相较于传统的无线电数据特征提取方法,深度学习具有高效灵活的特点,其可以有效提高调制数据识别的性能。然而在实践中,收集大量可靠的无线电调制样本数据有时代价是昂贵和困难的,这在很大程度上限制了深度学习模型的性能。本文提出了基...相较于传统的无线电数据特征提取方法,深度学习具有高效灵活的特点,其可以有效提高调制数据识别的性能。然而在实践中,收集大量可靠的无线电调制样本数据有时代价是昂贵和困难的,这在很大程度上限制了深度学习模型的性能。本文提出了基于生成对抗网络(Generative Adversarial Networks,GAN)的无线电调制数据增扩模型RMAbGAN(Radio Modulation data Augmentation based on Generative Adversarial Networks),该模型通过挖掘不同信噪比与调制方式下的无线电调制数据特征差异,生成符合调制方式与信噪比特点的无线电调制数据,模型中的生成器部分捕获无线电调制数据分布特征,辨识器部分优化生成器性能,两者相互博弈性能不断提升;在此基础上,对无线电数据采样特点与无线电数据传统增强方法进行深度分析与研究,发现了无线电调制数据蕴含的空域特征与时序特征,设计出了能深刻捕获无线电数据空域特征与时序特征的无线电数据分类模型AMCST(Automatic Modulation Classification based Spatial and Temporal feature)。通过大量的对比实验,表明相较于基于旋转变换的无线电调制数据增扩模型,RMAbGAN模型在无线电调制数据增扩方面更具有鲁棒性和泛化能力,可以实现更高的调制分类准确率。此外,相较基于长短期记忆网络(Long Short-Term Memory,LSTM)的调制分类模型、基于残差网络(Residual Networks,ResNet)的调制分类模型等传统模型,AMCST模型在调制数据分类方面更具有稳定性和可用性,同时也具有更高的分类准确率。展开更多
为了提高BPM短波数据服务性能,一种有效的途径是研究合理的数据调制方式。针对现有BPM短波授时系统的时码发播实验方案存在数据传输率低、易受干扰等问题,在不影响现有系统信号格式的基础上,提出一种可应用于BPM短波授时系统的高速率OFD...为了提高BPM短波数据服务性能,一种有效的途径是研究合理的数据调制方式。针对现有BPM短波授时系统的时码发播实验方案存在数据传输率低、易受干扰等问题,在不影响现有系统信号格式的基础上,提出一种可应用于BPM短波授时系统的高速率OFDM(orthogonal frequency division multiplexing)数据调制方式。给出了一种兼容性设计方案,分析了基带OFDM系统模型,提出了一种基于频率分集的OFDM数据调制方式以抵抗短波信道的频率选择性衰落。通过理论分析与几种具有代表性的参数设计方案的仿真实验,初步验证了提出的数据调制方式的有效性,同时针对实际工程应用给出了一些有参考价值的结论与建议。展开更多
设计采用反馈控制的方法改善脉冲调制器输出高压脉冲幅度稳定性,分析了实现稳定性目标对数据采集系统软、硬件的要求,介绍了相关的实验测试和信号处理方法。数据采集系统由Stratix ii FPGA开发板、AD6645、上位PC机组成,借用差分放大器...设计采用反馈控制的方法改善脉冲调制器输出高压脉冲幅度稳定性,分析了实现稳定性目标对数据采集系统软、硬件的要求,介绍了相关的实验测试和信号处理方法。数据采集系统由Stratix ii FPGA开发板、AD6645、上位PC机组成,借用差分放大器提高测量分辨率。数据处理采用脉冲采样样本均值作为表征幅度的特征量,并采用平均、插值、数字滤波、BP神经网络等方法来提高幅度监测值的分辨率能力和抗干扰能力。展开更多
文摘相较于传统的无线电数据特征提取方法,深度学习具有高效灵活的特点,其可以有效提高调制数据识别的性能。然而在实践中,收集大量可靠的无线电调制样本数据有时代价是昂贵和困难的,这在很大程度上限制了深度学习模型的性能。本文提出了基于生成对抗网络(Generative Adversarial Networks,GAN)的无线电调制数据增扩模型RMAbGAN(Radio Modulation data Augmentation based on Generative Adversarial Networks),该模型通过挖掘不同信噪比与调制方式下的无线电调制数据特征差异,生成符合调制方式与信噪比特点的无线电调制数据,模型中的生成器部分捕获无线电调制数据分布特征,辨识器部分优化生成器性能,两者相互博弈性能不断提升;在此基础上,对无线电数据采样特点与无线电数据传统增强方法进行深度分析与研究,发现了无线电调制数据蕴含的空域特征与时序特征,设计出了能深刻捕获无线电数据空域特征与时序特征的无线电数据分类模型AMCST(Automatic Modulation Classification based Spatial and Temporal feature)。通过大量的对比实验,表明相较于基于旋转变换的无线电调制数据增扩模型,RMAbGAN模型在无线电调制数据增扩方面更具有鲁棒性和泛化能力,可以实现更高的调制分类准确率。此外,相较基于长短期记忆网络(Long Short-Term Memory,LSTM)的调制分类模型、基于残差网络(Residual Networks,ResNet)的调制分类模型等传统模型,AMCST模型在调制数据分类方面更具有稳定性和可用性,同时也具有更高的分类准确率。
文摘为了提高BPM短波数据服务性能,一种有效的途径是研究合理的数据调制方式。针对现有BPM短波授时系统的时码发播实验方案存在数据传输率低、易受干扰等问题,在不影响现有系统信号格式的基础上,提出一种可应用于BPM短波授时系统的高速率OFDM(orthogonal frequency division multiplexing)数据调制方式。给出了一种兼容性设计方案,分析了基带OFDM系统模型,提出了一种基于频率分集的OFDM数据调制方式以抵抗短波信道的频率选择性衰落。通过理论分析与几种具有代表性的参数设计方案的仿真实验,初步验证了提出的数据调制方式的有效性,同时针对实际工程应用给出了一些有参考价值的结论与建议。
文摘设计采用反馈控制的方法改善脉冲调制器输出高压脉冲幅度稳定性,分析了实现稳定性目标对数据采集系统软、硬件的要求,介绍了相关的实验测试和信号处理方法。数据采集系统由Stratix ii FPGA开发板、AD6645、上位PC机组成,借用差分放大器提高测量分辨率。数据处理采用脉冲采样样本均值作为表征幅度的特征量,并采用平均、插值、数字滤波、BP神经网络等方法来提高幅度监测值的分辨率能力和抗干扰能力。
