采用Hilbert谱相关性的特定辐射源识别技术

在点对点场景下,提出了一种基于Hilbert谱的特定辐射源识别( SEI)算法。该算法采用Hilbert谱相关性作为识别特征对辐射源进行分类。进而研究中继场景中的识别问题,在此场景下,源辐射源的指纹特征将叠加中继的指纹特征,所提算法有效地推广至该场景并论证。此外,还验证了算法在非高斯噪声、衰落等非理想信道条件下的识别性能。仿真结果表明：该算法在点对点和中继场景下均具有良好的识别性能,在非理想的信道条件下具有较好的健壮性。     

特定辐射源识别的信息论描述

为对特定辐射源识别技术进行数学理论描述,引入了信息论对特定辐射源识别过程进行建模,设计了互信息计算算法以评估特定辐射源识别的理论极限性能,并采用信息论对特定辐射源识别的系统设计进行指导,提出依据互信息度量提取非参数特征实现特定辐射源识别.在实验和仿真中根据互信息描述对接收机畸变的影响和特征提取算法的性能进行了评估,表明了特定辐射源识别信息论描述的有效性和非参数特征的可行性.     

基于多域特征融合学习的辐射源个体识别算法

现有的基于专家经验的特定辐射源个体识别（Specific Emitter Identification,SEI）方法和基于深度学习的SEI方法,通常在单一类型辐射源畸变存在的场景下性能较好,然而在多种辐射源畸变同时存在的复杂场景下表现较差。为此,提出一种基于多域特征融合学习的辐射源个体识别算法,将原始接收辐射源信号转换为I/Q眼图、矢量图和Hilbert-VMD时频谱图等多域信号表示作为网络输入,并结合神经网络进行多域特征融合提取。实验结果表明,与现有的基于专家经验的SEI算法或其他单一信号表示输入的基于深度学习的SEI算法相比,该算法在符号信噪比10 dB下的识别增益约10%。     

MIMO中继系统中的线性鲁棒收发机联合设计

为了获得理想的信道估计,针对单中继节点的非再生多输入多输出中继系统及部分信道状态信息,提出了一种鲁棒的基于最小均方误差准则的线性收发机联合设计方案. 假设信道估计误差是独立的复高斯变量,在源节点和中继节点平均发射功率受限的条件下,对源节点、中继节点和目的节点进行联合设计,通过迭代算法可得到各节点的线性处理矩阵. 仿真结果表明,与其他方案相比,联合设计方案具有较好的鲁棒性和误比特率性能.     

过时信道状态下机会双向中继选择算法

提出了一种针对过时信道状态下机会双向中继系统的第N最优中继选择算法. 分析了该算法在过时信道状态下的中断率性能,即通过中继选择时刻信噪比的概率密度函数和以它为条件的数据传输时刻信噪比的条件概率密度函数,确定数据传输时刻信噪比的概率密度函数,给出系统中断率下界的闭式表达及其在高信噪比下的近似值. 仿真结果表明,新算法的中断率理论结果同蒙特卡罗仿真结果相重合,且在高信噪比下,其近似表达结果能很好地逼近理论结果.     

基于小波降噪的短波通信信号协议识别特征提取算法

利用特征波形匹配来识别短波通信信号协议是简单有效的方法,但易受噪声干扰,影响其有效性.而低信噪比是短波信道特征之一,为此引入小波降噪来构造具有优良抗噪声干扰性能的协议识别特征,以减小噪声对特征波形匹配度的影响.文章提出了一种新的协议识别特征提取算法,该算法通过统计不同信噪比条件下小波系数的波动性,实现了特征波形与待识别信号波形小波系数的合理取舍,并采用取舍后小波系数的匹配度作为识别特征.仿真结果表明,该识别特征能有效减小噪声干扰影响,在低信噪比条件下优势突出.     

