随着5G乃至未来6G无线通信技术的发展,无线通信设备数量呈现爆炸式增长趋势。与之矛盾的是,电磁频谱环境日趋拥堵,接近枯竭的传统通信频段已无法满足激增的业务需求。在此背景下,面向雷达与通信的频谱共享的一体化信号引起了工业界和学...随着5G乃至未来6G无线通信技术的发展,无线通信设备数量呈现爆炸式增长趋势。与之矛盾的是,电磁频谱环境日趋拥堵,接近枯竭的传统通信频段已无法满足激增的业务需求。在此背景下,面向雷达与通信的频谱共享的一体化信号引起了工业界和学术界的极大关注。然而,在匹配滤波框架下,一体化信号无法兼顾雷达和通信性能。通信信息势必会在雷达模糊函数中产生高旁瓣和伪峰。为此,部分学者基于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)共享信号,提出将高旁瓣和伪峰外推至雷达观测窗口外的失配处理方法,用以兼顾雷达模糊性能。然而,该方法会产生信噪比损失,且信噪比损失随观测窗口增大而增大。鉴于此,本文提出融合失配处理和最小均方(Least Mean Square,LMS)滤波的算法。通过LMS和失配处理的深度融合,可突破信噪比损失与观测窗口宽度之间的约束,进而能在不减小观测范围的条件下降低信噪比损失,或在相同信噪比损失下大幅提升观测范围。展开更多
文摘随着5G乃至未来6G无线通信技术的发展,无线通信设备数量呈现爆炸式增长趋势。与之矛盾的是,电磁频谱环境日趋拥堵,接近枯竭的传统通信频段已无法满足激增的业务需求。在此背景下,面向雷达与通信的频谱共享的一体化信号引起了工业界和学术界的极大关注。然而,在匹配滤波框架下,一体化信号无法兼顾雷达和通信性能。通信信息势必会在雷达模糊函数中产生高旁瓣和伪峰。为此,部分学者基于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)共享信号,提出将高旁瓣和伪峰外推至雷达观测窗口外的失配处理方法,用以兼顾雷达模糊性能。然而,该方法会产生信噪比损失,且信噪比损失随观测窗口增大而增大。鉴于此,本文提出融合失配处理和最小均方(Least Mean Square,LMS)滤波的算法。通过LMS和失配处理的深度融合,可突破信噪比损失与观测窗口宽度之间的约束,进而能在不减小观测范围的条件下降低信噪比损失,或在相同信噪比损失下大幅提升观测范围。