基于聚类分析的常规通信信号自动分选方法

为了从干扰环境中自动分选出常规通信信号,提出了一种基于聚类分析的信号分选方法,它主要包括测量集分割和信号跟踪两部分。测量集分割用于对频域检测和测向得到的测量集进行识别,从中获得对该测量集有贡献的窄带信号的特征参数;信号跟踪就是根据常规通信信号的特点,对截获信号进行序贯聚类,剔除干扰信号。实验结果表明,测量集分割方法的识别正确率在94％以上,能够准确估计各窄带信号的特征参数;所提出的分选方法能够从干扰环境中正确分选出常规通信信号。     

基于GPU 的宽带干涉仪测向算法实现

相关干涉仪算法具有实现简单和精度高等优点,但将其运用于宽带测向时存在运算量较大等问题,文中针对该问题提出一种基于GPU的宽带干涉仪测向算法实现,利用CUDA技术对传统相关算法进行改进,使之能够适应于GPU平台并充分发挥图形处理器强大的浮点运算能力及其出色的并行执行性,进而使算法在执行速度上能获得极大提升。算法中采用向量1范数并通过插值拟合得到来波方向的精确估计,仿真结果表明,算法在满足实时性要求的同时也能够保证较高精度。相比于CPU平台,算法的GPU实现能够获得很高的时间加速比。