基于调制卷积神经网络的空地数据链信道估计

针对复杂环境下空地数据链正交频分复用(OFDM)系统信道估计精度不足的问题,提出了一种基于调制卷积神经网络(MCNN)和双向长短时记忆网络(BiLSTM)结合的信道估计算法。利用最小二乘算法(LS)提取初始信道状态信息(CSI);利用MCNN网络提取初始CSI的深度特征,并对网络模型进行压缩;利用BiLSTM网络对最终CSI进行预测,实现信道估计。利用构建的空地信道模型生成信道系数数据集,实现神经网络模型的训练与测试。仿真结果表明:与传统算法和现有深度学习方法相比,所提出的信道估计算法具有更小的估计误差,高信噪比条件下的系统误码率(BER)性能提升接近一个数量级;由于引入了调制滤波器技术,随着神经网络层数增加,网络模型参数量大幅减少。      

基于信道估计自适应算法的AVLC重发机制仿真

航空甚高频链路控制(AVLC)是下一代民航地空数据链甚高频数据链模式2(VDL2)的链路服务规程.为了提高AVLC重发控制效率、减少误重发,提出了基于信道估计的监督帧发送时刻自适应算法.在OPNET平台上建立了物理层、数据链路层和子网层VDL2架构;利用动态进程建模方法,建立了AVLC模型.通过对无监督帧、监督帧发送时刻静态算法和自适应算法分别建模,开展对比仿真,验证了监督帧重发控制对于提高VDL2性能的有效性和自适应算法较静态算法的优越性.实验结果表明,在宽范围的系数合理区间内,所提出的算法可有效增加吞吐量,缩小包延时,同时可增强系统稳定性.      

数据链测试仿真评估中的信道与链路干扰仿真技术CSCD

信道和链路干扰仿真是数据链测试仿真评估系统的关键技术之一。在局域网下模拟数据链系统真实运行的无线环境的非理想特性,需要对典型应用环境的信道条件、干扰特征进行分析和建模,仿真验证数据链系统在不同环境条件下的性能。本文首先分析了几类常见的信道和链路干扰仿真工具相关模块的原理和机制,研究并提出了传输时延、信道与链路干扰、链路级仿真方法及方案,并对几个关键问题进行了分析并提出解决方案。该研究在数据链测试仿真评估系统中的验证效果良好,能够为数据链系统可靠性、稳定性提供无线信道和链路干扰模拟工具,从而为数据链系统的设计提供参考和依据。     

数据链测试仿真评估中的信道与链路干扰仿真技术

信道和链路干扰仿真是数据链测试仿真评估系统的关键技术之一。在局域网下模拟数据链系统真实运行的无线环境的非理想特性,需要对典型应用环境的信道条件、干扰特征进行分析和建模,仿真验证数据链系统在不同环境条件下的性能。本文首先分析了几类常见的信道和链路干扰仿真工具相关模块的原理和机制,研究并提出了传输时延、信道与链路干扰、链路级仿真方法及方案,并对几个关键问题进行了分析并提出解决方案。该研究在数据链测试仿真评估系统中的验证效果良好,能够为数据链系统可靠性、稳定性提供无线信道和链路干扰模拟工具,从而为数据链系统的设计提供参考和依据。     

压扩与预失真结合的峰均功率比抑制方法

针对压扩法中峰均功率比抑制与系统误码率之间的矛盾,提出了一种压扩与预失真结合的方法.用Bussgang定理推导出正交频分复用信号经过非线性功率放大器后,在加性高斯白噪声信道下子载波信噪比的计算公式.用理想预失真代替非线性功放,再对线性压扩法进行改进.用理想预失真和改进后线性压扩的3个参数修改子载波信噪比计算公式,进而得到系统误码率.仿真结果表明:通过调整3个参数,在获得相同峰均比抑制效果及误码率的情况下,所提出方法的信噪比门限改善了0.8 dB.     

深空星间链路信道建模及硬件模拟器研制

针对深空通信信道距离长、信噪比低、链路损耗巨大等特点，提出了太阳闪烁与多径效应影响下的深空星间链路信道理论模型。在此基础上，构建了一个基于硬件现场可编程门阵列和控制计算机的深空星间链路信道模拟器，有效模拟了深空星间通信的多径衰落、传播路径损耗和信道延迟，规避了投入高、风险高、耗时长的实地通信实验。实测结果表明，该深空星间链路模拟器输出的载噪比及误比特率波形与理论结果吻合，可用于实验室条件下对深空星间链路的实时模拟复现。     

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。      

OFDM系统的自适应低秩信道估计

为了降低正交频分复用OFDM(Orthogonal Frequency division Multiplexing)系统中最小均方误差MMSE(Minimum Mean Square Error)信道估计算法的复杂度,并且改善由于信道的统计特性与先验知识不匹配而导致的MMSE估计性能恶化,提出了一种自适应的低秩信道估计算法.该算法利用信道的时间平均相关取代统计相关,结合了基于特征值分解的低秩建模,从而近似地实现MMSE估计.借助于子空间跟踪,该算法可以自适应地估计信道相关矩阵的主特征空间及噪声方差,以迭代的方式逼近最优的MMSE估计,而且复杂度较低.进一步分析指出基于信道延时子空间跟踪的估计算法是该算法的一种特例,理论分析和仿真结果均表明这种新算法在低信噪比时可以显著改善信道估计的准确性.      

一种基于链路状态的舱内环境自适应干扰消除算法

针对舱内无线光传输系统多种干扰问题,比如多径损耗和突发干扰等,提出一种基于链路状态的自适应干扰消除技术,该方法分析舱内链路状态,完成链路状态估计,采用环境自适应的变遗忘因子RLS（recursive least squares）算法,针对不同链路状态采取差异化的干扰消除策略,以提高舱内通信质量。仿真结果表明：该算法在尽力避免增加算法复杂度的条件下,相对于传统固定遗忘因子算法,在平稳状态下优先保证传输的误码性能,在链路状态变化时具有更好的收敛性能,灵活适应了舱内多种传输情况。     

面向空中威胁的无人机动态碰撞区建模与分析

针对现有方法一般是基于时间或距离的定值来确定碰撞区域的问题,提出了一种基于入侵机和无人机(UAV)运动信息的无人机动态碰撞区建模方法.首先,根据无人机与入侵机的运动状态、两机之间的最小安全距离等信息,通过几何方法得出无人机不采取任何规避机动时两机将发生碰撞区域的解析表达式,即无机动碰撞区数学模型;其次,考虑无人机的机动能力约束,计算了无人机采取最大过载转弯机动(左转或右转)时两机恰好避免碰撞发生的边界,即最大机动碰撞区数学模型;在此基础上,提出了不可规避区的概念;进而定义了安全飞行包络,它是无人机能够规避入侵机威胁的分界线;最后通过理论和仿真结合分析了影响各区域的主要因素.仿真与分析结果表明所建碰撞区不仅可以帮助无人机选择规避机动方式,而且能够帮助无人机判定常规避撞机动是否失败,并使无人机及时采取最大过载转弯机动,对无人机安全避撞决策具有实际参考价值.