基于时频图像和高次频谱特征的雷达信号识别

针对低信噪比下雷达信号识别准确率较低的问题,提出了一种基于时频图像和高次频谱特征联合的雷达信号识别算法。该算法首先对信号采用Choi-Williams分布(Choi-Williams distribution,CWD)变换获取时频图像,接着对时频图预处理并用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取纹理特征;然后利用对称Holder系数提取信号的高次频谱特征;再将纹理特征和高次频谱特征构成一组联合特征向量,最后通过支持向量机(support vector machine,SVM)实现雷达信号的分类识别。通过对8种典型雷达信号进行实验,结果表明本算法在信噪比为-8 dB时,不同信号的识别准确率能达到90%以上。     

基于随机森林的雷达信号脉内调制识别

针对雷达信号脉内调制识别算法存在着准确率低的问题,提出一种新的雷达脉内调制类型自动识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征构成融合特征,然后将融合特征输入随机森林分类器,实现信号的分类识别.仿真实验中对8种常见的不同调制类型的雷达信号进行识别,提出的算法在信噪比为-2 dB时识别准确率可以达到90％以上,验证了该方法的有效性.     

一种FSK/BPSK复合调制雷达脉冲信号识别技术

在电子对抗领域,信号调制方式识别是进行雷达分选、干扰施放的基础,得到广泛研究。对此,文中提出了一种以信号频谱相像系数和幅度统计参数为分类特征的FSK/BPSK复合调制雷达脉冲信号识别算法。算法首先提取雷达脉冲信号的频谱相像系数和幅度统计参数,然后采用分层结构的神经网络分类器进行识别。该算法不仅能识别FSK/BPSK复合调制信号,且对其他常用雷达信号调制方式的识别不产生干扰。仿真结果表明,针对FSK/BPSK以及CW、LFM、BPSK、QPSK、FSK等常用雷达信号调制类型,在信噪比＞5 dB时,分类正确率可达98%以上。     

基于盲数理论的空中目标粗分类

该文首先总结了直升机目标雷达探测和识别的难点,然后分析了直升机目标雷达回波信号频谱调制特征,给出了直升机回波频谱宽度的估算式。以频谱宽度为特征,引入盲数理论,对直升机和固定翼飞机进行初步分类,并给出了仿真试验结果。试验结果证明了该文的理论分析和分类算法。     

一种联合特征参数的信号调制识别算法

针对信号调制类型识别的问题,提出一种新的基于分形盒维数和归一化峰度的信号调制类型识别算法.该算法具有计算复杂度低、抗噪性能强的优点.仿真实验结果表明该算法在高斯白噪声环境下信噪比大于-5 dB时,实验使用的几种信号的平均分类正确率超过97％,信噪比大于0 dB时,分类正确率均接近100％.     

基于分块FFT的CSK调制信号高效解调算法

码移键控(Code Shift Keying, CSK)调制通过增加码相位偏移维度,能够在不改变信号频谱的基础上提高电文速率。由于CSK调制信号在解调时需要计算各种码相位偏移的相关值,因此会显著增加接收端电文解调的复杂度。为了降低CSK信号解调的复杂度,提出了基于分块快速傅里叶变换(Fast Fourier Transform, FFT)的高效解调算法。该算法对重采样后的基带数据进行奇偶分块,将传统时域循环相关转换为频域乘积运算,并基于高效的FFT算法达到降低相关值计算复杂度的目的。对于CSK(6,1 023)调制,所提算法需要的复乘法和复加法仅约为传统时域相关算法的17.2%和31.2%,大幅降低了CSK信号解调的计算复杂度。     

一种适应低信噪比的脉内识别算法

针对传统的雷达信号脉内调制类型在低信噪比下识别能力不高的局限性,提出一种改进的适应低信噪比的信号调制类型分类识别算法。该算法对雷达脉冲信号流进行时间和脉宽格子划分,对同一格子中脉冲信号采用一阶差分自相关函数法计算特征向量,根据特征向量值进行聚类统计分类。分类后对每组内脉冲信号进行平方处理,再次计算特征向量并进行聚类统计分类,选择每组内质量较好的脉冲信号进行调制类型识别,提高了信号分类识别正确率,通过仿真实验验证了该方法的有效性。     

