基于近端策略优化的智能抗干扰决策算法

针对现有基于深度强化学习的智能抗干扰方法应用于天地测控通信链路时,用于决策的深度神经网络结构复杂,卫星等飞行器资源受限,难以在有限的复杂度约束下独立完成复杂神经网络的及时训练,抗干扰决策无法收敛的问题,提出了一种基于近端策略优化的智能抗干扰决策算法。分别在飞行器和地面站部署决策神经网络和训练神经网络,地面站根据飞行器反馈的经验信息进行最优化离线训练,辅助决策神经网络进行参数更新,在满足飞行器资源约束的同时实现有效的抗干扰策略选择。仿真结果表明,与基于策略梯度和基于深度Q学习的决策算法相比,所提算法收敛速度提升37%,收敛后的系统容量提升25%。

全双工测控链路自干扰抑制设计与实验验证

为解决航天测控业务日益增加与航天测控链路频谱资源紧缺之间的矛盾,提出、设计并实验验证了一种同时同频全双工测控链路的实现架构,采用空域、射频域和数字域联合的多域自干扰抵消机制,在保证测距精度的前提下,达到提升频谱效率的目的。空域自干扰抵消模块设计了共口面馈源高隔离度一体化抛物面天线,收发阵元间采用结构化扼流措施,降低了收发阵元间的耦合效应,提高了天线系统的隔离度。射频域自干扰抵消模块采用多抽头自干扰抵消方法,建立了多抽头重建射频信号模型,以残余干扰功率最小化为目标,给出了多抽头系数的最小范数解。数字域自干扰抵消模块采用重建自干扰抵消方式,建立了数字域非线性自干扰信号模型,提出了最小二乘估计非线性系数的方法。通过计算仿真和外场实验验证了全双工测控链路多域自干扰抵消架构的可行性和有效性,在确保测距精度条件下自干扰总抑制度达到156.5 dB。

卫星通信干扰信号识别技术研究现状及展望

随着通信技术的发展,卫星通信系统面临着日益严重的干扰问题以及干扰识别技术的挑战。针对这一现状,介绍了常见的卫星干扰信号样式及卫星干扰信号的发展趋势,分别从基于特征提取的干扰识别方法、传统机器学习方法以及深度学习方法3个方面介绍了卫星干扰信号分类识别技术的研究现状,分析了其各自的优势与不足。最后对未来卫星干扰信号分类识别技术进行了展望。

面向阵列级同时同频收发的宽带自干扰空域抑制

具备阵列级同时同频收发能力的多功能一体化平台,面临发射阵列对接收阵列的强自干扰问题。针对这一问题,该文设计了一种宽带自干扰空域抑制方法,构造了限制主波束增益损失条件下,最小化残余自干扰和噪声功率的非凸优化问题,提出了交替迭代的优化算法联合求解发射和接收数字波束成形系数,从理论上分析了所提算法的自干扰抑制极限性能,并给出了所提算法的计算复杂度。分析和仿真结果表明,给定2.4 GHz工作频率,100 MHz带宽,主波束增益损失限制在3 dB时,收发各30阵元的相控阵列宽带自干扰空域抑制能力,即有效各向同性隔离度达到168 dB,距离自干扰抑制性能极限差距7 dB。

基于深度学习的非扩跳频通信体制窄带干扰抑制技术

复杂环境下的无线业务在近年来呈现数据密集化发展趋势,对无线通信系统的数据传输能力和干扰对抗能力都提出了更高的要求。现有扩跳频通信体制通过牺牲时频资源利用率换取干扰对抗能力,难以满足复杂环境下的高速数据传输需求。为此,提出了一种基于深度学习的非扩跳频通信体制窄带干扰抑制技术,在非扩跳频通信体制基础上,在接收端级联频域陷波模块和深度神经网络模块有效抑制窄带干扰,同时提升数据传输速率和干扰抑制能力。其中,深度神经网络用于从频域陷波后的失真信号中重构真实信号。实验结果表明,与传统频域陷波算法相比,所提出的算法具有更低的误码率,训练好的深度神经网络能够泛化到不同信号强度、干扰强度、干扰频段、干扰波形等场景。

面向无人机的通信感知一体化系统自干扰消除技术

在无人机通信场景中,机载通信感知一体化系统受到本地信号发射带来的强烈自干扰影响,导致系统对目标的感知性能降低.针对这一挑战,提出基于正交频分复用(OFDM)的通信感知一体化自干扰消除方法.首先,建立基于OFDM的通信感知一体化系统回波模型,并引入自干扰信号;然后,利用最小二乘算法估计自干扰信号的信道增益,并利用该增益对自干扰信号进行重建和抑制;最后,通过无人机通信场景下的仿真实验验证所提方法的有效性.结果表明,该方法能够将自干扰信号抑制到噪声功率水平,将目标回波信号的信干噪比提升近10.00 dB,从而有效提高系统的感知性能.

