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。      

OFDM系统定时偏差补偿算法

为了消除正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)符号定时偏差对信道估计的影响,提出了一种补偿算法.理论分析表明相移可以被看作是信道统计特性的变化,并且在使用线性插值的信道估计方法时估计误差会扩大.该算法利用符号定时偏差会引起子载波相位旋转的特点,对信道估计进行补偿.仿真结果表明,在多径信道下,在信噪比为20 dB定时位置位于循环前缀中点时,使用该算法后信道估计均方误差是通常线性插值算法的25%,因此新算法缩小了信道估计均方误差.实验结果表明,该算法提高了接收机的性能.     

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.      

基于自适应LMS算法的空间光束快速精扫描跟踪控制方法

针对空间精密光学领域与国防应用对高精度快速光束控制的需求，给出自适应最小均方（LMS）算法对压电快摆镜进行光束扫描跟踪控制。首先描述了自适应LMS控制算法及快摆镜模型辨识方法，随后仿真分析了不同频率及迭代步长对自适应LMS算法跟踪控制的影响，最后采用自适应LMS算法进行了压电快摆镜辨识及扫描跟踪控制实验。实验结果表明，自适应LMS算法对2Hz、10Hz及其复合谐波信号扫描的跟踪误差分别为2.5%(3σ)、1.9%(3σ)和2.4%(3σ)，控制效果均优于PI控制算法。这种自适应LMS算法能有效跟踪多频扫描信号，为高精度空间光束快速扫描跟踪提供了一种可靠的技术手段。     

基于小波分析的BOC信号抗多径码相位估计

卫星导航接收机需要精确地估计扩频信号的码相位并进行跟踪,估计的精度直接影响伪距测量的精度.卫星信号的多径传播使得简单的相关器估计存在较大的误差,针对未来导航系统普遍采用的BOC(Binary Offset Carrier)导航信号,提出了一种基于小波分析的估计算法来抑制多径误差,仿真的结果表明该算法比传统的窄相关和双Delta技术在性能上有很大的改进.并证明了在采用Haar小波时,该技术与相关器估计方法在极限条件下是等价的,同时该方法的算法复杂度比基于最大似然估计的方法MMT(Multipath Mitigating Technique)要低.     

基于MEDLL的分级搜索抗多径算法

以多径估计延迟锁定环路(MEDLL)为代表的参量式基带抗多径算法以其能够同时估计直达信号和多径信号各参数而受到广泛关注,然而该类算法估计精度的提高是以计算复杂度的增加为代价的。为了在保证估计精度的同时降低资源消耗并加快搜索速度,提出了一种MEDLL最大似然(ML)估计搜索方法,将粗搜索后得到的参数估计值作为下一级搜索的先验信息,缩小搜索范围后减小搜索步进,完成逐级精细的参数估计。推导了原始MEDLL及树状分级结构的MEDLL(T-MEDLL)算法计算复杂度表达式;其中在存在一路多径信号的情况下,对于0.01 chip的多径延迟分辨率,复杂度可以降低为传统盲搜索的30%~50%。进一步基于自研的数字中频(IF)GPS信号模拟器和软件GPS接收机平台对不同多径情况下盲搜索法与分级搜索算法的参数估计精度及码伪距多径误差等性能进行了对比,验证了更低计算复杂度的T-MEDLL可以达到与传统MEDLL算法同样的跟踪精度。      

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.      

数字锁相解调器的优化设计

数字锁相解调器是电磁无损检测中弱信号处理的重要方法,针对其性能优化,设计一种引入卡尔曼滤波器的数字锁相解调器,该解调器兼具了强抗噪能力及良好的动态跟踪响应特性。利用卡尔曼低通滤波器截止频率随迭代次数下降的特性,结合零点频率,设计了数字锁相解调器中的低通滤波环节,实现了非常窄的锁相带通,进而提高了抗击强噪声干扰能力。此外,利用卡尔曼滤波器的迭代预测-更新特点,实现了数字锁相解调器较小的响应时间,进而改善了数字锁相解调器的动态跟踪响应特性。仿真和检测实验证明所设计数字锁相解调器具有较高的抗噪能力和良好的动态跟踪响应特性,在电磁无损检测中能够精确、快速捕捉检测信号中包含的缺陷信息。      

一种考虑GPS信号中断的导航滤波算法

针对无人机惯性（INS）/GPS组合导航系统,考虑导航过程中存在的GPS数据中断的问题,设计了一种改进的滤波算法。首先建立了无人机导航运动学模型,再将传统的扩展卡尔曼滤波（EKF）技术和强跟踪滤波结合,利用模糊理论中的隶属度函数设计了一种模糊强跟踪扩展卡尔曼滤波（STEKF）算法。仿真结果表明,所设计的改进算法能够快速适应GPS信号突变,即当GPS信号从故障状态恢复到正常状态时,改进算法相较普通EKF算法能更快速地收敛到稳定状态,重新完成对飞行状态的估计。同时相较普通EKF和强跟踪扩展卡尔曼滤波算法,改进算法具有更高的滤波精度。      

无线定位扩展卡尔曼滤波算法的优化

设计了一种蜂窝系统无线定位中使用的扩展卡尔曼滤波(EKF)算法,对其性能进行了仿真. 通过仿真结果分析,寻找出算法优化方法. 优化方法综合了到达时间(TOA)信号测量方差和雅可比矩阵计算出预测误差,然后对算法估计出的用户位置进行修正. 仿真结果显示,优化后定位估计性能比优化前的算法性能有显著改善.      

脉冲星方位误差估计的两步卡尔曼滤波算法

为了克服钟差和卫星位置误差对脉冲星方位误差估计的影响，设计了两步卡尔曼滤波（TSKF）算法。首先，介绍了脉冲星方位误差估计的传统模型，并通过分析和仿真验证了钟差、卫星位置误差以及2种误差同时存在时会使脉冲星方位误差估计结果产生较大偏差。其次，在传统的估计模型中加入了钟差和卫星位置误差，并将钟差和钟差变化率增广为新的状态量，从而推导出包含2种误差的新模型，并证明了该模型的完全可观测性；根据该模型并按照两步卡尔曼滤波原理，得到了TSKF算法的步骤。最后，通过仿真表明:在钟差和卫星位置误差同时影响下，传统脉冲星方位误差估计算法偏差较大且发散；TSKF算法则能够有效隔离2种误差的影响，使赤经和赤纬误差估计达到0.2 mas之内的精度。      

自适应关联波门机动群目标跟踪算法

为解决中心群跟踪（CGT）算法中由于群机动造成的量测丢失、估计误差增大的问题,提出了一种基于自适应关联波门的机动群目标跟踪算法。首先,将CGT算法与交互式多模型（IMM）算法结合,并利用最新量测信息对IMM算法中的转移概率矩阵进行实时修正。其次,设计了一种用于整体机动和分离机动的自适应关联波门,根据机动时刻模型的新息协方差对其进行自适应调整,确保量测点迹进入波门。仿真结果表明,所提算法一方面减小了传统固定转移概率矩阵带来的估计误差,将优势模型的平均概率由0.58增加到了0.7;另一方面,设计的自适应关联波门有效解决了目标机动带来的有效量测减少的问题,相比于传统波门,目标失跟率减少了30%,具备工程实用性。