基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主，其感知性能过于依赖预定的统计模型，这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析，结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识，可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则，在神经网络输出端设计了一种基于阈值的检测方案，可方便地控制恒定的虚警概率。仿真结果表明，所提算法在信噪比为–14 dB的情况下，仍能达到83%的检测性能，且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。     

激光通信中的分集检测技术

在大气弱湍流模型下,应用Monte Carlo方法,通过产生符合光信号的对数幅度联合概率分布的数据,近似模拟计算了分集接收机的逐符号最大似然检测算法的似然比.研究了减少Monte Carlo方法中仿真点的个数对逐符号最大似然检测的分集接收机检测性能估计的影响.随后提出一种基于训练序列的分集检测方法.该方法在未知衰落分布相关信息的情况下,利用每帧内引入的一定长度的训练序列提供了某一较短时间间隔内的大气湍流信道的信息,基于与似然比表达式结构相似的算法获得改善的检测效果.仿真结果表明在各个分集接收机之间存在较强相关性的情况下,该算法仍可实现有效的检测.      

基于神经网络的OFDM信道补偿与信号检测

针对非线性失真和多径效应混合的复杂信道条件，提出一种基于神经网络的正交频分复用（OFDM）信道补偿与信号检测的方法。首先接收端信号利用最小二乘（LS）算法和迫零（ZF）算法做预处理，然后再输入到一层全链接层的神经网络进行进一步的信道补偿与信号检测，并恢复数据流。仿真结果表明，在没有进行输入信号功率回退（IBO）时，所提方法的误比特率（BER）性能比LS算法提升2个数量级，比线性最小均方误差（LMMSE）、最小均方误差（MMSE）提升一个数量级；在进行IBO后，所提方法能避免LS信道估计下至少4 dB的功率损失，能避免LMMSE、MMSE信道估计下至少2 dB的功率损失。所提方法在一定程度上验证了机器学习结合通信的先验知识的这种新的网络结构更能提升系统数据传输的准确率。      

空时交织码

提出了一种可在频率选择性信道中获得分集增益的满速率满分集空时码.由于所设计方案在不同的天线上设置不同的随机交织器,因此称之为空时交织码.证明了该码满足准静态频选衰落信道满分集准则,并且无速率损失.由于方案仅在各天线处增加交织器,因此易于推广至多个发射天线的场景.同时交织器还使接收机可通过迭代检测逼近最大似然检测性能,因此分别设计了两种迭代接收结构,一种是直接在卷积关系与相等关系间迭代,另一种是在叠加关系、多路卷积关系与相等关系间进行迭代.这些简化了接收机复杂度,使之随发射天线数线性增长.与频选信道中的其他空时码方案相比,该方案在速率、分集以及复杂度方面做出了有效折中.仿真表明,瑞利块衰落信道中该码性能接近多重分集理论曲线.     

基于特征序列的时域STBC-OFDM盲识别算法

为有效解决STBC-OFDM信号盲识别过程中存在的低信噪比适应能力弱等问题，在OFDM块大小已知的前提下，提出了一种在时域上构造特征序列的识别算法。该算法推导了空时分组码接收信号的时域特性，以及四阶特征向量，并构造特征序列，通过检测特征序列达到识别4种STBC-OFDM信号的目的。推导和仿真结果表明:所提算法无需信道、噪声、调制方式和OFDM块起始位置等先验信息，在较低信噪比条件下也具有良好的识别性能，且对频偏、多普勒频移和时延的鲁棒性能好，计算量较低，具有较高的实用价值。      

电网信号高准确度频谱插值测量算法

在非同步采样条件下,利用快速傅里叶变换算法分析电网谐波时将出现由长范围频谱泄漏、短范围频谱泄漏、负频点频谱泄漏等造成的测量误差.为了提高测量准确度,推导了频谱泄漏误差的表达式.针对工频交流正弦信号,提出了一种能够同时消除短范围频谱泄漏和负频点频谱泄漏的插值算法.仿真结果和实际的测量实验结果表明:与已有的插值算法相比,所提算法不需要对信号施加特殊的窗函数,在非同步采样程度较大的情况下,利用较少的采样样本便可准确地获得信号的频率、幅值和相位,适用于对准确度要求很高的精密测量领域.     

