特高压输电线舞动监测技术研究

针对现有输电线舞动测量精度不高、数据传输量过大等局限性,在现有微位移测量的微波比相测距技术工作的基础上,提出了1种基于智能天线、扩频技术的特高压输电线舞动监测方案,并对系统的工作原理进行了详细阐述。方案中智能天线对安装在特高压输电线上的多个无线电信标的空间角、距离信息进行监测,利用角度和距离信息计算获得特高压输电线舞动量。针对多信标的空间角估计需求,提出了1种基于平面阵的酉-旋转不变参数估计的改进算法,并对算法进行了仿真分析。仿真结果表明,提出的算法可以精确估计信标的角度信息,结合微波比相测距技术得到的距离信息,可对特高压输电线舞动进行高精度实时监测。     

无线Mesh多网关接入链路调度时间下限计算方法

针对目前无线Mesh网络尚未解决多网关接入时最小链路调度时间下限估计的问题,提出一种计算该时间下限的方法,其本质是基于资源分配的Pareto 优化计算过程. 采用拉格朗日方法进行求解,并通过Lyapunov函数找出基于最优速率的多网关接入的最小链路调度时间. 该方法不仅能准确地计算出最小链路调度时间下限,并用于评估网络性能,还能优化无线Mesh网络上行链路调度速率,提高链路的吞吐量.     

G形DMS结构高选择性低通滤波器的分析与设计

提出一种新颖的G形缺陷微带结构(DMS)微带线,以G形DMS为结构单元,设计并实现了一种具有高选择性和宽阻带特性的微带低通滤波器.与传统的DMS结构相比,G形DMS具有更低的谐振频率和更宽的阻带抑制.对设计的滤波器进行了测试,实测结果表明:该滤波器3dB截止频率为3.17GHz,频率选择性达189dB/GHz,同时在3.4GHz ～ 10GHz阻带内抑制度大于25dB,有效地抑制了二次和三次谐波.该滤波器占用大小仅为26mm×15mm,实测结果与仿真良好吻合,表明了该DMS的有效性及实用性.     

基于扩展卡尔曼滤波的MIMO迭代信道估计方法

针对高速移动场景下信道快衰落、非平稳等特性导致下行链路信道估计性能受限的问题,提出了一种适用于高速移动环境下行链路的MIMO信道估计方法.采用自回归过程对信道建模,构造自反馈的扩展卡尔曼滤波器(EKF)追踪信道响应及其时域相关系数.采用迭代接收机的结构解决了在MIMO环境下观测方程欠定的问题.仿真结果表明,在高速移动环境下所提方法相较于最小二乘估计等传统方法提升了信道估计的均方误差和系统的误码率性能,可应用于高速列车无线通信设备的接收机基带信号处理系统.     

基于稀疏面阵的低复杂度三维信源定位算法

针对3维信源定位中阵列结构过于复杂、算法复杂度过高、谱峰搜索范围过大的问题,该文提出一种基于互素线阵互素平移的稀疏面阵(CLACS-SPA)的3维降秩MUSIC算法(RARE-MUSIC)。所提CLACS-SPA拥有中心对称的互素稀疏面阵结构,相较于同口径均匀面阵结构减少了大量的阵元,降低了阵列的结构复杂度;以CLACS-SPA为基础的3维RARE-MUSIC算法利用泰勒公式将接收信号中的方向信息与距离信息进行分离估计,从而将3维谱峰搜索转化为方位角俯仰角的2维搜索和距离项的1维搜索,降低了定位算法的计算复杂度。仿真分析表明:在口径与定位算法相同条件下,与均匀面阵结构相比,所提结构的计算复杂度降低了1～2个数量级;在相同口径与CLACS-SPA结构下,与经典3维MUSIC算法相比,所提算法的复杂度降低了2～3个数量级;在相同口径和阵元数量条件下,与经典3维MUSIC算法相比,所提算法不仅降低了计算复杂度,而且提升了方位角与俯仰角的测量精度。     

基于小波变换的优化LDA人脸特征提取

运用小波进行图像分解提取低频子带图,并利用优化的线性判别分析(LDA)算法寻找最优投影子空间,从而映射提取人脸特征,实现人脸的分类识别。该方法避免了传统LDA算法中类内离散度矩阵非奇异的要求,解决了边缘类重叠问题,具有更广泛的应用空间。实验表明:该方法优于传统的LDA方法和主分量分析(PCA)方法。     

基于三峡库区水环境监测的WSN信息融合算法

由于三峡库区水环境监测无线传感器网络的信息量大,为了减小数据传输的能量开销,构建了一种新的无线传感器网络信息融合模型,采用了一种结合基于最小二乘原理的加权和关系矩阵的分布式信息融合算法,分析了该信息融合算法的基本原理和实现方法。实验结果表明:该分布式信息融合算法能有效去除冗余信息,提高了数据的准确度,降低了节点数传的能量消耗,延长了无线传感器网络的生命周期,降低了系统成本。     

基于携能通信的非信任双向中继网络安全传输方案

针对非信任双向中继网络的能量受限和信息安全问题,该文提出一种基于无线携能通信(SWIPT)与人工噪声辅助的物理层安全传输方案。该方案中的非信任中继采用功率分割(PS)策略辅助合法用户进行保密通信,而全双工干扰机在进行能量采集的同时发送人工噪声以确保系统安全。以最大化系统保密性能为目标,优化了中继的PS因子,推导了保密和速率的解析式及高信噪比条件下最佳PS因子的闭式解。特别针对非理想信道状态信息的情况,分析了信道估计误差对系统保密性能的影响。仿真结果验证了理论推导的正确性,并证明了所提的基于PS策略的干扰机协同传输方案相比采用时间切换(TS)策略或目的节点协同干扰的方案具有更优的保密性能。     

高速移动环境下基于深度学习的信道估计方法

针对高速移动环境下信道快时变、非平稳特性导致下行链路信道估计性能受限的问题,本文提出一种基于深度学习的信道估计网络,即ChanEstNet.ChanEstNet使用卷积神经网络（Convolutional Neural Network,CNN）提取信道响应特征矢量和循环神经网络（Recurrent Neural Network,RNN）进行信道估计.我们利用标准的高速信道数据对学习网络进行离线训练,充分挖掘训练样本中的信道信息,使其学习到高速移动环境下信道快时变和非平稳的特点,更好的跟踪高速环境下信道的变化特征.仿真结果表明,在高速移动环境下,与传统方法相比,所提信道估计方法计算复杂度低,性能提升明显.     

高速场景下基于叠加导频的迭代EKF信道估计方法

针对正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统在高速移动场景下时/频域选择性衰落（双选衰落）和非平稳特性给信道估计带来的技术挑战,本文采用导频与数据叠加的帧结构,提出一种基于基扩展模型（Basis Expansion Model,BEM）的迭代扩展卡尔曼滤波（iterative Extend-Kalman Filter,iEKF）信道估计方法.基于BEM信道模型且采用EKF信道估计方法可以联合估计出信道冲激响应（Channel Impulse Response,CIR）与时变的时域自相关系数,有效消除子载波间干扰（Inter Carrier Interference,ICI）.同时,为了进一步消除叠加导频位置处的数据符号干扰,我们提出将叠加位置处的数据和导频先解耦、后重构再进行迭代EKF的信道估计方法.仿真分析表明,相较传统叠加导频的信道估计方法和导频符号辅助调制（Pilot Symbol Assisted Modulation,PSAM）估计方法,本文提出的信道估计方法在高速场景特别是低信噪比的条件下,具有更高的估计精度,更强的鲁棒性及更大的吞吐量.