蜂窝网络下同时同频全双工设备到设备组网的干扰协调算法

蜂窝网络下的同时同频全双工(CCFD)设备到设备(D2D)组网可以进一步提升网络频谱效率,然而由此引入的残余自干扰(RSI)及蜂窝用户(CU)与D2D用户(DU)之间共享频谱的干扰会严重影响到蜂窝用户的体验。因此,该文为蜂窝网络下同时同频全双工组网设计了两种干扰协调算法,即CU和速率最大化算法(MaxSumCU)与CU最小速率最大化算法(MaxMinCU),在小区频谱效率得到提升的同时尽可能地保证CU的体验。对于MaxSumCU算法,该文以CU和速率为优化目标建立混合整数非线性规划问题(MINLP),其在数学上为非确定性多项式(NP-hard)问题。算法将其分解为功率控制与频谱资源分配两个子问题,并用图形规划找到最优功率解后,使用二向图最大权值匹配算法决定频谱共享的CU与DU。为了保证每一个蜂窝用户体验的公平性,该文设计了Max Min CU算法用以最大化所有CU速率中的最小值,该算法基于二分查找与二向图最小权值匹配算法来完成用户的资源分配。数值结果表明,与小区和速率最大化(MaxSumCell)设计相比,该文所提的两种算法在提升小区和速率的同时均有效地提升了蜂窝用户的体验。

非合作信号射频域干扰对消技术研究

随着通信技术的发展,当今的无线通信不再只追求高速率,更是将安全性作为衡量通信质量的一个重要指标,而确保安全通信的一个主要方式就是干扰抑制。根据干扰抑制的不同阶段,可以将其划分为空域抗干扰、射频域抗干扰、数字域抗干扰等,其中关于空域抗干扰和数字域抗干扰的研究已较为成熟,而针对射频域的抗干扰研究大部分聚焦于系统自干扰,关于非合作干扰的射频域抗干扰研究几乎是空白。因此,针对非合作干扰信号,提出了一种射频域干扰对消系统架构,采用多根天线接收干扰信号,利用不同天线之间的时延差和增益差实现主通道的干扰功率抑制,从而确保信号进入功率放大器后不会使器件饱和。仿真结果表明,所提干扰对消架构在无干扰先验信息的情况下,针对窄带干扰与宽带干扰均有较为良好的抑制能力,证明了该架构的可行性。

面向大容量海洋移动通信的阵列级全双工自干扰抑制

为提高海洋移动通信容量,扩大通信范围,降低传输延时,提出采用双波束发射的阵列级同时收发全双工架构。针对发射阵列对接收阵列的强自干扰问题,设计一种空域数字域联合自干扰抑制算法。空域利用交替迭代算法优化发射和接收波束成形系数;数字域依据最小二乘准则求解线性滤波器的重构系数,重建和对消自干扰信号,最终将残余自干扰抑制到接收机底噪附近。最后从理论上分析了自干扰抑制算法的最大有效各向同性隔离度。理论和仿真结果表明,与传统波束成形自干扰抑制算法相比,所建议的自干扰抑制算法将收发阵列隔离度提高了86.4 dB。

保密通信中同相和正交通道失衡对干扰抑制性能的影响

针对同时存在恶意干扰与非法窃听的通信环境,提出一种协作干扰(cooperative jamming,CJ)掩护的保密通信架构,收发信机之间采用跳频技术躲避恶意干扰,并采用协作干扰技术阻塞非法窃听。但该架构的通信带宽较大,会在收发频率振荡器中引起显著的同相和正交(in-phase and quadrature,IQ)通道失衡。鉴于此,对收发IQ通道失衡引起的信号失真进行数学建模,给出接收机处信干噪比的数学表达式,并给出干扰抑制比的闭合表达式。仿真结果表明,收发IQ通道失衡引起的信号失真的功率远大于热噪声功率。随着收发IQ通道失衡加剧,所提架构的信干噪比和干扰抑制比性能均会急剧下降,当幅度和相位失衡分别达到0.95和π/50时,信干噪比和干扰抑制比均损失了47 dB。

线性分组码的GRAND算法研究

随着5G通信技术的发展与应用,高可靠低时延通信场景下的短包信道编译码技术受到了广泛关注。GRAND是一种通用的最大似然译码算法,与传统译码算法不同,GRAND算法通过噪声猜测和码本查询来确定发送码字,具有高效的硬件实现结构。介绍了GRAND及其改进算法的基本原理,通过仿真分析了不同GRAND算法的误码率性能;针对5G NR的LDPC短码以及PAC短码给出了GRAND算法的设计方案,为未来移动通信的短码设计提供参考。

