低莱斯因子下的时频联合MMSE均衡算法

针对低莱斯因子的慢衰落时变多径信道条件下,难以有效利用信号能量,导致系统误码性能差,单纯的基于最小均方误差准则均衡（Minimum Mean Squared Error, MMSE）技术不能够有效降低误码率的实际问题。在构建信道等效模型的基础上,提出了一种利用硬判决符号重构信道,在两个信道长度内比较改判信号误差信息的时频联合判决两轮次MMSE均衡算法。仿真结果表明:通过均衡处理后的低莱斯因子信道能逼近高莱斯因子的误码特性,当信噪比为20dB时,不同莱斯因子下QPSK信号的误码率均降低至10^(-4)以下,且在一个数量级内。当信噪比为2~6dB时,系统误码率分布在10^(-1)~10^(-3)之间,要低于信号在自由空间传播的误码率,说明MMSE均衡充分利用了多径分量的能量,获得了信噪比增益。      

基于Contourlet变换的图像压缩感知重构

根据图像信号在Contourlet变换域的稀疏特性,分析Contourlet变换的基本原理,提出一种基于Contourlet变换的压缩感知重构方法。针对Contourlet变换的基函数并不严格规范正交、无法构造正交变换矩阵的问题,采用改进梯度投影算法恢复稀疏处理后的系数,在保证图像质量的情况下,实现图像的低速率重构。实验结果表明,该算法的鲁棒性较好。     

基于半监督联合神经网络的调制识别算法

针对基于有监督学习通信信号分类算法需要大量有标签训练样本,而在实际场合大多无法满足数量要求的问题,提出利用数据驱动模型的半监督学习方法,通过对比预测编码无监督算法预训练和有监督学习相结合,利用LSTM (long short term memory)和ResNet (residual network)联合神经网络实现小样本自动提取特征,提高小样本条件下信号识别准确率。在真实通信调制信号集上实验表明,半监督联合神经网络结构较以往方法,识别准确率提升3%-20%,小样本条件下性能提高60%,同时在低信噪比条件下识别能力突出,0dB时对11种调制信号平均识别正确率达到92%,具有明显优势。      

高速弹道目标进动微多普勒分析及脉内补偿!

弹道目标在高速运动情况下,会导致雷达回波一维距离像主瓣展宽和频谱峰值偏移,影响后续的真假弹头识别。文中首先分析了在高速运动下弹头进动的微多普勒特征,得出导致弹头进动微多普勒特征一维距离像展宽和频谱峰值偏移的相位误差,为获得理想的弹道目标微多普勒特征信息,提出应用多项相位变换的方法对脉内调制引起的相位误差进行补偿,最后的仿真实验验证了理论分析结果及所提方法的有效性。