多天线多载波信号识别技术

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:rocwingw
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
非合作通信是在通信参数未知的前提下,利用信号处理技术对接收的电磁波信号进行参数估计和解调,在军事和民用领域都有着广泛的用途。本文针对MIMO-OFDM的非合作接收问题,研究了发射天线数目、空时编码模式以及子载波数估计方法,主要研究成果如下:(1)针对MIMO系统发射天线数目估计难的问题,提出一种基于CNN的发射天线数目识别方法。该方法采用单天线接收MIMO信号,将采集的不同天线I&Q数据经过功率归一化后作为网络的样本集,送入CNN训练和测试。仿真结果表明,在多径衰落信道SNR=5d B时,七类MIMO发射天线识别正确概率值为96%;实际测试实验中直达波在SNR=5d B时,三类天线识别正确概率值为80%,在多径信道条件下未人工添加噪声时识别的正确概率值为88%。(2)针对MIMO系统中的空时分组码编码模式的盲识别问题,提出一种基于CNN和FOLP的联合识别方法。该方法第一步将AL与SM编码的I&Q数据样本混合成一个新样本数据集,送入CNN训练和测试,网络能识别包括混合类、STBC3、STBC3_1、STBC4在内的所有空时编码模式。然后第二步进行时延为1的FOLP检测,将I&Q数据以OFDM块为单位做时延为1的四阶矩运算,再对计算结果进行离散傅里叶变换,观察频谱图出现峰值的位置与理论值比较,识别AL与SM编码。仿真结果表明,联合识别方法与基于CNN算法相比较,在二径瑞利衰落信道SNR=0d B时的识别性能由80%提升到97%。(3)提出一种基于CNN的发射天线数目与子载波数联合识别算法。方法首先将单天线采集的I&Q数据进行功率归一化处理,针对五类发射天线数与三类子载波数的样本集进行多标签联合编码,样本集经过CNN进行训练,提取天线与子载波联合特征。仿真结果表明,在多径衰落SNR=5d B时,十五类多天线多载波仿真数据正确识别概率达80%;实际测试实验中直达波在SNR=5d B时,五类数据正确识别概率达83%,在多径信道条件下未人工添加噪声时网络的正确识别概率达80%。
其他文献
通常情况下,阵列波达方向(DOA)估计是利用传感器接收数据来估计某一时刻的信源角度,其在移动通信等众多领域中均有着重要的应用。而实际监测场景内,检测到的信源通常是移动的,因而需要我们进行实时的DOA跟踪。而目前多数的DOA跟踪算法都是使用多个连续快拍数据得协方差矩阵,且接收到的信号受脉冲噪声的影响难以准确估计。因此本文从单快拍量测和声矢量脉冲噪声模型入手将随机有限集理论运用到时变DOA跟踪领域,该
随着信息技术的飞跃发展,高精度定位技术在人类科研和生活中扮演着重要角色。我国的北斗三代卫星导航系统(Bei Dou Navigation Satellite System,BDS)已向全球开展导航定位和授时服务。传统载波相位差分技术的定位精度可达毫米级,但应用场景受限,需要已知位置的固定站。传统动态全球导航卫星系统(Global Navigation Satellite System,GNSS)绝
细粒度图像识别是计算机视觉领域备受关注的一个分支,在学术界和工业界都有着极其重要的价值。最近几年,深度学习被广泛研究,开始频繁应用在越来越多的领域,并取得了新的重大突破。普通的粗粒度图像识别领域与深度学习结合后也得到了很大的发展,达到了前所未有的识别精度。但由于细粒度图像识别的目标物种不同的子类之间差别极其细微,而同一子类的物种可能受到光照、遮挡、姿态以及复杂背景等多方面的影响导致在图像中呈现的外
多传感器目标跟踪是通过多个传感器相互合作,对目标的状态和数目进行有效地跟踪估计。信息融合是多传感器网络中的关键算法,该算法通过对分布在空间中不同方位的传感器所获取的数据信息进行通信融合,提取出更加精确的数据信息。多传感器相互之间的协同工作提高了整个网络系统的量测精度、增加了系统的感知维度、加快了信息处理速度以及增强了环境适应能力等。近年来,基于随机有限集理论的目标跟踪方法取得了突飞猛进的成果,也应
在现代电子电路制造领域中,电子元件缺陷造成的电路故障可能导致电子产品的安全问题。电路中的大部分故障都发生在模拟电路部分,所以各国学者针对模拟电路故障检测技术进行了大量的研究。在模拟电路故障检测领域中,深度学习技术是新兴的研究方向之一,但由于模拟电路中元件参数容差性与非线性的问题,导致深度学习模型的特征值提取非常困难,且需要选择合适的诊断模型进行故障检测。本文以单故障检测为目的,设计了一种深度学习特
随着民用无人机的普及,“低慢小”无人机黑飞事件对公众安全造成隐患,反无人机技术快速发展。为了解决空域监管的难题,设计了一套基于调制频谱特征识别的无人机探测系统。由于基于频谱特征的隐藏目标探测是一种无源的探测方式,因此本系统适合作为全天候、全天时自主无人的“低慢小”无人机探测系统,具有迫切的军民应用需求。本文以基于调制频谱特征识别的无人机探测系统的设计与实现为主要内容,从分析雷达探测、光电探测和无线
随着现代科学技术的高速发展,导航技术因其高精度、高动态和高可靠性等优点已成为备受人们关注的热门领域。其中,全球卫星导航系统(Global Navigation Satellite System,GNSS)历经50余年的发展也越来越成熟。但是,单一的GNSS存在适用环境局限性和抗干扰能力差等问题。GNSS与捷联惯性导航系统(Strapdown Inertial Navigation System,S
姿态估计是无人机(UAV)稳定可控飞行的前提,因而姿态和航向参考系统(AHRS)被广泛地应用在四旋翼无人机飞行控制中。目前,四旋翼无人机的姿态估计普遍采用磁力计、加速度计和陀螺仪(MARG)的传感器组合,但是MARG传感器容易受到各种干扰,如振动、外部磁干扰、陀螺漂移等,这些因素导致单个传感器进行姿态测量时存在较大的误差。另外,由于低成本MARG传感器其自身固有噪声较大,这会导致姿态误差与噪声之间
阵列三维合成孔径雷达(Synthetic Aperture Radar,SAR)可以实现对场景更丰富信息的观测,成为国内外雷达领域研究的热点之一。传统阵列三维SAR各阵元发射宽带信号,带来宽带信号非线性和接收端宽带信号无法有效分离的问题。频率分集阵列(Frequency Diverse Array,FDA)三维SAR各阵元发送具有频率差的单频信号,摆脱了传统阵列三维SAR发射宽带信号的限制,具有很
在现代社会,对更高数据速率通信系统的需求不断增加。在多输入多输出(Multiple Input Multiple Output,MIMO)领域,索引调制(Index Modulation,IM)技术作为一种创新性的传递信息的方式,由于在频谱、能量效率及硬件简单性方面的独特优势,IM近年来成为新的研究热点,是未来无线网络很有竞争力的候选技术之一。空间调制(Spatial Modulation)作为I