MIMO-OFDM系统MMSE检测算法研究与性能分析

多输入多输出正交频分复用系统(MIMO-OFDM)结合MIMO系统和OFDM系统,既有高速大容量信号传输特性,又具有较好的抗多径信道衰落的能力.该文在介绍MIMO-OFDM系统模型及信号特性的基础上,引入最小均方最小均方误差(MMSE)算法进行信号检测,并在算法的应用中对算法实现MIMO-OFDM信号检测的原理以及信道...     

基于高阶累积量的OFDM子载波盲识别探讨

正交频分复用（OFDM）技术作为一种特殊的多载波调制技术,以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带技术的核心技术之一。同时,OFDM的广泛应用也为信息对抗、无线频谱资源管理等领域带来了一系列新的任务与挑战。因此,对非合作OFDM信号侦收技术的研究,意义深远。 由于OFDM调制方式的特殊性,在完成宽带多载波与单载波信号分类之后,接收系统有必要对OFDM信号的子载波类型进行进一步判断。文中采用基于高阶累积量的子信道调制盲识别算法作为技术路线,通过提取特征向量实现对子信道调制方式的盲识别。 在基带OFDM信号子载波调制类型识别部分,结合OFDM系统的等效标量模型,利用每个子载波上符号序列的统计特性,提取序列的高阶累积量作为识别分类特征构造算法,能够有效地抑制多径衰落所引起的功率衰减以及相位旋转对子载波调制类型识别性能的影响,结合仿真实验,我们分析了所提出算法的高效识别性能。     

一种有效的MIMO-OFDM系统时频同步方法

为了检测不同天线的时延和频偏,提高多输入多输出正交频分复用（MIMO-OFDM）系统同步算法性能,给出了一种有效的MIMO-OFDM系统定时和频率同步算法。该算法构造了一种新颖的基于恒包络零自相关码（CAZAC）的良好正交特性的训练序列结构,利用该训练序列结构可以有效地完成各发射天线的迟延和载波频偏估计。仿真结果表明,所给方法具有高的定时估计精度和低的计算复杂度,适用于各发射天线信号到达时延不同情况的MIMO-OFDM系统,具有很好的实用价值。     

基于高阶累积量的OFDM子载波盲识别探讨

正交频分复用（OFDM）技术作为一种特殊的多载波调制技术,以其高效的频谱利用率、较强的抗码间干扰能力等优点成为第四代宽带技术的核心技术之一。同时,OFDM的广泛应用也为信息对抗、无线频谱资源管理等领域带来了一系列新的任务与挑战。因此,对非合作OFDM信号侦收技术的研究,意义深远。
　　由于OFDM调制方式的特殊性,在完成宽带多载波与单载波信号分类之后,接收系统有必要对OFDM信号的子载波类型进行进一步判断。文中采用基于高阶累积量的子信道调制盲识别算法作为技术路线,通过提取特征向量实现对子信道调制方式的盲识别。
　　在基带OFDM信号子载波调制类型识别部分,结合OFDM系统的等效标量模型,利用每个子载波上符号序列的统计特性,提取序列的高阶累积量作为识别分类特征构造算法,能够有效地抑制多径衰落所引起的功率衰减以及相位旋转对子载波调制类型识别性能的影响,结合仿真实验,我们分析了所提出算法的高效识别性能。     

基于四阶循环平稳的STBC-OFDM信号盲识别

针对非理想信道环境下多输入单输出(MISO)通信系统中STBC-OFDM信号的盲识别问题,提出了一种基于四阶循环平稳的STBC-OFDM信号盲识别算法。该方法首先对MISO通信系统中STBC-OFDM信号进行建模;然后利用STBC-OFDM信号编码矩阵的相关性,结合四阶循环平稳特性,推导了不同时延向量下接收信号块的四阶循环矩;最后根据有无尖峰盲识别空时分组码的类型。该方法采用分层识别的思想,无需信道系数、噪声功率和调制方式等先验信息,适合非合作通信场所。仿真结果表明:算法适应于低信噪比的环境,且不受调制方式、相位噪声和多普勒频移影响,实用性很强。      

