29%,提供了更加准确的个体身份信息。

面向电磁战斗序列的网络化通信目标行为识别方法

电磁战斗序列是刻画电磁频谱作战力量编成的综合性参量,然而现有相关研究主要局限于信号或个体识别层面,难以有效支撑电磁战斗序列构建的任务。基于此,提出了基于网络化通信目标行为识别构建电磁战斗序列的构想,从个体行为、群体行为和任务行为三个层级阐述了通信目标行为的概念内涵。重点针对群体通联行为识别问题,构建了单节点感知场景下的系统模型,并提出了一种基于多维霍克斯过程的通联拓扑推理方法,实现了仅从外部观测的电磁信号反演网络化通信目标的群体通联关系。设计内场实验方案,通过实测和仿真验证了所提方法的有效性,同时仿真结果表明目标识别相比于信号检测对所提方法的性能影响更大。

基于非合作双干扰惩罚博弈的功率控制算法

为了提高认知用户的性能,文章提出了一种在认知CDMA网络中基于非合作双干扰惩罚博弈的功率控制算法(NPGP-DIP算法),介绍了其系统模型,并对以下三点作了详细证明:该算法降低了保证系统正常通信的最小SINR要求,该算法存在纳什均衡点且是惟一的。仿真结果表明,该算法在满足对主用户最大干扰限制的条件下,提高了认知用户的性能,并且在一定程度上兼顾了系统的公平性。

基于信道质量优化的动态频谱抗干扰

提出一种基于信道质量优化的动态频谱抗干扰技术。通过对信道历史相关参数的估计,建立信道质量优化准则,而后按照准则进行频谱感知和频谱预测,并将两者频谱决策结果进行融合,当频谱决策结果为空闲(即无干扰或者信道空闲)时,用户可动态地接入该信道进行数据传输。通过仿真表明,在相同呼叫次数的情况下,可成功动态地躲避对方的干扰,加快通信链路成功建立平均时间。

专题导读

未来无线通信网络存在着海量数据传输与连接密度激增的严峻挑战,但是传统平面型网络的容量与密度已达到瓶颈。无人机具有移动性、稳定性、广覆盖等优势,加之高质量的空地无线信道,可以作为空中基站或中继节点辅助地面通信,为未来网络立体化拓展了新的通信维度。因此,为了缓解地面移动通信网络的压力并降低地面小蜂窝密集部署的成本,无人机必将广泛应用于未来无线通信以拓展立体网络空间并实现高密度、高速度无线传输。尽管如此,无人机空地无线通信网络的研究尚处于起步阶段,其中仍然存在着若干技术难点以待突破。

基于区块链的频谱设备网络中防御拜占庭攻击的分布式共识机制

针对大规模、超密集部署移动互联网和物联网引发的精确频谱共享需求,基于区块链技术提出联网海量个人无线设备构成频谱设备网络:频谱管理服务器、移动基站、个人无线设备形成云计算与边缘计算相结合的频谱设备网络架构,以频谱数据获取、频谱区块添加、频谱数据传输、频谱数据采集的激励构成了基于区块链的频谱设备网络的基本运行机制,通过感知节点共识融合、验证节点共识验证、簇头节点共识确认,在一定置信度下的假设检验判断是否有恶意感知节点发动伪造频谱数据的拜占庭攻击。仿真结果表明分布式共识机制在防御恶意感知节点伪造频谱数据的拜占庭攻击上的有效性和可靠性。

无人机群通信网络态势感知研究现状与发展趋势

无人机群作战被认为是颠覆未来战场的新型作战力量,通信网络是牵引着无人机群正常运行的"风筝线",是连通无人机群的"神经脉络",无人机群通信网络态势(离散状态、全局形势以及演化趋势)信息的高效可靠获取是突破"电磁迷雾"并取得未来战场制信息权的基础和关键。本文从战场网络态势感知、典型无人机群作战项目、无人机群通信网络态势感知研究动态三个方面综述了国内外相关研究现状,分析了当前研究存在的不足,展望了未来发展趋势。

一种模型和数据混合驱动的电磁频谱态势测绘方法

频谱数据通常以多维度为特征,例如频率、时间、空间与信号强度等,这为采集以及可视化数据带来挑战。本文通过引入电磁频谱态势来表征信号功率谱密度在电磁空间的分布情况来实现目标区域内的频谱态势感知。目前频谱数据的获取方式通常为在目标区域内布置大量离散分布传感器,这导致采样效率低下,采样成本上升,在资源受限的情况下,上述采样方式并不可取。因此,本文从提高采样效率与降低采样成本出发,提出利用无人机采样实现目标区域内的信号功率数据获取,得到缺损二维、三维频谱态势,进一步提出一种模型和数据混合驱动的电磁频谱态势测绘方法,从而实现目标区域内部完整频谱态势的恢复。仿真结果表明,所提方法可以有效地完成目标区域内电磁频谱态势测绘,其补全精度与测绘效果均好于传统插值算法与张量补全算法。