基于BDS/GPS的KBLMS信道补偿多径缓减算法

在全球卫星导航系统（GNSS）中，针对城市峡谷单系统无法定位及信号失锁后重新捕获及跟踪性能表现不佳的问题，提出了一种基于BDS/GPS的卡尔曼最小均方估计（KBLMS）的信道补偿技术。首先，建立双系统模型。其次，设计基于卡尔曼估计的最小均方误差的延迟估计模块，补偿接收信号上的多径失真。最后，设计视距（LOS）最佳估计块以在反馈回路中产生控制误差信号，用于自适应地更新补偿矩阵系数。通过实测数据与实验仿真，分析KBLMS的信道补偿多径缓减算法的性能。结果表明:KBLMS的信道补偿多径缓减技术相较于最小均方（LMS）算法在多径信道中能快速收敛，且码跟踪误差在ENU三个维度误差减少了0.1 chip，载波跟踪误差减少了约0.125 cm，有效降低了多径效应引起的误差，最终残余误差比LMS降低了0.035 chip，说明所提多径缓减算法可以进行更为精准的估计，从而验证了算法的有效性。      

利用无线通信链路进行基于深度学习的大雾天气监测

为了以低成本、高时空分辨率进行大雾天气监测，提出一种利用无线通信链路进行基于深度学习的大雾天气监测方法。由于信道中不同浓度的大雾天气在信号中留有的特征不同，采集了4种不同浓度大雾下的无线电信号，建立无线电大雾天气监测数据集；通过在传统ResNet50网络中引入注意力机制并进行特征融合，得到改进后的A-ResNet50模型。利用A-ResNet50网络提取接收信号中留有的不同浓度大雾天气的特征，对四类不同浓度大雾天气进行分类识别，达到监测大雾天气的目的。所提方法在建立的数据集上进行了验证，相较于其他传统分类算法，本方法性能最优，最终识别准确率达到86.18 %，结果证明了该方法的可行性和有效性。     

异步双卫星MIMO系统中的空时编码方案

双卫星多输入多输出（MIMO,Multiple-Input Multiple-Output）系统中不同路径间传播时延的差异会造成接收信号不同步。针对该系统中接收信号不同步问题,提出一种时间反转全码率全分集空时编码方案。该方案中对发送的符号序列进行空时编码后,利用交织改变符号向量发送的时间顺序并对发送数据进行分组。将其中一组数据进行时间反转并插入保护间隔,使接收机在信号不同步的情况下仍然能够获得全码率和全分集增益,同时保留低复杂度最优译码算法的适用性。仿真结果表明,与传统方案相比,提出的空时编码方案能够获得最优的性能。另外,系统采用高阶调制方式或信道条件较差时,该方案的性能增益更大。     

机载PLC信道传递函数建模与概率保证分析

采用电源线通信(PLC)技术替代部分机载电子设备之间的数据电缆可以简化布线并实现减重。根据机载电源线环境及航空电子通信要求，需要解决信道衰落及噪声干扰条件下PLC实时性能评价问题。针对机载电源线的布线拓扑结构，采用“自底向上”构造电压比方程的形式给出了PLC信道传递函数的建模方法；推导得出信道传递函数、信道增益和瞬时信道容量之间的关系；在有效容量理论框架下，通过论证积压队列的非空概率与服务质量(QoS)指数的关系，使得能够从瞬时信道容量简便地求得延迟违规概率，用以评价实时性能的概率保证。通过仿真验证了延迟违规概率算法的准确性，并得到不同信道传递函数条件下延迟界限与违规概率的关系，说明了信道衰落显著地影响延迟约束下机载PLC系统的概率保证实时通信速率。      

基于自适应门限的改进BigBand算法

BigBand算法是一种利用信号普遍稀疏特性的欠采样算法。传统BigBand算法依靠经验设置固定门限,在低信噪比和噪声变化剧烈的情况下,频谱混叠会使噪声的值被叠加放大,信号与噪声难以明显区分,频谱感知能力差。针对该问题,提出了一种基于自适应门限的改进BigBand算法,利用预设信号虚警概率获得初始噪声门限和信号门限,并根据感知环境信噪比动态调整门限阈值,再依据经验选择噪声或信号门限作为门限阈值进行信号判决与感知。实验结果表明,相较于传统BigBand算法,该改进算法能适应低信噪比和噪声变化剧烈的环境,抗干扰性较好,具有更好的频谱感知能力。     

基于深度学习的无人机数据链信噪比估计算法

无人机数据链通信受到各种自然与人为的干扰,信噪比（SNR）是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络（CNN）与长短时记忆（LSTM）网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。      

基于认知无线电的GEO与LEO卫星频谱共存

随着新的宽带多媒体业务的发展，宽带无线频谱的需求日益增长。同时，低轨道（LEO）卫星由于其传输损耗低、传播时延小而被大规模部署。为了更好地利用频谱资源，卫星通信系统普遍采用高轨道（GEO）卫星与LEO卫星频谱共存的方案来提高频谱利用率。在频谱共存的过程中，提出了一种基于动态阈值的能量检测与波束跳跃相结合的算法，以减小LEO对GEO卫星的干扰。首先对LEO卫星的信噪比进行估计并实时选择最优阈值，然后利用基于动态阈值的能量检测算法对GEO卫星信号进行判别，最后根据判断的结果进行波束调整。仿真结果表明，提出的基于动态阈值的能量检测算法的检测误差明显低于传统的基于固定阈值的能量检测算法和基于二阶循环统计量的频谱感知方法。当信噪比低于-10dB的情况下，检测误差低于0.2；而当信噪比高于-5dB时，检测误差趋近于0。     