一种改进的脉内调制信号识别方法

针对低信噪比下传统方法识别雷达信号脉内调制类型准确率低的问题,提出一种有效的自动识别方法。基于时频原子分解提取雷达脉内调制特征,提出了一种融合差分进化与遗传算法优点的混合进化算法,进行最优原子搜索,从最优原子中提取出三种特征值并运用概率神经网络进行分类识别。仿真表明,该方法较差分进化算法有更高的搜索效率和更低的时间复杂度。在信噪比不低于-2dB时,该算法有90%的正确识别率。     

基于分级降噪的电磁信号调制识别研究

针对低信噪比(Signal to Noise Ratio, SNR)下电磁信号的调制识别效果不佳、调制识别算法复杂度高的问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)和门控循环单元的高、低SNR分级降噪方法,同时设计了一种基于SNR分级降噪和卷积长短期神经网络的低复杂度调制识别框架。采用中值滤波对低SNR数据降噪,高SNR数据不做降噪处理,使用卷积长短期神经网络结构提取分级降噪后电磁信号的时间相关性和空间特征。实验结果表明,基于分级降噪的调制识别方法在低SNR下的识别准确率有3%的提升,在高SNR下的识别准确率达到了94.3%,实现了11种调制方式的高精度识别。     

多相码雷达信号识别与参数估计

该文研究了多相码雷达信号的识别与参数估计。首先估计接收信号的码元宽度,利用多相码信号的时宽和码元宽度已知的条件下可以确定相位调制规律的特点,构造本地参考信号;把该参考信号与接收信号共轭相乘,当本地参考信号与接收信号的调制方式一致时共轭相乘的结果是正弦波,利用这个性质进行调制方式识别;估计该正弦波的频率作为载频估计;最后分析了存在同步误差时的频谱结构。仿真结果显示本算法可以在低信噪比条件下对多相码信号进行识别,并得到载频和码元宽度的精确估计值。     

感知无线电中频谱共享技术的研究

文章研究了感知无线电网络中联合频谱分配和调度的问题,给出了基于物理干扰模型的频谱分配算法。调度算法是对由频谱分配算法得到的一系列传输模式进行调度,从而实现频谱共享。本文基于提出的频谱分配算法通过仿真比较了三种调度算法,结果表明考虑了公平性的调度算法的网络吞吐量有稍微的降低（可达到最大吞吐量的96%）,但感知用户的整体需求满足度却得到了很大的提高,即达到了很好的公平性。     

认知无线电网络中的频谱管理技术

由于可用频谱的动态特性和应用需求的多样性,认知无线电（Cognitive Radio,CR）面临很多挑战,其中最为迫切的一个问题是有效的频谱管理技术。首先简要介绍认知无线电及其网络体系结构,然后讨论频谱管理的定义和功能,具体包括四个主要方面：频谱感知、频谱决策、频谱共享和频谱迁移。     

基于扩频的频谱水印嵌入与提取方法研究及实现

针对无线电系统身份识别问题,提出了一种基于扩频的频谱水印嵌入与提取方法,该方法中发射端首先选择一个码片速率高、码长长的扩频码来调制用于标识无线电系统身份的频谱水印信号,然后利用加性准则周期性地将其嵌入到无线电信号中。接收端首先将接收的中频信号分成 N 段,并对每段信号进行解扩和解调,最后利用 N 次解调结果实施综合融合判决来提取频谱水印。同时基于 USRP 平台构建了基于扩频的频谱水印嵌入与提取方法的验证系统,理论分析与实验验证结果表明：提出的方法能够在不对原始信号正常解调产生有害干扰的条件下,可有效提取频谱水印,具有较强的通用性和鲁棒性,为有效标识和识别无线电系统提供技术手段。     

ZnO纳米棒薄膜光学性能的系统研究

采用简化的种子层制备工艺在ITO基底上制备了ZnO种子层,并使用化学溶液沉积法制备了高度取向的ZnO纳米棒阵列。采用XRD和SEM对ZnO纳米棒的结构和形貌进行表征,并对样品的光学性能进行了测试。测试结果表明,所制备的ZnO纳米棒为c轴择优取向的六角纤锌矿结构,直径为66~122nm可控,且排列紧密,形貌规整。光学性能测试结果表明,吸收光谱在375nm附近表现出强烈的紫外吸收边是由于禁带边吸收引起的;反射光谱具有一定的周期振荡性,可用于薄膜厚度的估算;光致发光谱在378nm附近有很强的紫外发射峰;增大生长液浓度和高温退火可降低缺陷发光,改善结晶质量。     

