排序方式: 共有43条查询结果,搜索用时 15 毫秒
1.
针对帧切割方法中门限选择难度大及方法普适性不高的问题,本文首次提出基于卷积神经网络的物理帧切割方法。该方法首先通过分析矩阵的构造、数据压缩和矩阵扩展3个步骤将数字序列转化为图像;然后用已有的样本训练卷积神经网络,用训练好的卷积神经网络识别未知协议的帧长;最后在帧长识别的基础上,通过相关滤波方法完成帧起始位置的识别,实现对物理帧的切割。仿真实验验证了算法的有效性,表明本文方法具有一定的工程应用价值。 相似文献
2.
提出一种基于伪逆谱的OFDM 信号盲检测方法,方法充分利用了OFDM信号伪逆谱谱线的隐含周期性,具有较强的抑制加性干扰和乘性干扰的能力,能够在较低的信噪比条件下快速准确地检测OFDM信号,可以精确估计出OFDM信号的子载波频率间隔、符号周期、信号带宽、子载波数目,具有运算量小、精度高、适于硬件实现等特点。仿真结果进一步说明了该检测方法的有效性。 相似文献
3.
针对传统MQAM信号载频与符号率估计算法在脉冲噪声下性能不佳甚至失效的问题,该文结合分数低阶矩与共变理论,推导了MQAM的分数低阶循环谱密度函数,并分析了升余弦脉冲成型条件下的MQAM信号循环谱特征。将分数低阶矩引入离散频域平滑谱(DFSM)估计。提出了一种基于分数低阶矩的MQAM载波频率与符号率联合参数估计算法,采用相邻谱切面求平均的方法,有效的避免了由于分辨率不足造成估计误差。仿真实验结果表明,与二阶DFSM循环谱估计算法相比,本文算法不仅能够抑制脉冲噪声的影响,而且在较为恶劣的噪声条件下均能有效的估计MQAM信号的载频与符号率,具有更好的抗干扰能力与适用性,适用于不同调制阶数的MQAM信号。 相似文献
4.
5.
针对误码条件下LDPC码校验矩阵难以逆向构造的问题,提出了一种LDPC码校验矩阵的盲识别算法。首先,构造含错矩阵,对其进行列消元,得到其对偶向量;然后,筛选出对偶向量中的有效LDPC码校验向量,剔除被截获数据中的含错码组;对上述步骤进行迭代,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相对容易的线性约束关系的重建问题。仿真结果表明,在误码率不高于10~(-4)的非合作条件下,接收方可以重建发送方使用的LDPC码校验矩阵。 相似文献
6.
为了充分挖掘高维特征空间中辐射源的细微特征, 提出一种基于全局潜在低秩表示(Global Latent Low Rank Representation, GLat-LRR)的通信辐射源潜在细微特征提取方法.首先, 提取通信辐射源信号的瞬时频率, 通过傅里叶变换将信号投影到高维特征空间; 挖掘特征样本之间全局的低秩结构和维度之间全局的潜在低秩关系, 将特征样本集作为整体应用到潜在低秩表示模型中, 利用维度之间低秩关系得到特征样本集的潜在部分矩阵, 每个列向量即为每个通信辐射源信号的潜在细微特征向量.在实际采集的同厂家同型号FM电台数据集上, 该方法提取的潜在细微特征能够显著提高通信辐射源个体识别的性能. 相似文献
7.
针对在少量有标签样本条件下传统方法训练不充分而且难以准确提取通信电台指纹特征的问题,文中提出基于边际Fisher深度自编码器的电台指纹特征提取算法.以深度自编码器为基础,训练过程分为无监督预训练、基于边际Fisher映射的有监督训练两部分.首先挖掘海量无标签样本中包含的电台个体类别信息,用于深度自编码器最优参数训练.然后在有标签样本的辅助下对训练参数进行基于边际Fisher映射的有监督精校,提高指纹特征对同类型电台个体的鉴别能力.在多个通信电台数据集上进行的分类识别实验表明,文中算法能在小样本训练条件下有效表达同类型通信电台个体之间的差异. 相似文献
8.
9.
10.
针对低信噪比多径信道下传统的正交频分复用(OFDM)信号子载波数估计方法存在估计性能不高,计算复杂度高等问题,提出了一种新颖的OFDM信号子载波数估计方法。首先计算接收信号的自相关矩阵,然后对接收信号的自相关矩阵进行特征分解,提取分解后的特征值,最后根据特征值的分布特性实现子载波数目的估计。仿真实验结果验证了我们的方法在高斯白噪声信道和多径信道条件下对OFDM信号子载波数估计的有效性与可靠性。 相似文献