通信辐射源个体识别中基于l2正则化的最大相关熵算法*

为了衡量通信辐射源细微特征间的相似性,提出基于l₂正则化的最大相关熵通信辐射源个体识别算法.首先提取通信辐射源信号矩形积分双谱特征表征辐射源个体差异,并构造基于l₂正则化的最大相关熵准则的优化模型.然后利用半二次优化方法,将非线性的优化问题转化为加权线性最小二乘问题.最后利用有效集算法得到稀疏系数,并利用系数的判别信息构造分类器,实现通信辐射源的个体识别.在实际采集的同厂家同型号的FM电台数据集上验证文中算法的可行性与有效性.     

超宽带信号监测处理中关键技术研究

以瞬时带宽超过1 CHz的超宽带信号监测处理为应用背景,利用高性能FPGA和超高速ADC实现了超高速数据采集、海量数字存储的技术方案.基于此方案的终端处理系统采用软件无线电技术架构,对1 GHz超宽带信号具有实时监测处理功能、实时引导干扰能力;实验测得系统采样速率600 Msps时系统信纳比达到44dB,有效位数为7.1b,达到了较好的实验效果.     

跳频信号侦察技术研究

根据跳频通信的特点。分析了跳频侦察的基本要求。重点介绍了3种截获跳频信号的接收机方案，讨论了用于跳频信号网台分选的技术参数，并提出了跳频信号侦察技术的研究方向和发展前景。     

基于MFCC的OFDM信号子载波调制方式识别方法

针对多径信道下传统的OFDM信号子载波调制方式识别方法存在识别率不高,判决门限不易确定,子载波调制方式识别不全面等问题,提出一种基于MFCC的OFDM信号子载波调制方式识别方法.利用语音模型下的识别算法提取OFDM信号的MFCC特征参数,计算出各阶MFCC特征参数的平均标准偏差和平均变化率,并将两类参数的组合作为OFDM信号子载波调制方式分类特征量对子载波调制方式进行识别.仿真实验结果表明,该方法能够有效实现多径信道下OFDM信号子载波多种调制方式的识别,且识别性能优于传统方法.     

基于半监督矩形网络的通信电台个体识别

通信电台信号的小样本条件造成了电台个体识别准确性欠佳的问题,本文首次提出基于半监督矩形网络进行通信电台个体识别,克服小样本条件对电台个体识别效果的影响.首先提取电台信号的矩形积分双谱特征,人为注入噪声构成污染样本,在半监督矩形网络编码器中有监督训练,其训练结果通过网络径向连接传给解码器,解码器再无监督学习,重构未污染的原始样本,从网络顶层提取电台个体特征,输入softmax分类器实现分类识别.在实际采集的电台数据集上的实验结果说明,本算法在小样本条件下相比现有算法能更准确识别同型号的电台个体.     

一种正交频分复用信号信噪比估计方法

针对利用传统方法估计OFDM(正交频分复用)信号SNR(信噪比)存在算法复杂度高、步长选取不易确定等问题,提出了一种OFDM信号SNR估计算法。利用相关性函数完成对两种不同保护间隔OFDM信号的判别,并根据不同保护间隔的结构特点,分别提出两种不同的SNR估计方法,最后将判别结果与相应的SNR估计算法相结合,完成对OFDM信号的SNR估计。仿真结果表明,该算法无需辅助数据,计算简单,在不同的SNR条件下均具有较好的识别效果。     

数字化短滤全景接收机的提出与设计

数字化短波全景接收机搜索速度快、动态范围大、频率分辨率高,已成为现代化通信侦察中快速搜索接收机的一大趋势。本现代数字化短波全景接收机是一种组合式接收机,是超外差和ＦＦＴ处理相结合的宽开接收体制。     

基于模糊邻域的比较密度峰值算法

聚类作为机器学习中一种重要的无监督学习方式，在图像处理及生物基因分类上具有广泛的应用。《Clustering by fast search and find of density peaks》(DPC)提出通过寻找密度峰对数据进行分类，它既不需要迭代过程，也不需要太多参数输入。但DPC算法在球形数据集上表现较差，容易忽略潜在的聚类中心，且需要人工参与聚类中心选取。针对上述问题，本文采用模糊邻域关系计算数据密度，采用比较距离代替DPC算法中的相对距离。通过对机器学习数据集的实验，将本文提出的算法同DBSCN、OPTICS、DPC在准确率和调整兰德指数上进行比较。实验结果表明本文提出的算法可行有效      

基于软判决的LDPC码校验向量识别算法

针对现有 码校验向量识别算法的容错性差和识别率低的问题，提出了一种 码校验向量的迭代识别算法。该算法首先利用信道输出的软信息分析校验关系对数似然比的概率分布特性，找到一种校验向量的预判决方法，大幅度降低了构造校验向量的搜索空间；然后在软判决条件下，利用广义对数似然比对搜索空间中的向量进行判决，得到校验向量；最后，利用多组数据进行迭代，求解搜索空间中的校验向量。实验结果表明，与已有算法相比，本文算法的向量搜索空间大幅度降低，算法的识别率提高约15%，而且算法获得的译码增益提高约2.3 dB。     

基于相关滤波和离散度分析的帧同步识别

针对帧同步识别方法中门限选择难度大的问题和对与固定字段直接相连的同步码识别精度低的问题,提出了基于相关滤波和离散度分析的帧同步识别方法。该方法首先通过构造填充矩阵,初步消除冗余数据对帧长识别的影响;然后利用三次相关滤波自适应地调整门限值,完成帧长的识别;之后利用相关值提取关键字段;最后通过离散度分析方法将同步码与固定字段分割开,完成对同步码的精确识别。仿真结果表明,该方法在保证较高的检测概率的同时可以降低门限选择的要求,并且可以准确识别与固定字段连接的同步码。