基于Labview的虚拟频谱分析仪的设计

文中设计了基于Labview的频谱分析仪,采用频谱分析原理。经过采样,使连续时间信号变为离散时间信号,然后利用Labview的强大的数字信号处理的功能,采样得到的数据进行滤波、加窗、FFT运算处理,得到信号的幅度谱、相位谱以及功率谱。并具有数字显示、图形绘制,数据储存等功能,实现了幅度谱和相位谱的分析。     

邻苯二甲酰亚氨基酞菁锌(ZnPcS2P2)的光谱特性

测定和研究光敏剂的光谱特性,可为确定最佳治疗的光源波长提供直接依据,同时也是荧光诊断中选定检测荧光波长的理论依据．本文研究新型光敏剂邻苯二甲酰亚氨基酞菁锌（ZnPcS2P2）的光谱特性,测出ZnPcS2P2在含10%人血清生理盐水的吸收光谱和荧光发射光谱,并与血卟啉衍生物（HpD）进行比较。实验结果表明：在吸收光谱中ZnPcS2P2的最大吸收峰位于670nm,而HpD的最大的吸收峰在405nm处,所以在光动力学治疗中ZnPcS2P2比HpD效果更好。当用波长为632nm的光源激发时,从荧光发射光谱可知,HpD比ZnPcS2P2获得的荧光激发效率高。因此,HpD在光动力学诊断中有更突出的优点。     

基于立方卷积插值的信号DFT频谱校正算法

由于栅栏效应的存在,会使得基于信号DFT谱峰搜索的测频算法产生很大误差,因此在测频之前一般需对信号的DFT频谱进行校正。推导出用于单正弦信号DFT频谱校正的立方卷积插值核函数、插值函数及形状参数,并依据脉冲雷达信号是无数个正弦信号之和的事实,将其推广至脉冲雷达信号DFT频谱的幅度校正,给出其频谱检测算法。     

认知无线电中的频谱共享技术

认知无线电（cognitive radio,CR）具有动态重用空闲频谱资源的能力,可以有效提高频谱利用率,是一种智能的频谱共享技术。文章给出了一种频谱共享的过程,阐述了频谱共享各个步骤包括频谱感知、频谱分配、频谱接入和频谱移动的概念、功能和研究现状,分析了频谱共享的关键技术,重点介绍了其中的频谱池策略、频谱分配算法和功率控制算法。     

Predicting required licensed spectrum for the future considering big data growth

This paper proposes a new spectrum forecasting (SF) model to estimate the spectrum demands for future mobile broadband (MBB) services. The model requires five main input metrics, that is, the current available spectrum, site number growth, mobile data traffic growth, average network utilization, and spectrum efficiency growth. Using the proposed SF model, the future MBB spectrum demand for Malaysia in 2020 is forecasted based on the input market data of four major mobile telecommunication operators represented by A–D, which account for approximately 95% of the local mobile market share. Statistical data to generate the five input metrics were obtained from prominent agencies, such as the Malaysian Communications and Multimedia Commission, OpenSignal, Analysys Mason, GSMA, and Huawei. Our forecasting results indicate that by 2020, Malaysia would require approximately 307 MHz of additional spectrum to fulfill the enormous increase in mobile broadband data demands.     

一种基于认知无线电的动态频谱接入MAC方案

在传统的无线通信系统中,频谱的分配是固定的。但是由于通信过程的突发性,这些频谱的使用率很低。另一方面,随着无线通信和多媒体的高速发展和广泛应用,无线频谱资源日趋紧张。如何提高频谱利用率已经成为迫切需要解决的问题。一种可行的思路是把这些授权频谱向未授权用户开放,未授权用户采用动态频谱接入技术,在不对授权用户造成干扰的前提下使用频谱。本文以认知无线电技术(Cognitive Radio,CR)为基础,提出了一种基于CR的动态频谱接入MAC方案(CR-Ad Hoc-MAC)。该方案允许未授权用户自适应地选取可用带宽,实现了动态频谱接入,有效地提高了频谱利用率。