基于Att-BiLSTM的雷达信号调制方式识别

识别雷达信号的调制方式有助于分析雷达的工作模式和目的,为及时采取恰当的应对措施提供依据。长短时记忆网络(Long Short-Term Memory, LSTM)深度学习模型在基于特征的调制方式识别领域中有着广泛应用,但LSTM模型的时间性能会随着输入数据规模的增大而下降。针对以上问题,文中提出了一种基于注意力机制的双向长短时记忆网络（Bidirectional Long Short-Term Memory, BiLSTM）的雷达信号调制方式识别算法。该算法通过BiLSTM提取信号原始数据的特征,再使用注意力机制为学习到的特征分配相应权重,最后由分类器根据学习到的特征输出分类结果。使用Python框架构建基于注意力机制的BiLSTM网络模型,以雷达辐射源信号特征仿真数据作为网络的输入和训练基础,实现对辐射源的调制方式的识别。结果表明,该模型在识别雷达信号的调制方式方面具有良好的效果。     

MIMO-OFDM信道估计仿真实现

正交频分复用（OFDM）可以有效地将频率选择性衰落信道转化成多个并行平坦衰落信道,从而大大提高传输效率。多输入多输出正交频分复用（MIMO-OFDM）技术可以大幅度地提高无线通信系统的信道容量与传输速率,其信道估计精度对系统性能有着直接的影响。研究了基于导频插入的SISO-OFDM和MIMO-OFDM最小二乘法估计（LS）信道估计方法。采用广义平稳非相关散射下的多径时变瑞利信道模型,对各个算法进行了仿真试验,得出不同算法下信道估计的误比特曲线,比较了各个算法的性能。仿真结果表明：MIMO-OFDMLS算法在误码率性能上优于SISO-OFDM。     

一种降低MIMO-OFDM系统PAPR的低复杂度SLM算法

为了降低MIMO-OFDM(多输入多输出正交频分复用)系统中传统SLM(选择性映射)算法的计算复杂度,文章提出将原始频域信号分成实部和虚部后分别进行不同的相位旋转,再通过IFFT(快速傅里叶逆变换)调制模块得到相应的时域序列,最后通过多天线间实部和虚部序列的不同组合来产生更多的具有不同PAPR(峰均功率比)的备选序列。仿真结果表明,所提算法能有效地抑制MIMO-OFDM信号的PAPR。相比传统SLM算法能有效降低计算复杂度。     

基于CP分解的MIMO-OFDM系统接收信号盲检测

多输入多输出-正交频分复用( MIMO-OFDM)无线通信系统中接收信号从空间、时间、频率的维度形成多因素的阵列信号,传统的矢量或者矩阵代数的建模方法在处理多因素信号问题上显得不足,无法利用多因素间的关系,而张量分析在解决多维阵列信号处理的问题上具有优势。针对MIMO无线通信系统,结合OFDM技术,研究了张量信号的建模及分解方法,并充分利用张量信号的分解唯一性提高无线接收信号的检测能力。提出了基于CP( CANDECOMP/PARAFAC)张量分解方法对未知信道状态( CSI)的MIMO-OFDM系统进行接收端的张量信号建模和盲检测,并通过仿真分析验证了模型的可行性。仿真结果表明,在接收天线数目大于发送天线数目且各径信道独立情况下,基于CP分解的接收信号盲检测算法在误码率为10-4时,随着接收天线数目增加,信噪比可获得约5 dB的增益。     

MIMO—OFDM系统中降低峰均功率比技术的研究

多输入多输出正交频分复用（MIMO-OFDM）系统已成为第四代无线通信的关键技术之一，而系统所产生的高峰均功率比（PAPR）信号是限制MIMO-OFDM技术实用化的主要障碍。针对此，对MIMO-OFDM系统中现有的几种降低PAPR的传统及改进算法进行了详细介绍，并描述了改进算法相对于传统算法的主要优点。     