基于瞬时相关频域检测的复合调制引信定距方法

为了实现混沌调相与线性调频复合调制无线电引信对不同散射特性的地面目标的精确定距功能，提出一种基于瞬时相关频域检测的复合调制引信定距方法。在时域瞬时相关处理之前，对本地预设混沌码与目标回波信号以码元宽度为采样周期进行同步采样；为减小目标回波幅值对定距方法的影响，以二维快速傅里叶变换（2D-FFT）提取目标的距离、速度信息，以相关窗位置、谐波包络主瓣位置、稳定的多普勒频率3个特征量作为定距依据，从频域角度进行精确定距。仿真结果表明:所提方法的判定结果只与目标信号信噪比有关，而与信号幅值具体大小无关；所提方法可在-28 dB的极低信噪比条件下实现复合调制引信对不同散射特性地面目标的精确定距功能。      

基于自适应谱估计的跳频捕获技术

提出了一种基于谱估计的跳频(FH, Frequency Hopping)信号的捕获方法,建立了自回归自适应谱估计模型和算法,通过计算信号频谱估计了跳频信号的瞬时频率.当频率估计存在偏差时,为了避免错误判决,实现稳健捕获,给出了一种新的捕获逻辑.在高斯白噪声( AWGN, Additive-White Gaussian Noise)环境和瑞利(Rayleigh)衰落环境下,对不同天线阵元数目情况下的捕获性能包括平均捕获时间和误码率进行了数值仿真.仿真结果表明:谱估计算法能快速准确地估计出信号频率,实现跳频信号的快速捕获.      

基于高分辨率网络的单声道歌声分离

单声道歌声分离是指将单声道歌曲中的伴奏和歌声分离，在旋律提取、歌词识别、卡拉OK伴奏等方面有重要应用。针对当前时频谱图预测精度受限的问题，利用高分辨率网络具有并行结构及特征充分交互提高模型性能的优势，提出基于高分辨率网络的单声道歌声分离算法。设计并构建适合单声道歌声分离的高分辨率网络，输入歌曲的时频谱图到网络，得到预测的伴奏和歌声时频谱图。结合歌曲相位进行重构，得到伴奏和歌声的时域信号。实验表明，在公开数据集MIR-1K上，所提算法的SNR、SIR、SAR指标均优于当前代表性算法，提高了分离后伴奏和歌声的质量。      

基于卷积盲分离的强干扰下通信信号分离算法

针对目前通信辐射源个体识别算法在实际试验中由于各类干扰信号和多径衰落导致识别率较低的问题,提出一种用于识别算法前端的信号分离算法,可有效地减少其他电磁信号对于识别算法输入信号的影响,从而提高在复杂电磁环境中通信辐射源个体识别的正确识别率。该算法将灾变策略和搜索状态的自适应引入量子粒子群算法,通过对混合信号的联合对角化从截获的观测信号中提取出目标通信辐射源的有用信号。为了更加系统、直观地衡量算法的分离效果,提出分离熵来量化算法的整体性能。仿真结果表明,该分离算法可以把目标通信辐射源的有用信号从复杂电磁环境中提取出来,从而提高通信辐射源个体识别在复杂电磁环境中的正确识别率,具有较好的可行性和有效性。     

MIMO-CDMA系统中的相位编码技术

在角扩散不充分的贫散射环境中,MIMO(Multiple In Multiple Out)系统的信道传输矩阵的奇异值分布不均匀,导致系统容量下降.针对这个问题提出了一种相位编码技术.通过人为地制造多径,将贫散射环境下的病态相关矩阵改造为良态矩阵,从而使MIMO技术能够在天线间空间相关性很强的平坦衰落信道环境中应用,扩展了MIMO技术的应用范围;并且在发端没有信道信息的情况下仍然能够把MIMO信道等效为独立并联信道,省去了预编码和信道信息的反馈,降低了系统复杂度.从理论上分析和介绍相位编码技术的基本原理,给出仿真结果,其结果与理论分析一致.      

一种强散射杂光下的快速星点提取算法

火工品爆破法实现星箭分离时产生大量灰尘颗粒，星敏感器被强散射杂光干扰，导致上电初期，星敏感器长时间停留在全天球模式，无法实现姿态捕获.本文通过对散射杂光成像进行建模和分析，提出杂光条件下的星点图像与无杂光时的星点图像具有近似的能量分布特征，进而提出一种基于互相关系数的快速星点提取算法，可在强散射杂光条件下快速提取出有效的星点窗口图像，然后利用窗口提星算法提取出有效星点，最终实现快速姿态捕获.开展了不同杂光条件下的星点提取和姿态识别仿真，通过本文算法与原有算法做对比，验证了本文算法在不同工况下的星点提取能力和姿态捕获方面均具有优势.     

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置，提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制，在障碍分布密集时选择最安全的路径，在障碍物分布稀松的环境中，利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外，还引入了搜索树，可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能，在障碍物分布稀松时效果更加明显，且可实现死角检测并能通过狭长通道。