利用无线电极化特征的跳频网台分选方法

针对现有方法在跳频通信用户“空时频能”域特征相近、跳频参数捷变等条件下,跳频网台分类识别效果不佳的问题,该文提出一种基于无线电极化特征的跳频用户分选方法。该方法将无线电双极化特征引入到跳频侦察,充分利用各用户的交叉极化鉴别度差异,实现了跳频网台精准分选。针对同类用户交叉极化鉴别度参数易受噪声污染的问题,构建了双通道双极化接收系统,抑制了信号噪声,保证了极化特征提取的精度。在此基础上,基于谱聚类思想,完成了极化特征的分类软判决,进一步提升了跳频网台分选效果,实现了跳频信号的精准识别。仿真实验表明,在5 dB信噪比条件下,所提方法可对同步正交和非正交组网方式下的多跳频网台准确识别,识别分类成功率达99%以上,验证了新方法的有效性。

基于深度聚类的通信辐射源个体识别方法

针对非合作通信条件下缺少标签数据的通信辐射源个体识别问题,提出了一种基于深度聚类的通信辐射源个体识别方法。利用自编码器网络强大的特征提取和数据重构能力对原始I/Q数据进行表征学习,提取个体识别的指纹特征,同时将表征学习过程和特征聚类过程进行联合优化,使表征学习和特征聚类契合度更高,更好地完成无标签条件下的通信辐射源个体识别。通过对5种ZigBee设备采集的信号进行实验,结果表明在信噪比高于0 dB时,可以达到85%以上的识别准确率,证明了本文方法的有效性和稳定性。

BOPPPS教学模型在通信类课程中的探索与实践

通信类课程是通信专业的基础课程,研究对象是电磁波,理解起来比较抽象,具有理论知识难度大,公式推导多的特点。为提升学生的课堂参与度,尝试将BOPPPS教学模型引入通信类课程教学过程中,该文首先阐述BOPPPS模型的教学理念,然后介绍基于BOPPPS教学模型的通信类课程教学设计和课堂实施方法。结果表明,将BOPPPS教学模型应用于通信类课程的教学过程中,能充分激发学生的积极性,增强学习效果,达到培养高素质通信人才的目的。

基于余幂-激活离散超混沌加密的多参数加权分数傅里叶变换安全通信方法

为提高物理层安全传输性能,该文提出一种新的基于2维余幂-激活(2D-CPA)离散超混沌加密的多参数加权分数傅里叶变换(MP-WFRFT)安全通信方法。首先,将激活函数和余弦函数作为非线性因子引入1维立方(cubic)混沌映射,构造2维混沌映射。非线性因子可对原始cubic混沌映射的迭代过程进行扰动,从而获得更加饱满的相轨。利用分岔图、相图、Lyapunov指数谱等对提出的2维混沌映射动力学特性进行了验证。结果表明,构造的2维混沌序列随机性良好,可进入超混沌状态。然后,利用余幂-激活离散超混沌序列分别构建幅度变换矩阵、相位旋转矩阵和MP-WFRFT参数池,完成对星座幅相加密,以及MP-WFRFT动态变换加密过程,进一步消除数据统计特征,同时提升MP-WFRFT变换的抗参数扫描性能。数值仿真结果表明,加密数据的星座图呈类高斯分布,且传输系统对密钥的敏感性良好。

采用极化特征的通信辐射源个体识别方法

针对现有方法在通信辐射源空、时、频、能域特征相近甚至相同情况下,个体分类识别效果不佳的问题,提出了一种采用极化特征的通信辐射源个体识别方法。通过分析通信辐射源双极化特征表征方法,对通信辐射源的极化信号建模,根据极化信号模型,借鉴幅度-相位法思路,构建了双极化接收系统实现极化信号接收和极化特征提取;通过对极化天线振动引起的通道不一致性进行分析,建立极化通道误差模型,得到含有时变幅相误差的极化信号表示,据此设计了基于自编码器的通道时变幅相误差校正算法,在扰动数据(含时变幅相误差和噪声的数据)与原始数据(只含噪声的数据)双驱动下,学习原始数据深层特征规律,实现对扰动数据的重构,克服了极化特征对通道噪声与时变幅相误差敏感的问题;经过设置的阈值规则进行通信辐射源个体的硬判决分类。仿真实验表明,在信噪比为10 dB时,所提方法对模拟辐射源的个体识别准确率达95%以上。实测数据表明:所提方法在暗室理想情况下,对辐射源个体的识别准确率达99%以上;在实采数据上叠加高斯白噪声、模拟信噪比为10 dB时,个体识别准确率达95%以上,所提方法的有效性得到了验证。