卫星通信信号调制识别技术研究

通信信号的调制方式识别是非协作通信领域的一个研究热点,它需要在没有任何先验条件,且环境复杂有噪声的条件下,不依赖于其它的先验知识,确定目标信号的调制方式。然后就可提取载频、码速率、滚降系数等参数,为信号的进一步深入研究提供依据。分析了几种经常用于卫星通信的MPSK调制信号和高阶调制信号16APSK,提出了一种基于高阶累积量与频谱特征的识别算法。在特定的数据长度和信噪比条件下,理论分析与仿真验证均验证了该算法易于实现、识别率高（≥95％）。     

基于深度学习网络融合的自动调制分类方法

基于深度学习网络的自动调制分类（Automatic Modulation Classification, AMC）方法虽然对大多数通信调制信号能够取得满意的分类效果,但对WBFM(Wide Band Frequency Modulation)信号和MQAM(Multiple Quadrature Amplitude Modulation)信号的分类并不理想。针对WBFM信号误判的问题,使用判决法来筛选WBFM信号;考虑到信号样本不平衡的情况,引入数据增强方法扩充筛选后的WBFM信号。针对MQAM信号混淆的问题,利用分数阶傅里叶变换（Fractional Fourier Transform, FRFT）获取时频维度更多的特征信息。在此基础上,提出一种基于特征金字塔网络和长短时记忆网络并联的多通道特征融合网络（Multi-channel Feature Fusion, MFF）来提取信号的深层特征和浅层特征进行分类。实验结果表明：本文所提方法在一定程度上能够解决WBFM信号的误判问题和MQAM信号的混淆问题;与CNN(ConvolutionalNeuralNetwork)、ResNet(R...     

基于特征融合网络的短波信号规格识别

针对目前短波信号规格识别中特征选取单一、相同调制类型信号区分能力弱的问题,提出了基于特征融合网络的信号规格识别算法,设计了一种以信号矢量图和数据流作为网络输入的识别模型。首先,通过信号预处理,得到矢量图和标准化的信号数据矩阵作为特征源,并由此设计了基于特征融合网络的信号规格识别模型;其次,利用模型的密集连接卷积算法,在避免网络退化的同时,对矢量图和数据矩阵进行深度特征提取、融合与学习,实现对目标信号的规格识别;此外,在构造短波信号数据集时设计了随机频偏策略,进一步提高网络模型的泛化能力。仿真实验表明,所提算法对含有相同调制方式的信号集识别效果较好,且模型空间小、运算速度快,当信噪比为0 dB时识别准确率可达98%。      

基于卷积神经网络联合多域特征提取的干扰识别算法

干扰识别技术是智能抗干扰通信系统中的关键技术,通过对接收信号中干扰类型的准确判别,可为无线通信系统生成最佳的抗干扰方式提供决策依据。针对无线通信系统中典型压制式干扰的识别问题,本文提出了一种基于卷积神经网络联合多域特征提取（Convolutional Neural Network-based Joint Multi-Domain Feature Extraction,CNN-JMDFE）的干扰识别算法,通过CNN同时对两种预处理增强的数据对象:时频图像与频域序列提取干扰特征,有效利用了两种数据对象的优势,提升了干扰识别性能。仿真结果表明,在对于包含动态和参数随机的干扰识别场景下,CNN-JMDFE算法在干噪比（Jamming-to-Noise Ratio,JNR）≥-2 dB时可准确识别14种类型的干扰,识别性能明显优于基于时频图像或频域序列单一数据对象的基于卷积神经网络自动特征提取（Automatic Feature Extraction-based Convolutional Neural Network,AFE-CNN）算法;与传统的人工特征提取的深度神经网络（Manual Feature Extraction-based Deep Neural Network,MFE-DNN）相比,本文算法显著提升了在低JNR下分类准确率,增强了干扰特征的抗噪性能;对于复合干扰,本文算法同样可取得良好的分类效果,当JNR≥0 dB时可准确分类10种复合干扰。      

