基于子载波提取的OFDM无源雷达频率分集方法

为了解决当前正交频分复用(OFDM)无源雷达波束形成无法对分布于同一角度不同距离处的目标信号进行区别处理的问题,提出了一种基于回波信号子载波提取的频率分集新方法。通过对接收阵列不同通道OFDM数据提取不同频率的子载波信号并独立地进行处理,使得接收端波束图具有距离-角度依赖性,从而可实现对同一角度内不同距离处的目标分别处理,同时分析了不同频率分集处理参数对波束图性能的影响。该频率分集处理方式可以提高距离维信号处理自由度,使得接收波束能量可聚焦于期望目标点处从而提升雷达目标检测、定位和杂波抑制等性能。仿真分析表明OFDM无源雷达回波信号经频率分集处理后可获得点状波束图,并通过实测数据分析验证了该方法的有效性与实用性。

Coarse-fine joint target parameter estimation method based on AN-RSC in OFDM passive radar

In this paper,we study the accuracy of delay-Doppler parameter estimation of targets in a passive radar using orthogonal frequency division multiplexing(OFDM)signal.A coarse-fine joint estimation method is proposed to achieve better estimation accuracy of target parameters without excessive computational burden.Firstly,the modulation symbol domain(MSD)method is used to roughly estimate the delay and Doppler of targets.Then,to obtain high-precision Doppler estimation,the atomic norm(AN)based on the multiple measurement vectors(MMV)model(MMV-AN)is used to manifest the signal sparsity in the continuous Doppler domain.At the same time,a reference signal compensation(RSC)method is presented to obtain highprecision delay estimation.Simulation results based on the OFDM signal show that the coarse-fine joint estimation method based on AN-RSC can obtain a more accurate estimation of target parameters compared with other algorithms.In addition,the proposed method also possesses computational advantages compared with the joint parameter estimation.

一种模型驱动的深度学习OFDM接收机

针对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)接收机解调精度低和计算复杂度高的问题,采用深度学习方法构建了一种新的模型驱动的接收机模型,称为FBLTNet(Fully Connected,Bi-LSTM and Transformer-encoder Neural Network)。该模型分为信道估计和信号检测两个部分,其中信道估计以全连接神经网络(Fully Connected Deep Neural Network,FCDNN)替代线性插值,信号检测则使用深度自注意力网络编码器Transformer-encoder和双向长短期记忆网络(Bidirectional Long-Short Term Memory,Bi-LSTM)的组合网络,实现信号的解调和比特流的恢复。在瑞利衰落信道下测试了不同调制方式的接收机性能,结果表明FBLTNet与基于深度学习的接收机以及传统接收机相比,误比特率性能得到了显著的改善;与数据驱动的无线接收机算法相比,线下训练模型收敛时间和测试时间分别减少了33.0%和25%,网络结构参数减少了29.5%。

基于OFDM的广播电视信号发射功率控制方法

传统的功率控制方法主要根据信道的平均状态或预设参数进行功率调整,在应对信道状态变化时不够灵活,因此文中提出了基于OFDM的广播电视信号发射功率控制方法。其基于OFDM技术将广播电视信号信道划分为多个正交子载波,根据信道条件制定最佳子载波功率分配策略,设计了一个滑模变控制器,并根据制定策略动态调整信号发射功率,实现广播电视信号发射功率控制。实验结果表明,该设计方法能动态调整广播电视信号发射功率,达到预期控制目标。

三稳阱内随机共振在微弱OFDM信号检测中的应用研究

提出了一种基于三稳阱内随机共振的微弱OFDM信号增强与解调方法,对OFDM基带复信号驱动下的三稳阱内随机共振系统的动力学特性和系统性能进行了深入分析。首先,分别给出了三稳阱内随机共振系统动态方程和OFDM基带复信号数学模型;然后,分析了三稳阱内随机共振的暂态响应过程和稳态响应过程,推导了系统从零状态到共振平衡状态所需暂态时间的表达式,推导了阱内随机共振系统处于稳定状态时的系统输出信号表达式;最后,给出了基于双三稳阱内随机共振系统的OFDM基带复信号增强和解调处理过程,先将接收到的OFDM基带复信号按符号周期进行分段,对同相分量和正交分量两路信号同时进行阱内随机共振处理,并进行了仿真。仿真结果表明:三稳随机共振方法有效解决了低信噪比下微弱OFDM信号接收性能恶化的问题,提高了OFDM系统的抗噪性能。