基于DNA动态编码和VMP-WFRFT的安全通信方法

为提高物理层信息传输安全,提出一种基于DNA动态编码和变化多参数加权分数傅里叶变换(VMP-WFRFT)的安全通信方法。将DNA编码引入比特置乱,针对现有DNA编码规则少所存在的安全隐患,构造低复杂度四维混沌序列,利用混沌序列随机选择比特矩阵的DNA编码以及运算规则;为进一步掩盖信号调制样式,利用混沌序列动态调整MP-WFRFT参数,从而对调制信号进行VMP-WFRFT变换实现星座的混淆、扩散,同时增强了MP-WFRFT的参数抗扫描能力。仿真结果表明,该方法密钥敏感性良好、密钥空间大,能有效抵御穷举攻击,即使作为加密密钥的混沌初始值仅存在10^(-15)偏差,窃听者的误比特率仍始终保持在0.5左右。

锥面共形阵列天线实值盲极化DOA估计方法

将快拍数据协方差矩阵分裂思想引入到锥面共形阵列天线的测向中,提出了一种高效的锥面共形阵列盲极化波达方向(DOA)估计方法。该方法将子空间估计过程进行了实值化处理,通过子阵分割解决了协方差矩阵分裂引起的“镜像模糊”问题,同时,对参数估计的理论性能界进行了分析,推导了实值盲极化DOA估计的克拉美-罗界,并讨论了算法复杂度改善情况,在保证DOA估计精度的前提下有效降低了算法复杂度。仿真实验表明,所提算法在信噪比为10 dB时,估计精度与已有盲极化复值算法基本一致,而运算量仅为原算法的60%~70%,证明了算法的有效性。

基于自编码器的阵列时变幅相误差校正算法

随着阵列天线在各类移动平台上的广泛应用,时变幅相误差成为影响阵列信号处理技术工程化应用的重要因素。针对当前时变幅相误差无法有效校正的问题,结合自编码器思想,提出一种基于深度学习的阵列时变幅相误差校正算法。算法充分利用自编码器网络的数据特征提取与重构能力,设计了针对通道时变幅相误差校正的深度学习网络,给出了不含时变幅相误差数据(无扰数据)与含时变幅相误差数据(扰动数据)双驱动下的学习机制,基于期望输出与理想模型均方误差最小化原则,完成了对阵列流形隐匿特征提取,实现了阵列时变幅相误差的有效校正。仿真实验表明,所提算法可有效实现各通道时变幅相误差校正,在通道存在±80%随机时变幅度误差以及±5°随机时变相位误差时,幅度与相位误差校正后的均方差分别在0.5%和1.5%以内,当信噪比大于等于0 dB时,校正后数据的MUSIC算法测向精度与无误差数据基本一致,验证了所提算法的有效性。

锥面共形阵列天线盲极化DOA估计算法

由于共形载体曲率的影响,共形阵列天线中各阵元单元方向图具有不同的指向,使得共形阵列天线具有了多极化特性(Polarization Diversity),为了描述共形阵列天线的多极化特性,通常在共形阵列天线的快拍数据模型中引入阵列入射信号的极化参数,因此共形阵列天线的DOA(Direction-Of-Arrival)估计需要与阵列入射信号极化参数联合估计.本文提出了一种盲极化DOA估计算法,通过在锥面共形阵列天线中设置三对特殊子阵,利用ESPRIT(Estimationof Signal Parameters via Rotational Invariance Techniques)算法,将入射信号极化参数与二维角参数去耦合,在入射信号极化参数未知条件下实现了高分辨DOA估计,并对估计性能进行了理论分析与推导,给出了参数估计的CRB(Cramer-RaoBound),通过Monte Carlo仿真实验验证了DOA估计算法的有效性.