SIMO系统吉布斯盲迭代均衡算法

针对符号间干扰信道的多天线分集接收问题,提出一种单输入多输出(SIMO)系统盲迭代均衡算法.该算法利用吉布斯样本法处理思路,在SIMO条件下推导了信道冲击响应、发送符号等未知参数的条件后验分布,根据该条件概率逐个参数进行随机采样,通过不断迭代更新来逼近最大后验概率(MAP)估计的结果.该算法的一个显著特点是具有软输入软输出(SISO)结构,因此在编码系统中可以与信道译码结合,通过联合迭代进一步提升均衡的性能.计算机仿真结果表明,在严重符号间干扰信道条件下,SIMO系统肓迭代均衡算法的性能非常接近于已知信道时迭代均衡算法的性能,距离理想无符号间干扰信道分集合成的性能差距只有约1 dB.     

采用TAS/MRC技术的MIMO中继系统中断概率分析

为了更加符合中继信道的实际情况,采用Nakagami分布建模无线信道,推导了非再生中继方式下多输入多输出(MIMO)中继系统中断概率的闭合表达式.通过仿真分析了信道衰落参数和天线配置对系统中断性能的影响.仿真结果表明,在非再生MIMO中继系统中,第1跳链路的信道质量对系统的中断性能起主要影响.     

改进的协作中继节点选择策略

协作伙伴的选取是影响协作通信网络性能的重要因素.为了增加系统可靠性及降低复杂度,提出了结合信道状态信息及距离信息的中继选择策略,探讨了中继选择标准和公式推导.选择因子是根据S-R瞬时信道增益和R-D距离共同确定,然后根据该因子得到最佳中继节点,同时给出选择策略的步骤.仿真结果表明,该策略能有效降低误码率,性能优于距离信息的中继点选择算法,运算量及复杂度低于瞬时信道信息的中继点选择算法.     

自动指纹识别系统中关于指纹特征算法的研究

指纹图像的特征提取和匹配在计算机指纹自动识别系统(AFIS)中起着至关重要的作用,直接制约着系统的识别率和识别速度.本文在指纹图像预处理的基础上,对指纹特性算法进行了改进,主要创新点在于简略细化过程同时引入基于二值化图像的特征提取算法.非正向扫描特征提取算法根据指纹的综合特征,沿脊线搜索匹配细节特征点,避免伪特征点的提取.改进后的算法在MATLAB环境下成功应用,实验结果表明,该算法能有效提高识别精度和速度,满足在线验证指纹的实时应用性.     

Nakagami-m衰落下中继系统性能分析

针对硬件损伤中继系统,研究了Nakagami-m衰落信道下固定增益放大转发中继系统的性能．考虑两种场景: 一是源节点和目的节点不仅通过中继连接,而且源节点和目的节点间存在直连路径; 二是源节点和目的节点间仅通过固定增益放大转发中继连接． 在第1种场景中,目的节点通过选择合并算法处理接收的信息． 推导出两种场景下中继系统的中断概率准确闭式表达式． 通过计算机仿真表明: 存在直连情况的中继系统能够有效地提高系统的中断概率性能; 硬件损伤制约两种场景下系统的性能; 系统性能随着伽马阴影的形状参数值的增大而增强．     

认知双向中继网络下分布式鲁棒波束成形

针对认知双向中继网络下信道状态信息不理想的情况,提出了基于信干噪比(SINR)平衡的分布式鲁棒波束成形算法. 该算法的最优波束成形因子在满足中继总功率和主用户接收端干扰功率受限的条件下,使认知用户在最差情况下的SINR最大化. 通过使用S-Procedure,并引入半正定松弛思想,可将原优化问题转化为凸优化可行性问题进行求解. 仿真结果表明,该算法可有效降低认知用户对主用户接收端的干扰,保证主用户的正常通信,验证了该算法的有效性和鲁棒性.     

