在线学习辅助的智能接收机设计与实现

为了解决复杂场景下的可靠通信问题,设计了一种在线学习辅助的正交频分复用(OFDM)智能接收机。该接收机能够判断信道环境是否发生改变,并在线收集样本数据进行训练,形成当前环境下最佳的接收参数。在OFDM系统的信道估计模块中,设计了基于样本含噪均方误差(MSE)的性能比较器作为信道环境变化的判断依据,并采用轻量化的神经网络结构以实现快速在线训练。最后,通过通用软件无线电外设(USRP)进行了实现和验证。仿真和空口实验表明,所提接收机能够有效感知并适应新的信道环境,并且在导频数量受限的情况下,接收性能和收敛速度均优于现有的机器学习方法。

基于深度学习的QPSK智能接收机模型研究

针对通信信道中存在噪声等干扰因素时,QPSK接收机解调接收信号性能较差的问题,文章研究了一种基于深度学习的QPSK智能接收机模型;该QPSK智能接收机模型由LSTM神经网络和全连接层构成,借助了递归神经网络中的内存结构,也利用了LSTM能提取接收信号的时间相关性这一特点;在信噪比为0~7 dB的条件下进行仿真实验,实验结果表明,在加性高斯白噪声,同相和正交失衡以及频率偏差干扰因素影响下,文章研究的QPSK智能接收机模型在0~7 dB时的误码率相比于使用传统硬判决方法的通信接收机的误码率得到了显著降低;其中,QPSK智能接收机模型在7 dB时的误码率低至0.0109%,大约只有传统硬判决方法误码率的1/7;在发生频偏及同相和正交时,QPSK智能接收机模型在7 dB时的误码率分别低至0.0147%和0.0198%,都远低于相同条件下传统硬判决方法的误码率;因此,采用研究出来的QPSK智能接收机模型能够显著提高接收机的检测性能。

基于LSTM神经网络的QPSK智能接收机设计

针对正交相移键控(Quadrature Phase Shift Keying,QPSK)接收机检测信号准确率低以及复杂度高的问题,提出了一种基于长短期记忆(Long Short-term Memory,LSTM)神经网络的QPSK智能接收机设计方案。该方案中的神经网络模型由LSTM和全连接层构成,其利用LSTM提取接收信号的时间相关性,具有较低复杂度。仿真实验结果表明,在加性高斯白噪声、同相和正交(Inphase and Quadrature,IQ)失衡、频率偏差信道因素影响下,与现有QPSK接收机相比,所提出的QPSK智能接收机显著提高了检测性能。

基于多标签分类算法的多输入多输出智能接收机模型

传统无线通信系统由发射机和接收机组成,待传输的信息经过信道编码、调制、成型后通过天线发射出去。由于信道衰落、噪声和干扰等因素的影响,到达接收机的信号会存在较严重的失真,接收机需要从失真的信号中尽可能地恢复出原始信息。为解决此问题,提出基于多标签分类神经网络的多输入多输出(MIMO)智能接收机模型。该模型利用深度神经网络(DNN)替代接收机从信号到信息之间的整个信息恢复环节,并采用多标签分类算法代替多个二分类器实现多个比特的信息流恢复,而训练数据集为包含二进制相移键控(BPSK)与正交相移键控(QPSK)两种调制方式以及汉明编码与循环编码两种方式的正交信号。实验结果表明在噪声、瑞利衰落、干扰等情况下,使用传统Alamouti译码方法的接收机误码率(BER)为1E-3时,智能接收机已经实现了BER为0的恢复信息;在保持BER性能相同时,所提多标签分类算法比对比模型的多个二分类器算法在每个批次的训练时间上减少了约4 min。

