一种新的基于最大边缘准则的监督流形学习方法

在深入研究局部样条嵌入算法(LSE)的基础上,引入明确的线性映射关系,构建平移缩放模型和正交化特征子空间,提出了一种正交局部样条判别投影算法(O-LSDP),有效解决了原始LSE算法存在的两个主要问题:样本外点学习问题和无监督模式学习问题。该算法能够应用于模式分类问题并显著改善算法的分类识别能力。在标准人脸数据库上进行的实验比较分析验证了该算法的有效性与可行性。     

脉冲噪声下基于分数低阶矩的MQAM信号载频与符号率联合估计

针对传统MQAM信号载频与符号率估计算法在脉冲噪声下性能不佳甚至失效的问题,该文结合分数低阶矩与共变理论,推导了MQAM的分数低阶循环谱密度函数,并分析了升余弦脉冲成型条件下的MQAM信号循环谱特征。将分数低阶矩引入离散频域平滑谱(DFSM)估计。提出了一种基于分数低阶矩的MQAM载波频率与符号率联合参数估计算法,采用相邻谱切面求平均的方法,有效的避免了由于分辨率不足造成估计误差。仿真实验结果表明,与二阶DFSM循环谱估计算法相比,本文算法不仅能够抑制脉冲噪声的影响,而且在较为恶劣的噪声条件下均能有效的估计MQAM信号的载频与符号率,具有更好的抗干扰能力与适用性,适用于不同调制阶数的MQAM信号。      

OFDM信号伪逆谱分析及参数估计

提出一种基于伪逆谱的OFDM 信号盲检测方法,方法充分利用了OFDM信号伪逆谱谱线的隐含周期性,具有较强的抑制加性干扰和乘性干扰的能力,能够在较低的信噪比条件下快速准确地检测OFDM信号,可以精确估计出OFDM信号的子载波频率间隔、符号周期、信号带宽、子载波数目,具有运算量小、精度高、适于硬件实现等特点。仿真结果进一步说明了该检测方法的有效性。     

通信辐射源的潜在细微特征提取方法

为了充分挖掘高维特征空间中辐射源的细微特征, 提出一种基于全局潜在低秩表示(Global Latent Low Rank Representation, GLat-LRR)的通信辐射源潜在细微特征提取方法.首先, 提取通信辐射源信号的瞬时频率, 通过傅里叶变换将信号投影到高维特征空间; 挖掘特征样本之间全局的低秩结构和维度之间全局的潜在低秩关系, 将特征样本集作为整体应用到潜在低秩表示模型中, 利用维度之间低秩关系得到特征样本集的潜在部分矩阵, 每个列向量即为每个通信辐射源信号的潜在细微特征向量.在实际采集的同厂家同型号FM电台数据集上, 该方法提取的潜在细微特征能够显著提高通信辐射源个体识别的性能.     

基于全景搜索接收机的中短波广播智能监测系统

本文介绍了基于全景搜索接收机的中短波广播智能监测系统的总体结构和工作流程,讨论了系统核心设备全景搜索接收机的工作原理、关键技术和主要技术指标.经过实际应用,结果验证了系统的工作性能.     

基于k-means算法的直扩信号信息及伪码序列盲估计方法

In this paper, we study the blind estimation of information sequence and Pseudo-Noise sequence of Short Code-Direct Sequence Spread Spectrum (SC-DSSS) signals under non-cooperative conditions.In order to solve the problems of large computation and slow estimation speed of the existing matrix decomposition methods under the condition of long pseudo code period and large observation matrix, a new method of SC-DSSS signal information sequence and pseudo code sequence estimation based on K-means clustering was proposed.First, the sampled observation signals are segmented according to the width of information code, and then the segmented codes are clustered by K-means algorithm. In the case of unknown pseudo code sequence, the blind estimation of information sequence is realized.On this basis, the information chip is further segmented according to the width of the pseudo code, and the pseudo code is clustering to realize the blind estimation of pseudo code sequence.Simulation results show the feasibility and effectiveness of the proposed method.      

误码条件下LDPC码校验矩阵的盲识别算法

针对误码条件下LDPC码校验矩阵难以逆向构造的问题,提出了一种LDPC码校验矩阵的盲识别算法。首先,构造含错矩阵,对其进行列消元,得到其对偶向量;然后,筛选出对偶向量中的有效LDPC码校验向量,剔除被截获数据中的含错码组;对上述步骤进行迭代,提高无误码码组的比例。将原误码条件下的棘手问题,退化为无误码条件下相对容易的线性约束关系的重建问题。仿真结果表明,在误码率不高于10~(-4)的非合作条件下,接收方可以重建发送方使用的LDPC码校验矩阵。     

基于卷积神经网络的物理帧切割方法

针对帧切割方法中门限选择难度大及方法普适性不高的问题,本文首次提出基于卷积神经网络的物理帧切割方法。该方法首先通过分析矩阵的构造、数据压缩和矩阵扩展3个步骤将数字序列转化为图像;然后用已有的样本训练卷积神经网络,用训练好的卷积神经网络识别未知协议的帧长;最后在帧长识别的基础上,通过相关滤波方法完成帧起始位置的识别,实现对物理帧的切割。仿真实验验证了算法的有效性,表明本文方法具有一定的工程应用价值。     

一种新颖的OFDM信号子载波数估计方法

针对低信噪比多径信道下传统的正交频分复用(OFDM)信号子载波数估计方法存在估计性能不高,计算复杂度高等问题,提出了一种新颖的OFDM信号子载波数估计方法。首先计算接收信号的自相关矩阵,然后对接收信号的自相关矩阵进行特征分解,提取分解后的特征值,最后根据特征值的分布特性实现子载波数目的估计。仿真实验结果验证了我们的方法在高斯白噪声信道和多径信道条件下对OFDM信号子载波数估计的有效性与可靠性。