基于正交MFSK信号的解调优化算法

针对传统多进制频移信号解调算法存在计算量大、误码率高等问题,提出了一种基于正交多进制频移键控(Multiple Frequency Shift Keying,MFSK)信号的解调算法。该算法通过检测和判决MFSK信号在不同频率点处的功率谱峰值来完成信号同步,然后对信号的同向分量和正交分量进行反正切运算求得信号斜率,再根据信号斜率构建差值序列并建立MFSK信号解调数学模型,最后通过模型求解完成信号的调制进制识别和解调。该算法复杂度较低且仅呈线性增长,仿真结果表明该算法在性能上优于传统的小波解调算法,且当输入信噪比大于6 dB时,对2FSK、4FSK、8FSK和16FSK的解调正确率都可以达到90%以上。     

基于ZigBee技术的短距离无线数据传输系统

结合ZigBee技术和ARM技术的发展及无线数据传输系统的需求,提出了一种基于ZigBee和ARM技术的无线传感器网络设计方案,系统主要包括ZigBee节点和ZigBee基站节点,利用MSP430F149和CC2420架构ZigBee节点,用嵌入式ARM7芯片STR7IOFZ2T6和CC2420架构ZigBee基站节点,构成低功耗、低成本的硬件平台,并采用部分网状(Partial Mesh)拓扑结构、Z-Stack协议栈开发软件和按需路由算法(Ad Hoc On-demand Distance Vector),嵌入TinyOS系统,实现基于ZigBee技术的无线数据传输系统.可实现一点对多点、两点间对等通信,快速组网自动配置、自动恢复,节点之间可相互协调实现数据通信.     

基于ZigBee的瓦斯无线监测系统硬件设计

本文提出了一种基于ZigBee的煤矿瓦斯无线监测系统的设计方案．系统主要包括ZigBee节点和ZigBee基站节点．利用TI公司的MSP430F149和CC2420架构ZigBee节点．ST公司的嵌入式ARM7芯片STR710FZ2T6和CC2420架构ZigBee基站节点．该方案具有低功耗．低成本的特点     

基于D-A Xception网络模型的无人机识别技术研究

无人机识别任务对社会通信安全具有重要意义，传统的无人机识别方法并不完全可靠，并且基于深度神经网络的识别模型需要对数据进行复杂的预处理。为了更有效地提升无人机的识别性能，提出了一种基于空洞卷积(Dilated/Atrous Convolution)和DANet注意力机制的Xception改进网络模型，即D-A Xception网络模型。对原始射频信号通过快速傅里叶变换(Fast Fourier Transform, FFT)转换到频域上进行Savitzky-Golay平滑滤波、归一化等处理生成能量谱密度图，在生成的能量谱图像上添加高斯噪声和椒盐噪声以扩充数据样本；进一步改进Xception模型，采用空洞卷积来保持卷积核数量和大小，同时扩大感受野，采用DANet提取同一类别卷积生成的局部感受野特征图的不同细微特征，有效降低网络复杂度的同时提升无人机识别的准确度。利用公开真实采集到的DroneRF无人机信号数据集，与不同网络模型进行实验对比分析，并对D-A Xception模型进行消融实验来验证模型的有效性。实验结果表明，提出的D-A Xception模型在对未训练的数据进行十分类测试时，准...     

基于CNN-GRU和CA-VGG特征融合的调制识别模型

针对深度学习的调制识别模型在信噪比较低的情况下存在识别率低以及部分相似信号难以识别的问题，提出了一种自动调制识别的特征融合MFF网络。MFF网络主要由CA-VGG模块和CNN-GRU模块组成，其中基于卷积神经网络和CA的CA-VGG模块用于接收信号星座图，来提取不同调制信号的二维图像特征；在基于卷积神经网络和GRU网络的CNNGRU模块中，将调制信号的A/P数据与I/Q数据作为网络输入，用于提取不同调制信号的一维时间特征；MFF网络通过将调制信号的A/P、I/Q数据与星座图相结合，丰富了每一种调制方式的数据表示形式，可实现不同类型数据特征之间的互补，最后将两个模块的输出结果进行融合来进一步提高信号分类的准确率。实验结果表明，在RadioML2016.10a数据集上，新模型在信噪比为-20～18 dB的识别准确率为63.2%，优于其他参考文献中的模型。