基于天线对比测试法的MIMO-OFDM系统设计与分析

多输入多输出正交频分复用(MIMO-OFDM)系统能够结合MIMO和OFDM技术优势,提升频带利用率。文中分析研究了MIMO和OFDM系统基本原理,采用FFT和QPSK技术实现了MIMO-OFDM系统的设计,空时编码采用Alamouti编码,信道编码采用RS编码,并在Matlab环境下对系统进行仿真与性能分析。采用收发天线对比测试法,确定不同天线阵列系统运行参数,证明了MIMO-OFDM系统的性能优势。结果显示,MIMO-OFDM系统能够抑制频率选择性衰落信道影响,在收发天线功率不变的情况下大幅度提高信道容量,有效降低传输误码率,与基本理论分析结果吻合。

阵列天线波束合成计算

阵列天线广泛应用于多目标、多任务雷达系统中。构建直线阵列、平面阵列天线的数学模型,借助Matlab对不同模型的阵列天线方向图进行了仿真计算。分析了一维阵列和二维阵列阵元个数、阵元间距以及阵元位置等因素对方向图的影响。仿真结果表明:一维阵列天线性能并非天线数目越多越好,还需要考虑副瓣电平对天线性能的影响;二维阵列天线当采用相同的阵元个数时,不同的阵元间距对主瓣宽度和副瓣电平都有影响。

基于AD8302的甚高频天线阵电缆相位差检测

根据甚高频天线阵相位测量原理,提出一种利用相位检测芯片AD8302将接收机至传输馈线的两两阵元的定标信源信号的相位差转化为对应的直流电压,再用12 b量化精度单通道A/D采样,最后做误差分析及修正达到修正相位误差的方法。通过验证在低频(2 MHz等)、高频(300 MHz等)等测量条件下,系统给出的电缆相位误差的精度,如在300 MHz信号输入下,电缆之间距离误差达到了cm精度,可以广泛用于相关天线阵误差修正及电缆误差测量中。

基于深度神经网络的多天线组阵信号联合调制识别方法

针对多天线组阵接收中未同步多路信号的联合调制识别问题,提出了一种基于深度神经网络的多天线组阵信号联合调制识别方法。该方法将多天线组阵信号联合调制识别问题转化为多元分类判决问题,使用深度神经网络实现信号调制方式的识别。首先,构建了多个卷积层、循环层和全连接层级联结构的深度神经网络;然后,基于广泛采用的RadioML框架构建训练、测试和验证数据集,数据集中单个信号样本为存在参数差异的多天线信号时域波形;最后,使用基于CPU+GPU架构的服务器对网络进行训练,并对其性能进行测试。结果表明,所提方法能够有效抑制多路信号间参数差异的影响,实现多路信号联合调制识别,接收单元数目越多,分类判决性能越好,且在高信噪比下优势体现更加明显。