一种基于相位轨迹的OFDM信号盲分析方法

随着第五代移动通信技术、低轨卫星互联网等通信系统的发展,正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术凭借良好的频谱效率得到日益广泛的应用。但OFDM系统信号参数复杂,对非合作条件下的盲信号分析带来了较大困难,需要在尽可能少的先验信息下,判定信号参数。为此,提出了一种基于相位轨迹特征的OFDM信号盲分析方法,利用OFDM信号固有的循环周期性,粗估计子载波数及子载波间隔,在此基础上通过非线性变换等处理获取子载波间及符号间的相位变化轨迹,基于相位变化轨迹分析其反映的采样定时误差、载波频率偏差等参数信息并修正估计值,最终通过信号接收误码率进行估计参数正确性验证,实现了对OFDM信号盲分析。仿真分析结果表明,在信噪比(SNR)大于8 dB时,即可实现参数准确估计,优于利用先验信息的相关处理方法。

基于改进YOLOv3的OFDM信号中常见干扰的识别

干扰识别是无线电监测和通信抗干扰的关键环节。针对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)宽带传输系统中潜在的干扰问题,提出了一种基于目标检测网络的干扰识别方法。核心思想是将传输频带中的多干扰识别问题转化为时频谱图中的多目标检测问题,进而利用改进的目标检测算法进行识别。实验结果表明,该方法能有效识别传输频带内音调干扰、噪声干扰、扫频干扰、脉冲噪声干扰和锯齿波扫频干扰的类型、数量、干扰频率和时间范围,同时相比改进前的YOLOv3算法,平均精度提高了7.6%,权值文件、参数量和计算量分别降低了82.5%,82.6%,90%,对能耗受限场景下的实时检测具有潜在应用价值。

OFDM and FH Signal Recognition Based on Cumulants and SPWVD Spectrum Cancellation for Internet of Things

Considering the Gaussian asymptotic features of OFDM signals,the identification method of it is proposed in this paper by using the cumulants of the wavelet transform coefficients in different layer in a low SNR circumstance.Furthermore,taking the coexistence of the OFDM and Frequency Hopping(FH) signals into account,a new way to separate FH and OFDM signals is proposed based on SPWVD spectrum cancellation,and it can be used to estimate the FH parameters.The simulation results show that the OFDM and single-carrier signals can be identified with a high correct rate of 95% even at-6 dB SNR;meanwhile,the separation of mixed OFDM and FH signals can be achieved with a low SNR of-6 dB,and FH parameters can be estimated accurately.It shows that the recognition performance is improved by about 5 dB compared with the traditional method.

基于深度学习的OFDM-IM信号检测方法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术在无线通信领域中拥有着重要地位,但OFDM系统中存在子载波间干扰和较高的峰均比的缺点,使得OFDM系统在信号检测方面的表现不太理想。针对OFDM系统中信号检测性能较差的问题,提出一种基于自归一化网络的索引调制(Index Modulation for Self Normalizing Network,IM-SNN)算法,并采用4QAM、8QAM、16QAM的调制方式验证系统的信号检测性能。结果表明,所提出的算法提高了接收端解调信号的性能,有效增强了信号检测的能力,并表现出优于传统技术中最大似然检测(Maximum Likelihood Detection,MLD)算法及现有技术中基于深度神经网络的索引调制(Index Modulation in Deep Neural Network,IM-DNN)算法的系统误码率及网络损失。在3种调制方式下,性能改善0.6~8 dB。

基于高阶累积量的OFDM信号和单载波信号识别

本文提出了一种利用高阶累积量实现OFDM信号和单载波调制信号识别的方法。该方法利用接收信号的高阶累积量提取特征参数,并结合星座图聚类分析,采用一种决策树的多分类器实现信号的分类识别。使用的特征参数对信号的信道抖动和相位延时不敏感,且能抑制噪声的影响,易于工程实现。仿真和实验结果表明,该方法能有效识别出OFDM信号和单载波信号,具有一定的实际应用价值和发展前景。

基于OFDM的雷达通信一体化信号设计

随着雷达系统和通信系统的快速发展,二者之间相互融合,能够凸显一体化系统设计和应用便利优势,如在通信系统方面,高数据速率传输能够更好地满足信号大带宽拓展需求,在一定程度上推动通信工作频段往高频段方向发展,有利于进行一体化的信号设计和应用。为此,从正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的峰值平均功率比(Peak to Average Power Ratio,PAPR)性能问题出发,通过仿真分别研究和探讨不同子载波数目以及调制方式对于OFDM一体化信号的PAPR特性的影响,列举两种改善PAPR性能的技术方法,以期达到预设的研究目标。

自适应OFDM中信号盲检测技术

提出了一种基于高阶累积量的正交频分复用信号子信道调制方式盲检测算法.该算法利用高阶累积量检测特征实现对子信道调制方式的检测,所提出的检测特征可抑制高斯噪声的影响.从理论上证明了高阶累积量检测特征对于子信道的信道衰减和相位旋转具有不变性.通过计算机仿真评估了正交频分复用信号子信道调制方式盲检测算法的性能,表明这种算法在慢时变信道下具有很高的调制方式检测性能和良好的稳健性.

