基于深度学习的OFDM信号调制方式识别

正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术广泛应用在各类通信系统中。信号调制方式识别对于OFDM技术十分重要,特别是在非合作通信系统中。传统的信号调制方式识别精度不高,且没有研究信噪比为0 dB以下的情况。对此,将OFDM信号看成2×N的图像,保存I、Q两路信号在空间上的特性,设计包含3个卷积层、3个全连接层的深度卷积神经网络（Convolutional Neural Networks,CNN）。将收敛后的模型用于调制方式分类,实验结果表明,所设计的深度神经网络对6种OFDM信号具有很好的识别效果。     

基于导频的OFDM系统信道估计插值算法

无线通信中正交频分复用(OFDM)信道的时延扩展与传输一帧数据所占的时段相比,所占比例很低。较少的点数就能表征信道的时域离散冲击响应,对应地,相同的点数也能在频域表征信道的所有信息。利用该原理得到的信道插值估计算法运算简单,所需导频数少,信道估计均方误差随信噪比的增加呈指数递减。计算机仿真结论验证了理论分析的正确性。     

基于FPGA的OFDM发射机设计

OFDM技术已经成为未来无线通信的关键技术,其发射机必须具有强大的计算能力,因此使用FPGA来完成OFDM发射机设计已成大势所趋。对整个OFDM系统参数和帧结构进行全面设计的基础上,用FPGA芯片具体实现。采用数字时钟管理器,乒乓RAM等方式提高系统运行的可靠性,并选用最优的IP核参数来减少硬件资源的占用。测试结果表明该方案占用芯片资源较少,速度较快,可靠性较高,具有广阔的应用前景。     

基于高速传输技术的OFDM系统设计

结合软件无线电的思想,提出了一种基于高速传输技术的OFDM系统设计方案,包括硬件构成和系统设计的实现;构建了一个通用硬件平台,在该平台上可实现高速多载波和常规单载波调制解调。     

OFDM水声通信信道估计技术研究

水声信道是一种极其复杂多变的时—空—频变信道,其信道窄、强多径干扰、信号起伏衰落严重,一直是水下信息可靠高速传输的主要障碍。正交频分复用(OFDM)是近年来数字通信中流行的一种并行传输新技术,其核心思想是将整个可用频带分割成多个正交子信道,将待传输的高速串行码流并行地调制在这些子信道载波上。主要研究利用三种不同的导频图案对OFDM水声通信信道进行估计,并通过仿真的方式来分析不同导频图案下信道估计的性能。     

宽带高速OFDM的实时实现

在简要介绍正交频分复用（Orthogonal frequency division multiplexing,OFDM)原理的基础上,提出采用多片TI公司近推出的TMS320C6201B定点DSP芯片,构成流水线实时实现宽带高速OFDM的硬件平台。实验证明传输码率可达到120Mbps。文中还较为详细地叙述了系统的硬件构成和软件流程。     

OFDM系统中同步子系统的硬件实现

同步技术是正交频分复用(OFDM)系统中的关键技术。该文在研究OFDM系统同步算法的基础上,结合硬件架构的特点,给出了面向硬件平台的OFDM系统中同步子系统实现方案,阐述了关键算法模块在硬件实现时的主要修改。基于无线信道的实测数据分析表明,提出的OFDM系统中的同步子系统不仅有良好的性能,而且其结合系统硬件架构的模块化特点也便于相应算法进行扩展与移植。     

OFDM系统中信道估计的研究

正交频分复用（OFDM）用于第四代移动通信系统,而OFDM的信道估计是一项关键技术。总结了基于导频辅助的信道估计常用算法,研究了LS、MMSE和改进的LMMSE算法的原理及其在OFDM信道估计中的应用。结合仿真对信道估计算法进行了分析与讨论。结果表明正交频分复用系统性能的提高是以系统的复杂度为代价的。     

OFDM水声通信系统联合信道估计的同步算法研究

正交频分复用（OFDM）技术是目前无线通信领域的研究热点之一。本文提出了一种改进的载波频偏估计方法和信道估计方法,并将这两者与一种高精度的符号同步方法相结合,充分利用了三者的优点,提高了信道估计的精确度,改善了系统的性能。本文还在多径信道下对设计出的OFDM水声通信系统进行了仿真,对采用频偏补偿和符号同步的信道估计性能进行了分析。     

基于DFT的OFDM水声通信信道估计算法

在水下通信中,要求提供高速丰和高可靠性的通信服务,而正交频分多路复用(OFDM)因具有频带利用率高和抗多径能力强等优点,近年来受到广泛的重视.文中主要研究在采用梳状导频图案的OFDM水声通信系统中,利用DFT变换的方法来实现信道估计,并结合水声通信系统模型对此算法进行了计算机仿真.仿真结果表明该方法在提高计算效率的同时获得了很好的性能,因此非常适用于实时高速水声通信系统.     

