面向可变信道环境的真实射频信号数据集构建

基于深度学习的射频指纹(Radio Frequency Fingerprinting, RFF)识别具有增强物理层安全性能的潜力。近年来,为了满足深度学习对大规模数据的需求,提出了几种RFF数据集。然而,这些数据集是从类似的信道环境中收集的,多数仅提供来自接收器的接收数据。针对上述问题,利用软件无线电设备作为无线电信号发生器,通过自定义收发射机系统参数,如频带、调制模式、天线增益等,实现射频信号数据集的个性化定制。由于数据集是通过各种复杂的信道环境生成的,旨在更好地描述现实世界中的射频信号,因此在发射机和接收机处同时收集数据,可以模拟基于长期演进(Long Term Evolution, LTE)的真实RFF数据集。此外,通过一个基于卷积神经网络的射频指纹识别例程,验证了数据集的可用性,所提出的数据集和相关代码均可以在GitHub下载。

基于理论实践与项目创新的物联网通信实验教学改革

在“新工科”建设背景下,针对传统“物联网通信技术”课程教学内容知识点涉及面广、实验平台单一老旧等问题,本文通过引入软件无线电设备和GNU Radio软件作为实验平台,进行物联网通信实验教学改革;针对理论实践类实验侧重物联网通信基础知识点,项目创新类实验紧跟物联网新技术新应用进行剖析,积极探索教学改革并取得了良好的教学效果。

基于USRP的缩比GNSS干扰测向误差分析系统设计

针对在实际尺度下研究GNSS干扰测向误差难度较大的问题,提出采用缩比模型研究测向误差的方法,设计并实现了基于USRP的缩比测向误差分析系统。首先借用缩比的思想将实际尺寸的GNSS干扰系统按比例缩小到与教室相当的尺度;其次采用USRP模拟GNSS干扰信号源产生并发射干扰信号;最后改变模拟干扰源位置,借助喇叭天线测量干扰信号角度信息并与测向误差理论值作对比,分析研究了测向误差的特点规律及其影响因素。实验结果表明,在合理的系统和人为误差范围内该结果与理论研究吻合,且测量结果的偏差方向与天线的转动方向一致。

基于USRP的快速宽带频谱感知方法研究

认知无线电网络中,认知用户可以使用频谱空穴进行通信,从而提高频谱利用率。快速宽带频谱感知可以帮助认知用户快速发现频谱空穴。首先,分析信号采样与信道频谱感知效能之间的关系,提出保证频谱感知效能的信号采样方法;其次,分析采样速率与宽带感知速度之间的关系,提出加快感知速度的采样速率调整方法;最后,基于通用软件无线电设备和Labview软件组成的软件无线电平台,结合信号采样优化方法,实现快速宽带频谱感知。