浅谈网格技术与无线电管理的有效结合

文中阐述了网格技术的基本概念,并结合国内无线电管理发展现状,提出了与无线电管理工作的结合创新性思路和解决途径,重点分析了管理和业务的网格化实现方式,以及目标数据,提出了区域信号数据库和无线电管理对象数据库的建立实例,可为无线电管理相关行业的技术人员提供参考.     

无线电干扰与无线电管理分析

无线电是现代信号传播的主要技术,对于人们日常生活当中的通信及网络意义重大.因此,本文主要针对无线电干扰以及无线电管理进行探究分析.通过对于无线电的介绍,进一步了解无线电管理的重要性,从而规范管理,为移动通信网络营造良好的外部环境.     

无线电干扰与无线电管理

文章针对目前移动通信网络中遇到的干扰问题，对无线电干扰的概念进行了阐述与分析，介绍了无线电管理的一些知识，认为进一步认识无线电管理的重要性，遵守无线电管理的法律法规，注重无线电管理部门的职能发挥，有助于为移动通信网络的发展创造一个良好的外部环境。     

无线电监测数据管理图模型及应用

针对无线电监管实践中数据类型多、数据量大和异构等问题，如何管理无线电监测数据一直是研究工作的热点。基于无线电监管知识图谱框架，建立了无线电监测数据管理图模型，以MATLAB为工具，仿真了高斯信道条件下典型无线电业务的信号调制特性，获得了无线电频谱仿真数据集，从而建立无线电频谱使用状况知识库，实现知识查询、推理和可视化等功能。实验结果表明，基于Django框架和图数据库Neo4j无线电监测数据管理Web应用系统能够为无线电监测数据智慧化管理提供有效的解决方案。     

无线电管理的多维透视

无线电业务的发生发展是公众不断增长的应用需求与有线电技术难以满足需求之间的矛盾所导致的必然结果。以应用为驱导，以业务为依托的无线电技术演变尽管没有受到“摩尔定律”的支配，但是其日新月异的变革已经对无线电管理提出了挑战。本将从应用着手，以系统论的观点来架构无线电管理的体系，并最终将之归结为：“以模式创新实现频率资源的规划和管理，以深化应用改善人居生活”。     

新型无线电干扰对民航的影响及对策探讨

我国的经济社会不断发展,航空事业也进入了快速发展阶段.在航空管理中,航空器运行是重要的管理内容,只有保证航空器运行的稳定性,才能为乘客带来舒适的乘行体验.值得注意的是,在航空器运行过程中,经常会遇到新型无线电的干扰.本文将具体探讨新型无线电干扰对民航的影响及对策,希望能为相关人士提供一些参考.     

基于生成对抗网络的无线电数据增扩与分类CSCD

相较于传统的无线电数据特征提取方法,深度学习具有高效灵活的特点,其可以有效提高调制数据识别的性能。然而在实践中,收集大量可靠的无线电调制样本数据有时代价是昂贵和困难的,这在很大程度上限制了深度学习模型的性能。本文提出了基于生成对抗网络(Generative Adversarial Networks,GAN)的无线电调制数据增扩模型RMAbGAN(Radio Modulation data Augmentation based on Generative Adversarial Networks),该模型通过挖掘不同信噪比与调制方式下的无线电调制数据特征差异,生成符合调制方式与信噪比特点的无线电调制数据,模型中的生成器部分捕获无线电调制数据分布特征,辨识器部分优化生成器性能,两者相互博弈性能不断提升;在此基础上,对无线电数据采样特点与无线电数据传统增强方法进行深度分析与研究,发现了无线电调制数据蕴含的空域特征与时序特征,设计出了能深刻捕获无线电数据空域特征与时序特征的无线电数据分类模型AMCST(Automatic Modulation Classification based Spatial and Temporal feature)。通过大量的对比实验,表明相较于基于旋转变换的无线电调制数据增扩模型,RMAbGAN模型在无线电调制数据增扩方面更具有鲁棒性和泛化能力,可以实现更高的调制分类准确率。此外,相较基于长短期记忆网络(Long Short-Term Memory,LSTM)的调制分类模型、基于残差网络(Residual Networks,ResNet)的调制分类模型等传统模型,AMCST模型在调制数据分类方面更具有稳定性和可用性,同时也具有更高的分类准确率。     

基于生成对抗网络的无线电数据增扩与分类

相较于传统的无线电数据特征提取方法,深度学习具有高效灵活的特点,其可以有效提高调制数据识别的性能。然而在实践中,收集大量可靠的无线电调制样本数据有时代价是昂贵和困难的,这在很大程度上限制了深度学习模型的性能。本文提出了基于生成对抗网络(Generative Adversarial Networks,GAN)的无线电调制数据增扩模型RMAbGAN (Radio Modulation dataAugmentation based on Generative Adversarial Networks),该模型通过挖掘不同信噪比与调制方式下的无线电调制数据特征差异,生成符合调制方式与信噪比特点的无线电调制数据,模型中的生成器部分捕获无线电调制数据分布特征,辨识器部分优化生成器性能,两者相互博弈性能不断提升;在此基础上,对无线电数据采样特点与无线电数据传统增强方法进行深度分析与研究,发现了无线电调制数据蕴含的空域特征与时序特征,设计出了能深刻捕获无线电数据空域特征与时序特征的无线电数据分类模型AMCST (Automatic Modulation Classification based Spatial and Temporal feature)。通过大量的对比实验,表明相较于基于旋转变换的无线电调制数据增扩模型,RMAbGAN模型在无线电调制数据增扩方面更具有鲁棒性和泛化能力,可以实现更高的调制分类准确率。此外,相较基于长短期记忆网络(Long Short-Term Memory,LSTM)的调制分类模型、基于残差网络(Residual Networks,ResNet)的调制分类模型等传统模型,AMCST模型在调制数据分类方面更具有稳定性和可用性,同时也具有更高的分类准确率。     

基于遗传算法的感知无线电染色体遗传研究

源于生物进化原理的遗传算法,可以利用优胜劣汰遗传机制演化得到系统最优参数.通过对感知循环、遗传算法进行讨论,针对感知无线电提出了基于遗传算法的感知无线电基因与感知无线电染色体.用不同的适应率要求对感知无线电遗传算法案例进行求解,并对案例生成的不同解进行了讨论.通过对案例的研究,分析了Rieser基于遗传算法的感知无线电引擎模型的局限,提出了今后研究的思路.     

无线通信信号监测系统的设计与实现

随着科学技术的不断发展,无线通信技术的应用也逐渐被推广。无线通信信号检测技术是通过对无线电频率的规划和分配,从而提高对无线电台站的科学管理性,也能够为与无线电相关业务的进行提供一定的保障和基础。本文通过对无线通信信号系统的探讨与研究,提出了无线通信信号检测系统的设计理念与实现原理[1]。实现对宽带信号检测设备数据流的分析,对大数据进行利用和分析,在多维空间信号中进行选择和处理,最后通过数据库来实现无线通信信号的检测。旨在探索无线通信技术的新方法和理念。