基于改进SRGAN的OFDM信道估计方法

在正交频分复用(OFDM)系统的信道估计过程中,传统信道插值算法是建立在假设导频附近处的估计值存在关联的基础上,当信道特征因无线信道的时变、频变特性而不连续时,估计结果将不理想.针对这一问题,本文引入超分辨率重建模型SRGAN的改进模型——SRWGAN,替代信道估计中的插值处理.在SRWGAN模型中,将导频处的最小二乘...     

深度学习加速技术研究

深度学习是近年来机器学习的研究热点,并已广泛应用于不同领域. 但由于训练模型复杂和训练集规模庞大等原因导致的深度学习性能问题已成为其发展的一大阻碍. 近年来计算机硬件的快速发展,尤其是处理器核数的不断增加和整体运算能力的快速提高,给深度学习加速提供了硬件基础,然而其训练算法并行度低和内存开销巨大等问题使得加速研究工作困难重重. 首先介绍了深度学习的背景和训练算法,对当前主要的深度学习加速研究工作进行归纳总结. 在此基础上,对经典的深度学习模型进行性能测试,分析了深度学习及并行算法的性能问题. 最后,对深度学习的未来发展进行了展望.     

一种基于Jetson Nano深度学习的生活垃圾智能分类桶

长期以来,垃圾处理往往伴随着巨大的资源浪费和环境污染,尽管我国已经出台相关垃圾分类政策,但由于人工分类成本高、分类效率低下等一系列问题,该类政策难以大规模推行。据此,提出了一种以单片机(single chiped microcomputer, SCM)为基础,围绕Jetson Nano为核心设计的生活垃圾智能分类桶。其图像识别基于深度学习设计,通过上位机和摄像头判断投入垃圾桶的垃圾类型,将分析得到的数据传递给下位机;下位机通过控制二维云台进行垃圾分类投放;采用红外测距模块进行满载检测,并在APP界面内进行满溢警报,从而完成了类型识别、分类投放、满溢检测、满载报警的完整过程,实现了生活垃圾自动分类。该装置经实测工作稳定,并有内置的学习函数保障其续航能力,具有很强的实用性。     

基于深度学习LSTM的侧信道分析

加密数据的安全性受到加密算法和加密设备的影响,为评估密码硬件的可靠性,能量分析等多种针对加密平台的攻击方法得到广泛应用.深度学习是一种性能良好的数据分析方法,基于深度学习的功耗侧信道攻击方法一经提出便引起关注.提出一种基于深度学习LSTM的侧信道攻击方法,利用相关功耗分析方法确定侧信道功耗数据的兴趣点,通过兴趣点位置选...     

基于深度学习的低复杂度LDPC译码器

在信道译码结合深度学习技术的研究中,维数限制问题一直是研究者们寻求突破的重点。由于深度神经网络是储存密集型,深度神经网络信道解码器通常需要比传统置信传播(BP)译码大得多的计算和内存开销。为了缓解这个问题,提出了一种应用于LDPC码的改进的神经网络译码器。根据深度神经网络信道解码器中权重参数值分布,有选择性地对新的神经网络解码器添加权重参数,通过限制训练参数数量,降低了深度神经网络信道解码器的规模,并且算法与BP译码相比取得了较大译码增益。     

信息熵角度下的深度学习旁路安全评估框架

基于深度学习的建模类旁路密码分析(Deep Learning Side Channel Analysis/Attack,DLSCA)对于各种旁路攻击场景的密码破解效果都十分显著,但是DLSCA仍存有安全评估问题.基于AES对称加密算法的能量分析,通过信息熵角度分析准确率等传统机器学习性能指标无法评估DLSCA深度神经网...     

基于IEEE 802.11a的OFDM定时同步算法及FPGA实现

在基于IEEE802.11a标准的无线局域网的突发系统中,要求快速、精确地完成定时同步。本文分析了基于短训练序列延时自相关的粗同步算法和基于长训练序列与本地PN序列互相关的精同步算法,给出了定时同步算法具体的用FPGA实现的设计方案,采用状态机、流水线等设计方法使系统的资源和运算速度得到优化。该设计便于工程应用。     

基于OFDM基带的自适应调制与编码硬件实现

针对国内外少有关于在OFDM基带硬件实现自适应调制与编码的相关文献问题,采用改进的简单分组比特算法,提出了一种基于OFDM基带的自适应调制与编码硬件实现方案。设计的自适应调制与编码系统在20MHz下通过SMIC的CMOS 0.18μm工艺综合,仿真结果表明该自适应调制与编码方案具有面积小、功耗低等特点,特别适合在OFDM基带中使用。     

用于说话人识别的电话信道补偿技术

在说话人识别平台上,针对碳键型电话产生的线性和非线性失真带来的影响,提出一个系统的补偿框架。通过研究电话信道对频谱包络的影响,从留数角度分析虚峰出现的原因,结合留数归一化方法和传统的倒谱均值减,对中间维的倒谱加以提升。实验结果表明,在训练环境和测试环境不匹配的情况下,该方法具有较好的顽健性。