共形阵列天线MUSIC算法性能分析

该文在建立了三维共形天线阵列流形的数学模型基础上,将经典高分辨波达方向(DOA)估计方法—多重信号分类(MUSIC)算法移植到共形阵列天线中;详细分析推导了MUSIC算法在共形阵列天线(锥面阵列、柱面阵列、球面阵列)中的估计方差、克拉美-罗界(CRB);通过计算机仿真试验对比MUSIC算法在面阵(均匀线阵、均匀圆阵)与共形阵列中的性能函数以及估计方差,给出了MUSIC算法在不同阵列形式中DOA估计性能的评估与比较,仿真结果显示MUSIC算法在不同阵列形式中的估计性能均随阵元个数以及信噪比的增加而变好,验证了理论分析的正确性。

基于ESPRIT算法的柱面共形阵列天线DOA估计

由于共形天线阵列流形的多极化特性(polarization diversity,PD),信源方位参数与极化状态的"耦合"是实现共形阵列天线波达方向(direction-of-arrival,DOA)估计的主要难点。针对柱面共形阵列天线的特点,建立了柱面共形阵列天线的导向矢量模型;通过合理的阵元排列结构设计,结合ESPRIT(esti mation of signalparameters via rotational invariance techniques)算法参数估计的特点,实现了信源极化状态与方位参数的去耦合,推导了ESPRIT算法多参数估计的参数配对方法,最终提出了柱面共形阵列天线盲极化DOA估计算法。计算机Monte Carlo仿真实验验证了所提算法的有效性。

共形阵列天线信源方位与极化状态的联合估计算法

针对共形天线阵列流形的特点,提出了共形阵列天线信源方位与极化状态的联合估计算法.算法的方位估计不需要信源极化状态的任何信息,估计精度高、分辨力强,在完成信源方位估计的同时,还可以精确的估计出信源的极化状态,不需要参数配对,实现了共形阵列天线信源方位与极化状态的联合估计.算法仅需要二维参数搜索,计算量比已有的联合估计算法小,且适用于任意共形载体,具有广泛的应用范围.对算法参数估计的理论性能进行了分析推导,给出了参数估计的CRB(Cramer-Rao Bound),并通过Monte-Carlo仿真实验验证了理论分析的正确性与算法的有效性.

柱面共形阵列天线盲极化波达方向估计算法

针对柱面共形阵列天线的单曲率特点,建立了柱面共形阵列天线的快拍数据模型,基于高分辨波达方向(DOA)估计的子空间原理与秩损理论,结合合理的阵元排列结构设计,将信源极化状态、俯仰角以及方位角去耦合,通过参数的一维搜索与方程求解,实现了信源极化状态未知条件下的2D DOA估计。针对相干信源情况,推导了柱面共形阵列天线的解相干算法,最终提出了适用于独立和相干信源的柱面共形阵列天线盲极化DOA估计算法。该算法估计精度高,计算量小,且无需参数配对。计算机仿真实验验证了所提算法的有效性。

锥面共形阵列天线相干信源盲极化DOA估计算法

针对共形天线阵列流形的多极化特点,建立了锥面共形阵列天线导向矢量的数据模型。通过合理的阵元排列结构设计,推导了锥面共形阵列天线信源解相干的空间平滑算法,解决了ESPRIT(estimation of signalparameters via rotational invariance technique)算法多信源方位估计的参数配对问题,最终给出了锥面共形阵列天线相干信源盲极化波达方向(direction of arrival,DOA)估计算法。该算法利用锥面共形载体的单曲率特性,结合ESPRIT算法参数估计的特点,在盲极化条件下实现了相干信源的高分辨DOA估计。Monte Carlo仿真实验验证了算法的有效性。

基于四阶累积量的共形阵列波达方向估计算法

由于共形天线阵列流形的多极化特性(Polarization Diversity),共形阵列天线的信源方位估计需要与信源的极化状态联合进行。分析总结共形阵列天线波达方向(DOA)估计特点的基础上,针对窄带远场非高斯独立信源,提出了一种共形阵列天线盲极化DOA估计算法。该算法利用四阶累积量对阵列口径的扩展性,结合旋转不变子空间(ESPRIT)算法,在信源极化状态未知条件下实现了共形阵列天线的高分辨DOA估计。所提算法的方位估计不需要天线单元方向图以及信源极化状态的任何信息,适用于多种常用共形载体(锥面、柱面以及球面共形载体),具有较为广泛的应用环境。以柱面共形阵列天线DOA估计为例,详细推导了算法机理,给出了算法步骤,计算机Monte Carlo仿真实验验证了所提算法的有效性。