无人机平台运动状态下节点间高精度时间同步

节点间的时间同步是无人机集群资源调度、协同定位、数据融合的基础,在同步精度要求较高的场景中常用双向时间同步进行节点间的时间同步。然而无人机的相对运动会导致两次同步消息的传播时延不等,进而引起时间同步误差。针对该问题,首先从线性方程组求解角度分析了时间同步误差的产生原因,提出了一种利用双触发双向时间同步以增加方程个数、并在节点匀速运动前提下减少未知量个数的方法。然后推导了该方法下钟差的求解公式,结果表明钟差求解与节点的匀速运动速度无关。随后比较了在加性高斯白噪声信道中双触发式双向时间同步方法与现有运动补偿方法的钟差估计性能,并分析了时间戳处理时延和速度改变对钟差求解精度的影响。最后通过外场实验验证了双触发式双向时间同步的有效性。仿真及实验结果表明,相比于传统双向时间同步,双触发式双向时间同步不会因节点的匀速运动导致主从节点间的时间同步出现系统偏差。

飞行自组织网的全双工双向时间传递技术研究

针对飞行自组网(FANET)中节点间相对运动导致双向时间传递精度下降的问题,该文提出一种全双工双向时间传递(TWTT)方法。首先,根据全双工双向时间传递过程构造了需要求解的方程组,推导了单次时间传递的同步误差表达式;然后,分析了在无频偏和有频偏条件下,迭代进行全双工双向时间传递的收敛性;最后,通过仿真分析和实验验证比较了全双工双向时间传递方法和传统双向时间传递方法的性能。仿真和实验结果表明,全双工双向时间传递方法在节点高速机动下,时间同步精度可达到与物理层时间戳相同的精度,优于现有的运动补偿方法。

面向无人平台的新型人工噪声生成与抑制

无线通信因其广播信道的天然特性,面临被窃听的风险。针对无人机组网通信系统的物理层安全问题,考虑无人机平台因体积和功耗等因素信号处理能力受限,提出了一种适应无人机平台的新型人工噪声生成与抑制方法。发射端以期望信号作为参考,利用过去信号分段中符号的相位信息构建当前信号分段的乘性人工噪声;将过去的信号分段以不同权重叠加,构成当前信号分段的加性人工噪声。授权接收端通过相位补偿和差分操作分别抑制乘性和加性人工噪声。两种人工噪声既可以联合设计也可以独立设计,根据不同的信道环境选择合适的人工噪声波形。理论分析和仿真表明所提方法生成和抑制人工噪声的算法复杂度低,能有效恶化窃听信道的信噪比,提升系统安全容量,实现物理层安全通信。所提方法同样能应用于其他节点处理能力受限的大规模组网系统,为其提供物理层安全传输手段。

基于Arnold变换的抗截获波形设计方法

随着安全通信要求的提高,卫星通信信号的隐蔽性备受关注。提出了一种基于Arnold变换的抗截获波形设计方法,采用图像领域中的Arnold变换,将扩频信号在频域进行置乱后发送,使得置乱后的信号在时域上不具备扩频信号的周期特性,在频域上更具有随机特性,提高信号传输的安全性。经Arnold变换后的信号采用时延相关法进行检测,不能检测出明显的相关峰。根据时延相关的结果,采用峰均比(Peak-to-Average Power Ratio, PAPR)检测,分析置乱信号的检测概率。与传统扩频信号相比,设计的信号波形在相同信噪比和检测门限条件下,具有更低的检测概率,抗截获性能更好。经过仿真验证可知,接收端根据Arnold反变换,恢复出包含有重要信息的原始信号,并且经过Arnold变化后的信号几乎不会造成误码率的波动和提升。

基于异或自反性与射频指纹的无线组播密钥生成方法

随着物联网技术的发展,组播通信的需求日益增大。异或加密作为最简单高效的加密方法之一,在信息安全方面有着广泛的应用。本文针对组播通信安全需求,设计了一种基于异或自反性和射频指纹的组密钥生成方法。为解决多个终端在密钥生成过程中的传输资源选择冲突问题,提出基于扩频和公私钥密码体系的用户标识方法。先利用射频指纹对用户认证,并在组播用户间形成密钥随机源;然后,利用异或的自反特性实现分布式密钥生成。将射频指纹与公私钥密码体系结合,不仅为射频指纹的识别结果提供了参考,还为组播通信下密钥协商时的通信资源选择提供了方法。为评估射频指纹识别的影响,提出并实验验证了一种基于时频分析与深度学习的射频指纹识别算法。最后,分析了所提方法的密钥生成率、资源选择冲突和密钥生成效率,展示了所提方法的可行性和有效性。分析发现所提方法相比于传统方法,分布式的密钥源使得密钥生成效率随着节点数的增大而提高。对组密钥被攻破概率的窃听模型仿真结果表明,在生成同样长度的密钥时,与遍历搜索密钥空间比较,基于窃听者遍历搜索设备射频指纹特性的条件,破解所提方法组密钥的复杂度要高出一至四个数量级,验证了本文方法的安全性。