基于时频融合的深度学习调制识别算法

自动调制识别(Automatic Modulation Recognition,AMR) 能够在缺少先验信息的条件下,识别出接收信号的调制类型,在非合作通信中起着至关重要的作用。为提高调制识别的准确率,提出了一种基于时频融合的深度学习调制识别算法。该算法将调制信号的时频图作为网络的输入,使用一维卷积分别提取信号的时频特征,并通过计算时频维度上的权重来突出重要的时频信息,使网络学习到更具区分度的时频特征。为了充分利用时频特征之间的互补性和相关性,使用了基于压缩和激励网络(Squeeze-and-Excitation Network,SENet)的时频特征融合策略。利用该网络对11种调制类型进行识别,实现了最高92.5%的识别准确率;在0 dB以上时,平均识别准确率达到90.87%,优于其他的深度学习算法。     

利用稀疏堆栈自编码器实现调制样式识别算法

针对传统调制样式识别方法性能受预先依靠经验设计的特征参数影响大问题,提出一种基于稀疏堆栈自编码器的数字调制样式识别算法。首先根据网络输入数据形式要求,为了利用信号幅度和相位所包含的调制样式信息,提出一种将复数信号预处理为网络可接受的实数形式的信号预处理方法。在网络训练阶段,先通过逐层训练得到每层稀疏自编码网络的初始化参数,再通过有监督算法对分类层训练,最后利用有监督算法进行整体优化。采用 作为分类层完成数字调制样式识别。7种数字调制样式识别的仿真实验表明了本文算法的有效性,相比于其他算法,本文算法在低信噪比时正确识别率较高,识别性能不受人为因素的影响。      

面向复杂太赫兹信道的智能调制系统设计

太赫兹通信是未来高速无线通信极具潜能的技术,受到广泛关注。在本文中,提出基于简单、稀疏空域调制的太赫兹通信系统,探索了由硬件缺陷导致的信号失真对系统性能的影响,并结合收发端失真相关性,进行了系统噪声建模,得到了发端噪声、背景噪声和收端噪声的联合模型。在此多维度噪声背景下,依据后验概率最大化准则,本文推导了太赫兹空间调制系统极大似然信号检测算法。此外,考虑到未来太赫兹通信在多域多维度通信的应用场景,传统检测算法匹配度差且复杂,本文提出了利用具有简单结构的极端学习机来实现太赫兹空间调制系统的低复杂度智能算法。仿真结果表明,本文所提出的极大似然检测算法的性能优于传统的极大似然算法,另外本文中所提出的基于极端学习机的接收机方案,其性能接近最优检测方案,并且明显优于基于深度学习网络和支持向量机的方案。      

基于小波变换的数字信号调制样式自动识别

讨论基于软件无线电技术的一种数字信号调制样式的自动识别的算法。使用小波分析提取数字调制信号的调制特征参数,研究了利用小波分析在软件无线电中常用的调制样式（BPSK／QPSK）的识别问题,对高斯白噪声中的通信信号在不同信噪比情况下进行了识别计算机仿真。仿真及实验验证了用小波分析方法针对信噪比较低、对功耗限制严格的通信系统,具有较为理想的识别能力。     

多特征融合的自适应加权采样上下文感知相关滤波跟踪算法

针对传统相关滤波器使用特征单一、背景信息不足等缺点,提出一种多特征融合的自适应加权采样的上下文感知相关滤波算法.首先,对于灰度图像序列,采用方向梯度直方图(FHOG)特征、局部二值模式(LBP)特征以及灰度特征相融合;对于彩色图像序列,则采用方向梯度直方图(FHOG)特征、局部二值模式(LBP)特征以及颜色(CN)特征...