柱面共形阵列DOA与极化参数高效联合估计算法

针对共形阵列天线信源方位与极化状态联合估计算法计算量大的问题,给出了一种基于多级维纳滤波器前向递推的柱面共形阵列天线信源方位与极化参数高效联合估计算法。新算法推导了柱面共形阵列天线多级维纳滤波器的前向递推。算法以某一期望信号的训练信号为已知条件,通过多级维纳滤波器的前向递推,来实现信号子空间和噪声子空间的快速估计,避免了协方差矩阵估计与特征值分解,大大减少了已有联合估计算法的运算量,使计算量由原来的O(N^(3)+N^(2)L)降低到O(N^(2)L)。仿真实验表明:算法在降低算法复杂度的同时,可保证算法的估计精度,在信噪比大于10 dB时,与已有算法具有近似相同的估计精度,证明了算法的有效性。

共形天线阵列流形的建模方法

共形天线阵列流形的数学建模是共形阵列天线信号处理的前提和基础.由于载体曲率和单元方向图指向的差异,在共形天线阵列流形的建模中,我们遇到的突出难题是如何实现单元极化方向图在阵列全局坐标系中的有效建模.首先利用三次欧拉旋转变换构造了任意三维几何载体共形天线全局直角坐标系到单元局部直角坐标系旋转变换的统一框架,并以此为基础,实现了共形天线全局极坐标系到局部极坐标系的空间旋转变换和单元极化方向图的全局旋转变换.最后,通过柱面共形阵列天线固有的遮蔽效应进一步验证了单元方向图旋转变换的正确性.

多跳频信号波达方向与极化状态联合估计算法

为了有效辅助跳频(FH)网台分选和信号识别、跟踪,该文用正交偶极子对构造极化敏感阵列,基于空间极化时频分析,在欠定条件下实现了多跳频信号波达方向(Direction Of Arrival,DOA)与极化状态的高效联合估计。首先建立跳频信号的极化敏感阵列观察模型,然后根据参考阵元时频分析结果建立各跳信号的空间极化时频分布矩阵,再利用该矩阵中蕴含的信号极化-空域特征信息分别运用线性、二次型空间极化时频以及多项式求根共3种方法实现DOA与极化参数联合估计,最后蒙特卡罗仿真结果验证了该算法的有效性。

跳频信号2D-DOA与极化参数的欠定估计

为在欠定条件下估计跳频(frequency hopping,FH)信号二维波达方向(two dimensional direction of arrival,2D-DOA)和极化参数,从而有效辅助FH网台分选和信号识别、跟踪等,提出基于空间极化时频分析的联合估计算法.在建立FH信号极化敏感阵列快拍数据模型基础上,推导空间极化时频分布(spatial polarimetric time frequency distributions,SPTFD)的线性时频扩展形式SPSTFT,同时给出一种组合时频分布方法定位各跳(hop)信号在时频面上的自项区域,据此构造各hop的SPTFD和SPSTFT矩阵.利用SPSTFT/SPTFD矩阵中蕴含的信源极化-空域特征信息采取两种不同方法估计2D-DOA和极化参数.新算法无需多维参数寻优和配对,计算量小.仿真结果表明,本算法能在欠定条件下有效估计FH信号2D-DOA和极化参数,SPTFD矩阵法估计精度高,并能处理发生频率碰撞的hop.

采用空间极化时频分布的跳频信号多参数联合估计算法

为了在欠定条件下利用信号二维波达方向(2D-DOA)与极化状态进行跳频(FH)网台分选和信号识别、跟踪,提出了一种基于空间极化时频分布(SPTFD)的FH信号多参数联合估计算法。首先利用FH信号时频域特征以及阵列流型建模方法,建立FH信号的极化敏感阵列快拍数据模型;然后通过组合时频分布构造各跳信号的SPTFD矩阵;在此基础上,根据秩损理论对方向和极化信息进行去耦合,利用旋转不变子空间原理估计俯仰角;通过一维搜索和方程求解来估计方位角与极化参数,最终实现了2D-DOA与极化参数的联合估计。新算法无需多维参数寻优和配对,估计精度高。仿真结果表明:该算法能在欠定条件下精确估计FH信号2D-DOA和极化参数;当阵元数为4、信噪比大于6dB时,空间5个FH信号所有参数的均方根误差均小于1°。