动态Ad Hoc网络关键节点识别*

针对传统关键节点识别方法不能适应Ad Hoc网络拓扑动态性、计算复杂度高等问题,本文提出一种基于网络连通性和节点删除法相结合的关键节点识别方法。该方法首先根据Ad Hoc网络信息传播特点,给出Ad Hoc网络连通性定义,其次提出一种新的最短距离计算方法求解网络连通性,达到降低算法时间复杂度的目的,最后根据节点删除后对网络连通性造成的破坏程度对节点进行关键性排序。实验结果表明,本文提出的识别方法比传统的识别方法更能适应动态Ad Hoc网络关键节点识别,具有一定的应用价值。     

基于优先级避让的防碰撞算法研究

针对时隙随机分配的非确定性防碰撞算法可能出现的标签饥渴问题,提出了一种基于优先级避让的防碰撞算法。该算法将每一轮的标签识别过程分为标签预约和标签读取两个阶段,并根据标签在读写器作用范围内的驻留时间分配优先级。当预约时隙中出现碰撞时,读写器利用碰撞因子估计标签数量,当判断两个优先级不同的标签同时选择一个时隙时,优先级低的标签将在读取过程中主动避让,从而使对应的读取时隙避免碰撞。理论分析和仿真实验表明,该算法不仅可以有效减少碰撞时隙,提高系统的吞吐率,而且可以较好的解决标签饥渴问题,降低标签的漏检率,特别适用于标签数量大且对漏检率有严格要求的RFID系统。     

基于IQ图特征的小样本通信辐射源个体识别

在真实的战场环境中,我们很难采集到足够的带标签的敌方辐射源数据,因此,小样本学习变得越来越重要。通过不断地发展,CNN神经网络有着很强的处理图片分类的能力。在小样本条件下,为了充分利用发展最为成熟的CNN神经网络,本文提出了将一维IQ数据转化成二维的IQ图特征的方法,来进行针对小样本的分类任务。由于数据的IQ图具有重复性与个体的差异性,通过实验,这种方法在识别不同个体超短波电台上有着99.5%的正确率,对比双谱特征,IQ图特征具有更强的识别能力。这种特征变换方法简单,并且CNN网络处理图片分类的技术成熟,具有很强的实用性。      

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.     

短循环前缀OFDM信号参数估计方法研究

为了克服传统的OFDM信号参数估计方法在短循环前缀条件需要大量OFDM符号、估计性能较低、抗多径衰落能力差等缺点,本文提出了一种新的短循环前缀OFDM信号参数估计方法。该算法利用OFDM信号模型推导出接收端的傅里叶逆变换模型函数,然后在此基础上根据OFDM信号的先验概率密度构造一种多参数融合的极大似然函数,并从理论上说明了可以通过检测似然函数的最小值实现OFDM信号循环前缀长度和有效符号长度的联合估计。同时,本文还利用动态粒子群优化算法（DPSO）降低了搜索复杂度,缩短了估计时间。仿真实验展示本文算法在不同环境下对OFDM信号参数估计的鲁棒性,表明本文算法的识别性能优于传统方法。      

基于线性约束关系的LDPC码校验矩阵盲识别算法

针对误码条件下低密度奇偶校验码(LDPC)的校验矩阵难以逆向构造的问题,提出了基于线性约束关系的LDPC码校验矩阵盲识别算法。该算法通过对含错矩阵进行列消元,结合校验向量的判定准则,筛选对偶向量中LDPC码校验向量,辨识和剔除被截获数据中的含错码组然后进行迭代,不断剔除被截获数据中的误码码组,提高无误码码组的比例。将原误码条件下的棘手问题,退化为无误码条件下的线性约束关系的重建问题,进而解决了误码条件下的LDPC码的盲识别问题。仿真实验结果表明,在误码率小于10~(-4)的非合作条件下,利用本文的算法,接收方可以重建发送方使用的LDPC码校验矩阵。     

基于离散度分析的帧同步快速盲识别算法

本文针对协议类型未知条件下集中插入式帧同步的盲识别问题,首次提出了一种基于离散度分析的快速帧同步盲识别算法。首先,根据集中插入式帧同步的特点,通过分析比较同步码和帧内其他序列的相关性,得出集中插入式同步码都具有很小的相关旁瓣的结论;然后,根据离散度分析理论,通过计算序列的相对离散度值分析序列的相关性,利用上述方法对待识别数据进行循环切分并计算每个切分段的相对离散度值,达到准确切分帧同步码的目的;最后,通过分析各子切分序列的相对离散度值,实现同步码的准确识别。仿真试验验证了本文算法的有效性,表明识别算法不受同步码型和数据量的约束,并且算法的抗误码性能较好、识别速度较快,因此具有一定的工程应用价值。      

基于特征值分解的直扩信号信息序列和伪码序列盲估计方法

本文研究了非协作扩频通信中短码直扩信号的盲解扩问题,针对现有方法在低信噪比条件下失步时间估计不准等问题,本文提出了一种改进的基于特征值分解的直扩信号信息和伪码序列盲估计方法。方法首先定义了第一类接收信号自相关矩阵,并根据其特征值分解的特点,利用矩阵特征值与失步点的关系完成信号失步点的估计,随后利用特征向量在伪码序列未知的情况下估计出信息序列。失步点估计完成以后,再利用第二类接收信号自相关矩阵的特征向量实现伪码序列的盲估计。实验结果表明方法具有估计精度高、稳定性好、抗噪性能强的优点。      

一种新颖的LDPC编码系统码率识别方法

LDPC码编码识别是信道编码识别中的难点。随着LDPC码在通信领域的广泛应用,LDPC码编码识别技术也引起越来越多的关注。针对在低信噪比条件下,现有算法对LDPC码编码参数识别率低的问题,首先利用信道输出的软信息,将编码校验关系映射到对数似然比域,并定义编码校验对数似然比（Check log-likelihood ratio,CLLR）。然后,分析CLLR模值的统计特性,建立CLLR与待识别LDPC码参数之间的联系。最后,充分利用在不同校验矩阵下CLLR统计特性的区别,设计一种综合CLLR均值和方差特征的最大均方比判决器。从仿真结果看,在给定先验编码集合的闭集应用模式下,本文算法明显优于已有算法,识别增益在低信噪比环境下可达2~5 dB。而且对于高码率LDPC码的识别,本算法可以显著提高识别性能。     

Alpha稳定分布下基于RHMy滤波的MQAM信号码元速率估计方法

针对Alpha稳定分布噪声环境下,传统的MQAM信号码元速率估计方法性能恶化甚至完全失效的问题,本文结合了改进的Myriad类滤波与小波变换法的优点,提出一种基于递归混合Myriad滤波(Recursive Hybrid Myriad filter, RHMy)的高阶消失矩二次小波变换法对MQAM信号进行码元速率估计。首先采用RHMy滤波充分抑制噪声中的脉冲成分,再采用高阶消失矩小波估计码元速率。仿真结果表明,在Alpha稳定分布噪声环境中,相比于多尺度Haar小波变换法、分数低阶循环谱法与基于加权Myriad滤波(Weighted Myriad filter, WMy)的小波变换法,该方法有效的提高了低广义信噪比下的估计精度,同时在不同的脉冲噪声条件下具有较好的鲁棒性。