基于整体最小二乘的联合信道估计及OFDM信号检测算法

针对现有的联合信道估计及OFDM信号检测算法性能不高的问题,该文提出一种基于整体最小二乘的联合信道估计及OFDM信号检测算法。该算法首先通过导频估计初始的信道信息,在此基础上不断地采用整体最小二乘进行OFDM信号检测及信道估计,有效缓解迭代模型误差的影响,加快了算法迭代的收敛速度,提高了信道估计的精度,从而降低了OFDM系统的误码率。该文推导的信道估计克拉美罗界及仿真结果均表明所提出的算法在时变信道环境下优于现有的联合信道估计及OFDM信号检测算法。

一种基于循环前缀的OFDM盲检测及参数估计算法

提出了一种基于循环前缀的OFDM盲检测及参数估计算法。该算法利用接收信号循环前缀的相关性进行OFDM信号的盲检测,并通过搜索联合相关函数的峰值来实现参数估计。该算法能区分OFDM与其它多种体制的信号,应用范围广范。实验结果表明该算法所需数据量小,检测及参数估计精度高,具有一定的可行性和实用性。

基于改进K-S检测的STBC-OFDM信号盲识别算法研究

针对多输入单输出(MISO,multiple input single output)通信系统的STBC-OFDM信号盲识别问题,提出基于OFDM块的改进Kolmogorov-Smirnov(K-S)检测方法。该方法首先对MISO通信系统的STBC-OFDM信号建模;然后利用STBC-OFDM信号编码矩阵的相关性,构造不同时延向量下STBC-OFDM接收信号OFDM块的经验函数作为特征函数;最后通过改进K-S检测方法检验经验分布函数之间的距离盲识别STBC-OFDM信号。该方法不需要噪声信息、调制信息和信道系数,适合非合作通信场合。理论分析和实验验证了该方法的可行性。

正交频分多路(OFDM)的实现方式及性能分析

本文简述了ＯＦＤＭ的两种实现方式，比较了各自的优缺点，并对其中一种方式做了改进，指出了改进后的ＯＦＤＭ能更好的克服多径干扰的原因，最后对ＯＦＤＭ可以应用的领域进行了介绍。

基于四阶循环平稳的STBC-OFDM信号盲识别

针对非理想信道环境下多输入单输出(MISO)通信系统中STBC-OFDM信号的盲识别问题,提出了一种基于四阶循环平稳的STBC-OFDM信号盲识别算法。该方法首先对MISO通信系统中STBC-OFDM信号进行建模;然后利用STBC-OFDM信号编码矩阵的相关性,结合四阶循环平稳特性,推导了不同时延向量下接收信号块的四阶循环矩;最后根据有无尖峰盲识别空时分组码的类型。该方法采用分层识别的思想,无需信道系数、噪声功率和调制方式等先验信息,适合非合作通信场所。仿真结果表明:算法适应于低信噪比的环境,且不受调制方式、相位噪声和多普勒频移影响,实用性很强。

宽带高速OFDM的实时实现

在简要介绍正交频分复用 (Orthogonal frequency division multiplexing,OFDM) )原理的基础上 ,提出采用多片 TI公司近年推出的 TMS32 0 C6 2 0 1B定点 DSP芯片 ,构成流水线实时实现宽带高速 OFDM的硬件平台。实验证明传输码率可达到 12 0 Mbps。文中还较为详细地叙述了系统的硬件构成和软件流程。

单边带光载LDPC-OFDM系统的传输性能

对LDPC-OFDM信号在单边带光调制系统中的传输性能进行研究,介绍OFDM单边带调制系统原理,建立FDM单边带调制系统的仿真系统,仿真、分析并比较原始OFDM信号和LDPC-OFDM信号在单边带调制系统中的误码性能和星座图。研究结果表明:在传输距离相同的条件下,LDPC-OFDM信号的误码性能比原始OFDM信号的误码性能好;LDPC编码具有较强的纠错能力,前向纠错编码技术的使用弥补了光纤链路中色散对传输信号质量的影响;在OFDM信号的基础上采用LDPC编码能获得较好的编码性能增益。

频率选择信道下STBC-OFDM信号盲识别

针对多输入单输出(multiple input single output,MISO)通信系统的空时分组编码-正交频分复用(space-time block codes-orthogonal frequency-division multiplexing,STBC-OFDM)信号盲识别问题,提出了一种基于四阶统计量的盲识别算法。该方法首先对MISO通信系统的STBC-OFDM信号进行建模;然后利用STBC-OFDM信号编码矩阵的相关性,构造了不同时延向量下接收信号OFDM块的时延四阶矩作为特征函数;最后通过时延四阶矩理论值与实验值的最小欧式距离盲识别发射端STBC-OFDM信号的编码方式。该方法不需要信道系数、噪声信息和调制信息等先验信息,适合非合作通信场合。仿真结果表明,所提出的算法即使在低信噪比(SNR=0dB)下识别效果接近100%,且对载波频偏、时间同步偏差和多普勒频移不敏感,实用性较强。