全波段智能通信接收机研究

本文主要介绍了一款全波段智能通信接收机,以STM32F407ZET6为主控芯片,Si4735-D60作为解码芯片,实现了AM,FM,LW,SW的解调接收。解码芯片与主控芯片之间采用I^(2)C通信方式,通过天线接收所有信号,同时可由矩阵键盘实现多种搜索模式,例如按键搜索、一键搜索等。该系统可以接收的信号频率范围包含153~279 kHz,522~1 710 kHz,2 300~23 000 kHz,88.1~107.9 MHz。该产品重复搜台可减少电台误判的几率,同时Si4735解码芯片中使用的AFC(自动频率控制)可以使输出信号频率与给定频率一致,在本文中对AFC功能进行了仿真和原理分析。实验结果表明,该产品有良好的灵敏度和优秀的搜索能力。

新一代GNSS接收机的智能跟踪状态评估技术

新一代全球导航卫星系统的接收机需要根据用户所处环境,自适应地调整接收机内部参数以达到最稳健的导航效果。这就要求接收机在运行过程中通过评估跟踪状态去检测和分析用户场景。基于对传统接收机控制系统缺陷的分析,提出了智能接收机的概念、特点及系统框架;在此基础上设计、分析接收机的智能跟踪状态评估算法;最后通过仿真验证了所设计的算法可以有效地识别场景及场景间的切换。

一种低复杂性多级优化智能天线接收机

该文提出了一种适用于无线通信CDMA系统的低复杂性多级优化智能天线接收机的结构与算法。该接收机采用了新颖的正交分级优化方式,每一级的系统参数只需通过简单的循环迭代就可以决定,每一正交级设置一个复加权系数,通过MMSE准则来估算、更新,在各级中独立进行优化。系统级数多少可由信号环境来决定,使系统的运行更为灵活。与其它方法相比,该系统在无线通信环境下,尤其是在有相关性信号存在的情况下,具有更好的性能,而且在系统复杂性方面也有明显的改进。

智能型光接收机在NGB网络中的作用

智能光接收机是下一代广播电视网络必然的选择,能够大幅度降低运维的工作量,减少运营商的成本。本文着重分析了智能型光接收机在广电网络中的作用。

基于深度学习的高效矿井MIMO信号检测研究

针对智能接收机检测效率低的问题,提出了一种基于深度学习的高效矿井MIMO信号检测模型,该模型由非线性映射网络以及纠错网络共同组成。非线性映射网络实现接收信号到二进制比特信号的初步恢复,纠错网络用于纠正非线性映射网络恢复的错误信号,提升信号检测精度。通过搭建矿井MIMO通信系统对该模型的性能进行了验证,仿真结果表明,在模拟矿井MIMO通信环境中,在发射端调制方式,信道编码方式改变以及信道环境变化时其性能优于传统接收机。同时,相对于深度接收机模型,该模型具有更高的检测效率。这项研究为解决智能接收机译码效率低的问题提出了一个新的解决方案,并在复杂的矿井场景中证明了该模型的性能优势。

高等级公路交通事故报警和实时警示系统设计

为保障高等级公路交通安全,在最短的时间内对路网内后续车辆预警,减少二次事故的发生,文章提出了一种交通事故报警和实时警示系统:当发生交通事故时,事故报警人或发现人可通过自动报警系统报警,本系统通过警示系统向事故地点一定范围内的其他正常行驶车辆发出实时警示信息,通过听觉、视觉来警示来往车辆,避免事故的进一步扩大。

Vehicle Speed Observation Models Based on the Data on the Smartphone GPS

The development of GPS （global positioning system） receiver now can be integrated on a smartphone. GPS receiver on smartphones has been developed for location-based applications. Smartphones are very suitable to be used as an experimental tool, because smartphones are usually equipped with various types of sensors. This paper proposes a model observation vehicle speed on a road section based on the GPS data on the smartphone. Observations made by calculating the speed of the speed of vehicles moving through the data transfer at the GPS location of the smartphone, the data are then sent periodically to the server and server processing and storage of vehicle speed data. After tested with test reliability indicators use RMSE, observations with model observations speed, speed based on GPS data on a smartphone are relevant when compared with the speed directly from the vehicle＇s speedometer with the difference between the value of the difference of speed that is 3.1785 km/h.