在实际测向系统中,当弱信号和强干扰空间临近时,空间谱测向系统仅能对强干扰进行波达方向(Direction of Arrival,DOA)估计,弱信号DOA估计性能下降甚至失效。针对这一问题,研究了空间谱扩展噪声子空间算法结合通道幅相误差校正,在强干扰...在实际测向系统中,当弱信号和强干扰空间临近时,空间谱测向系统仅能对强干扰进行波达方向(Direction of Arrival,DOA)估计,弱信号DOA估计性能下降甚至失效。针对这一问题,研究了空间谱扩展噪声子空间算法结合通道幅相误差校正,在强干扰抑制条件下对弱信号进行DOA估计的方法。该方法对采样信号的噪声协方差进行去加权处理,并对空间谱扩展噪声子空间算法的空间谱导向矢量进行修正。基于通用软件无线电外设(Universal SoftwareRadioPeripheral,USRP)和印刷偶极子线形天线阵构建实验平台,实验结果证明空间谱扩展噪声子空间算法结合改进的通道幅相误差校正方法,能对临近干扰源进行空间谱抑制的同时,实现对弱信号的DOA估计。展开更多
随着信号采集设备的带宽越来越宽,大量感兴趣或者不感兴趣信号被捕捉,多信号的盲识别问题是一个难题,更是一个亟需解决的问题。传统的识别大都基于功率、频谱或相位等诸多先验知识进行模板匹配,但在全盲条件下对多信号进行自适应识别是...随着信号采集设备的带宽越来越宽,大量感兴趣或者不感兴趣信号被捕捉,多信号的盲识别问题是一个难题,更是一个亟需解决的问题。传统的识别大都基于功率、频谱或相位等诸多先验知识进行模板匹配,但在全盲条件下对多信号进行自适应识别是一个更加复杂的问题。为此,提出了一种基于通用软件无线电外设(Universal Software Radio Peripheral,USRP)、片上射频网络(RF Network on Chips,RFNOC)和Keras的自适应信号盲识别算法。首先构造基于深度学习的神经网络,然后使用初始IQ数据、初始功率谱密度数据和快速傅里叶变换(Fast Fourier Transform,FFT)累积算法处理后的谱相关密度数据等三种不同的初始数据去训练它,利用其自适应性实现多信号的盲识别,最后通过基于USRP、RFNOC和Keras的软硬件验证了该算法的有效性和鲁棒性。展开更多
针对当前流行的OAI(Open Air Interface)LTE软件无线电平台缺少详细的用户面时延测试分析,提出关键模块分离测试方法。首先,从OAI平台通信架构的角度出发,分割软硬件模块并进行逐一研究,分析产生时延的机制;然后,通过平台测试,获得实际...针对当前流行的OAI(Open Air Interface)LTE软件无线电平台缺少详细的用户面时延测试分析,提出关键模块分离测试方法。首先,从OAI平台通信架构的角度出发,分割软硬件模块并进行逐一研究,分析产生时延的机制;然后,通过平台测试,获得实际情况下的时延数据;最后,对测试数据进行分析,验证所提测试方法的正确性。实验采用的测试平台为OAI,能够为其他SDR LTE平台时延研究提供理论基础和时延测试方法,同时也可为SDR在4G/5G通信系统的应用研究提供不可估量的科研价值。展开更多
文摘在实际测向系统中,当弱信号和强干扰空间临近时,空间谱测向系统仅能对强干扰进行波达方向(Direction of Arrival,DOA)估计,弱信号DOA估计性能下降甚至失效。针对这一问题,研究了空间谱扩展噪声子空间算法结合通道幅相误差校正,在强干扰抑制条件下对弱信号进行DOA估计的方法。该方法对采样信号的噪声协方差进行去加权处理,并对空间谱扩展噪声子空间算法的空间谱导向矢量进行修正。基于通用软件无线电外设(Universal SoftwareRadioPeripheral,USRP)和印刷偶极子线形天线阵构建实验平台,实验结果证明空间谱扩展噪声子空间算法结合改进的通道幅相误差校正方法,能对临近干扰源进行空间谱抑制的同时,实现对弱信号的DOA估计。
文摘随着信号采集设备的带宽越来越宽,大量感兴趣或者不感兴趣信号被捕捉,多信号的盲识别问题是一个难题,更是一个亟需解决的问题。传统的识别大都基于功率、频谱或相位等诸多先验知识进行模板匹配,但在全盲条件下对多信号进行自适应识别是一个更加复杂的问题。为此,提出了一种基于通用软件无线电外设(Universal Software Radio Peripheral,USRP)、片上射频网络(RF Network on Chips,RFNOC)和Keras的自适应信号盲识别算法。首先构造基于深度学习的神经网络,然后使用初始IQ数据、初始功率谱密度数据和快速傅里叶变换(Fast Fourier Transform,FFT)累积算法处理后的谱相关密度数据等三种不同的初始数据去训练它,利用其自适应性实现多信号的盲识别,最后通过基于USRP、RFNOC和Keras的软硬件验证了该算法的有效性和鲁棒性。
文摘针对当前流行的OAI(Open Air Interface)LTE软件无线电平台缺少详细的用户面时延测试分析,提出关键模块分离测试方法。首先,从OAI平台通信架构的角度出发,分割软硬件模块并进行逐一研究,分析产生时延的机制;然后,通过平台测试,获得实际情况下的时延数据;最后,对测试数据进行分析,验证所提测试方法的正确性。实验采用的测试平台为OAI,能够为其他SDR LTE平台时延研究提供理论基础和时延测试方法,同时也可为SDR在4G/5G通信系统的应用研究提供不可估量的科研价值。