基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

基于Matlab的量子激光雷达稳频通信模拟系统设计

传统通信模拟系统设计较为复杂,导致模拟过程消耗能量较大,不能准确模拟稳频通信质量。因此,提出基于Matlab的量子激光雷达稳频通信模拟系统。由于振荡器是雷达形成初始信号源的基础,通过分析振荡电路与相位噪声,获得相位噪声函数与通信频率存在的关系;为确保通信过程的稳定,将准确性与稳定性作为信号质量的评价指标,并采用锁频环稳频技术计算频率偏移程度,根据PID控制算法控制频率,量子激光雷达稳频通信;利用Matlab确定激光器、探测器等硬件组成结构,通过时序与数字阵列的设置完成模拟系统设计。仿真结果表明所提系统结构简便、性能稳定,能够真实模拟出稳频通信的信号质量。     

双目结构光系统仿真建模和误差灵敏度分析

结构光系统目前在三维测量、逆向工程等领域应用日益广泛,然而关于结构光系统性能评测方法的研究成果仍然很少,仅有少数国际标准给出了3D扫描系统的性能评测方法.本文首先建立了双目结构光系统的仿真模型,其中包括了相机镜头畸变模型和针孔成像模型,实现投影仪投射数字正弦条纹的仿真和被扫描的靶球特征量仿真计算,采用的三维重建方法为光学三角法.然后基于仿真模型,对其基线距离相关的误差灵敏度进行了仿真,发现靶球中心位置和靶球球心距对基线距离误差具有较高的灵敏度,可以作为测试方法的输出.最后,如果只考虑基线距离误差,标准测试方法中的校准球棒的位置应在测量范围内的相对距离尽可能大,为标准性能评测方法提供了改进建议.     

5G射频性能评估中的EVM空口测试方法

随着5G时代的到来,天线与射频接口高度集成,传统的传导测试已无法适应新一代无线通信设备的测试要求,越来越多的射频性能指标需要采用空口而非传导方式进行测试.以误差幅度矢量(EVM)为代表,射频性能指标对于传统的空口测试系统及方法提出了不同以往的要求.紧缩场、近远场变换等新系统被用于替代传统的远场测试系统.文章结合3GPP及近年的相关参考文献,介绍了几种5G射频性能测试的空口测试方法并做了比较,着重讨论了EVM的定义、测试流程和校准方法等问题,展望了射频性能测试的未来发展方向.     

考虑建模误差的小型飞行器导航制导控制器设计

由于传统小型飞行器导航制导控制器对于飞行器的飞行状况调查完善度较低,数据收集力度较小,勘查条件较少.因此,本文基于建模误差设计了一种新的小型飞行器导航制导控制器.建立控制器结构,完善数据内部操作结构,获取相关性参数,并根据动力学模型,深入分析控制器数据,整合获取的信息,综合控制器设计优化算法,实现对小型飞行器导航制导控制器流程的设计.实验结果表明,相较于传统小型飞行器导航制导控制器,本文提出的设计能够在一定程度上控制数据设计的具体流向,掌控基础数据状态,具备较高的控制器反应灵敏度,且操作消耗时间较短,能够提供更为优质的系统服务.     

区域导航对流层延迟误差修正模型研究

本文研究了电波大气折射理论，分析了传播误差因素，阐述了区域导航信号的传播路径与 GNSS 卫星导航的不同，论述了对流层延迟对区域导航信号测量精度的影响，设计了满足区域导航系统应用需求的对流层延迟误差修正模型，并通过仿真研究，验证了所设计区域导航对流层延迟误差修正模型的可行性，并给出了该模型在远距离低仰角和近距离高仰角下的误差修正能力。     

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。     

基于SAOR的Massive MIMO系统信号检测算法

大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。