基于二分搜索的宽带多普勒模型信号捕获方法

针对深空通信等超高动态低信噪比通信场景中,传统信号捕获方法存在着动态范围不足、精确度不够以及使用窄带多普勒模型导致对接收信号近似精确度不高的问题,提出一种基于二分搜索的接收端采样率调整方法。使用宽带多普勒模型对接收信号进行建模,并使用扫频余弦类信号进行多普勒频偏估计和定时估计,处理多普勒伸缩后的信号与本地信号采样率不匹配的问题。对所提方法进行同步性能仿真,仿真结果表明,所提方法采用正反扫频线性调频(UD-LFM)信号,能在信噪比为-49dB、最大多普勒频偏为2MHz的条件下,多普勒频偏估计误差小于400 Hz,定时估计误差不超过60 ns。相比不使用本文所提方法进行直接捕获,本文所提方法具有更高的捕获精确度以及更低的信噪比门限。

基于卡尔曼和扩展卡尔曼滤波的耦合载波跟踪方法

鉴于低信噪比高动态环境下的载波跟踪过程中,接收信号存在显著的各阶频偏变化率,故提出了一种基于卡尔曼和扩展卡尔曼滤波的耦合载波跟踪方法。载波跟踪通过基于卡尔曼滤波的锁频环辅助基于扩展卡尔曼滤波的锁相环来实现,对频率斜升信号和频率加速信号分别进行了载波跟踪环路结构的分析,得到系统方程,并进行了载波跟踪系统性能仿真。经仿真验证,在信噪比为-20 dB条件下,该方法跟踪频率斜升信号收敛时间小于60 ms,跟踪频率加速信号收敛时间小于90 ms,对两种信号的频率跟踪残差均小于5 Hz,相位跟踪残差均小于0.25rad,跟踪性能显著优于传统环路。

基于循环谱的隐蔽通信性能分析

研究了基于扩频技术的隐蔽通信波形设计,采用大信号掩盖技术和跳码扩频技术,其中大信号和隐蔽信号分别以直接序列扩频(Direct Sequence Spread Spectrum, DSSS)和随机跳码扩频方式产生。对DSSS信号和随机跳码扩频信号的二阶循环平稳特性进行了理论分析,并通过仿真证明了循环平稳特性可用于隐蔽通信波形循环谱分析。首先,理论分析揭示DSSS信号的循环谱在与数据符号速率和码片速率相关的循环频率上,具有由信号的循环平稳性所产生的一系列特征峰值;然而,在随机跳码直扩信号中,扩频码带来的循环平稳性被破坏,导致其循环谱仅在与码片速率相关的循环频率上存在特征峰值;最后,利用循环平稳特性,结合判决门限进行隐蔽信号检测的仿真和分析。

基于DNN的OTFS系统信号检测方法

近年来提出的正交时频空(Orthogonal Time Frequency Space,OTFS)技术由于具有良好的多普勒频偏和时延适应性,在高动态通信场景下得到应用。目前该技术的信道状态信息(CSI)获取的主要方式,仍是传统的信道估计及其改进算法。对此,采用深度学习的方法估计CSI并直接恢复传输符号,使用基于抽头延迟线(Tapped Delay Line,TDL)信道模拟生成的数据离线训练深度学习模型,然后将该模型直接用于恢复在线传输的数据。仿真结果表明,在高频偏和多径效应下,基于深度学习的方法比传统方法更优,从而证明了在OTFS系统进行信道估计与信号检测中深度学习的前途。