面向太赫兹通信覆盖增强的确定性信道建模分析

作为6G网络关键候选技术之一的太赫兹通信,其严重的路径损耗和阻塞敏感性对太赫兹信号覆盖范围造成了极大限制。一系列的太赫兹通信覆盖增强技术被提出。为了更好地在实际环境中对覆盖增强技术进行个性化的设计与部署,针对相应太赫兹无线信道展开建模分析。介绍了太赫兹通信的确定性信道建模方法,针对射线追踪(Ray Tracing, RT)方法进行了探讨,阐述了辅助太赫兹通信覆盖增强的相关技术。基于RT方法构建了面向太赫兹通信覆盖增强的确定性信道模型实例,验证了相关技术对太赫兹通信覆盖具有增强的效果,并对建模的相应挑战展开了讨论。对RT方法在未来太赫兹通信技术的应用进行了展望。

一种星载数模混合阵列结构及波束形成算法

6G星地融合网络对卫星通信系统提出了高速率低时延低能耗的要求,由于星地链路信道环境复杂多变且容易受到干扰,需要研究干扰场景下的低成本可实现阵列架构及算法。针对这一问题,设计了一种数模混合阵列结构,子阵采用50%稀疏馈电以及最小二乘波束形成算法,超阵采用最小二乘与线性约束最小方差波束形成算法,并理论分析了阵列结构的可行性,证明子阵的零点能够抑制超阵的栅瓣。仿真结果表明,该结构以更低的复杂度实现了大规模阵列的效果,波束方向图指向明确且零陷深度足够,对干扰的抑制明显,获得了接近理想阵列增益的BER性能。

基于改进遗传算法的入侵检测技术的设计与实现

天地一体化网络处在开放的电磁环境中,会时常遭受恶意网络入侵。为解决网络中绕过安全机制的非授权行为对系统进行攻击的问题,提出一种改进的遗传算法。该算法以决策树算法为适应度函数,通过删除数据集中的冗余特征,显著提高了对网络攻击的拦截率。通过机器学习进行异常分类,并利用遗传算法的特征选择功能,增强机器学习方法的分类效率。为验证算法的有效性,选用UNSW_NB15和UGRansome1819数据集进行训练和检测。使用随机森林、人工神经网络、K近邻和支持向量机等4种机器学习分类器进行评估,采用准确性、F1分数、召回率和混淆矩阵等指标评估算法的性能。实验证明,遗传算法作为特征选择工具能够显著提高分类准确性,并在算法性能上取得显著改善。同时,为解决弱分类器的不稳定性,提出一种集成学习优化技术,将弱分类器和强分类器集成进行优化。实验证实了该优化算法在提高弱分类器稳定性方面性能卓越。

相关性增强的OFDM粗同步序列分析与设计

正交频分复用技术(Orthogonal frequency-division multiplexing, OFDM)在通信领域被广泛应用,OFDM信号在接收时要求子载波严格正交,同步精度对传输效果影响很大,因此OFDM信号同步始终是该领域的一个研究重点。首先,包含同步序列的同步算法可分为自相关和互相关两类,文章分析了各类算法的特点,尤其针对S&C、Minn、Park、Ren四种经典自相关算法和Two-Stage算法的优势和局限做出详细讨论,并比较了上述算法的理论公式复杂度与迭代计算复杂度。其次,本文设计了一种自相关同步序列结构以及对应的度量函数和频偏估计算法;其核心原理是在同步序列间引入相关性,增大计算度量函数时引入的数据点数,通过提高计算复杂度提高同步精度,尽量避免度量函数出现副峰;该算法还保留了迭代计算的特性,便于硬件实现。最后,在比较提出算法和其他经典算法的同步效果时,用度量函数最大值落在接收信号保护间隔内的概率刻画定时准确度,用归一化频偏的均方误差(Mean square error,MSE)刻画频偏估计精度。仿真结果表明,在加性高斯白噪声(Additive white Gaussian noise,AWGN)信道和两径信道下,算法的定时准确度优于其他经典自相关算法,与Two-Stage算法接近,但是复杂度比前者低。此外,得益于提出算法在低信噪比下较高的定时准确度,其在AWGN信道下的频偏估计精度优于其他经典自相关算法;在两径信道下,以20 dB为界,信噪比在20 dB以下时提出算法的频偏估计精度更高。