基于稳态循环谱特征的通信辐射源识别方法

为实现低信噪比环境下多种通信辐射源的高精度识别,提出了一种基于稳态循环谱特征的通信辐射源识别方法,利用循环谱频域截面谱对高斯噪声的强鲁棒性,提取不同辐射源成形滤波器间的本征差异进行识别.首先对接收到的稳态信号提取循环谱频域截面谱并利用主成分分析方法降维,之后分别采用皮尔逊相关系数法、概率神经网络、弗雷歇距离法等判决方法进行辐射源类别判决.仿真实验显示,该特征使用概率神经网络判决和皮尔逊相关系数法判决,显著优于传统循环频率域的切片特征,证明有一定应用价值.     

一种基于无线传感器网络的分布式检测系统性能优化算法

研究一种基于无线传感器网络的分布式检测融合系统的性能优化问题。融合系统由N部传感器构成,系统配置结构采用串行结构。在连接各部传感器的无线信道为非理想信道的条件下,推导了融合系统检测性能的全局最优化融合算法。采用该融合算法对系统性能进行优化,可获得明显高于单部传感器的检测性能。     

基于复数域上元度量学习的小样本辐射源个体识别方法

当带标签样本数较少时，现有的基于深度学习的辐射源个体识别方法，识别性能退化。针对上述问题，提出一种基于复数域上元度量学习的小样本辐射源个体识别方法。该方法将元学习中基于度量的方法与复数神经网络结合，设计嵌入模块，在小样本条件下更充分地学习辐射源复信号波形中隐藏的个体指纹信息，提升识别精度。仿真实验结果表明，提出的复原型网络、复匹配网络和复关系网络，与它们的实数域形式相比，识别准确率均得到了提升，且其中性能最好的是复关系网络。复关系网络在5类待识别辐射源个体分别仅有5个带标签样本(5-way5-shot)的情况下，20 dB信噪比条件下的识别准确率达到了85%。     

Nakagami-m信道下DAF选择中继的中断性能分析

为了解决协作通信系统中选择中继算法中断性能分析复杂的问题,提出了一种新的中断分析方法.基于功率受限协作通信系统,考虑Nakagami-m独立同分布信道下一种带有直通链路的选择中继模型,在该模型下推导了中断概率表达式,分析了系统的中断性能,经仿真验证了理论分析的准确性.探讨了优化功率分配,给出特定中继数情况下的功率分配系数.分析结果表明,在该模型下的中断性能与已有模型相比均有所提高.     

双谱二次特征在雷达信号识别中的应用

针对利用常规参数进行复杂体制雷达辐射源信号识别存在的问题,提出将信号双谱作为雷达辐射源特征参数,并将Bhattacharyya分离度准则作为双谱的二次特征提取的算法.利用双谱分析可以完全抑制高斯有色噪声对信号的影响,同时保留信号的幅度和相位信息的特点,提高雷达辐射源特征参数的有效性;针对信号双谱中包含许多对识别辐射源不起显著作用的双谱和与辐射源识别无关的冗余双谱,将Bhattacharyya距离作为双谱二次特征提取的依据,将具有最强类可分离度的双谱提取出来作为信号的特征参数.仿真结果表明,提取的双谱二次特征具备一定的抗噪能力,在较宽信噪比范围内能够较好地体现辐射源之间的个体差异,平均识别正确率可达到95%.     

多径信道下调制信号识别新方法

针对多径信道中存在调制信号识别难以实现及识别率低的问题,提出了一种全盲的基于小波变换和高阶循环累积量相结合的算法(W-HOCC).该算法利用小波变换的线性性质和循环累积量的叠加性质构造识别特征,即把接收信号在小波变换前后的四阶累积量的比值作为识别特征参数.从理论上证明了该算法能够消除多径信道参数的影响.仿真结果表明:在信噪比为0dB的多径瑞利衰落信道下,分类2ASK、2PSK和4QAM信号的识别率几乎达到100%;与基于高阶累积量的算法相比,在识别BPSK和QPSK时,W-HOCC算法的性能明显优于基于高级累积量的算法,而且具有更强的抗噪声和抗多径能力.     

基于子带谱特征的助听器背景噪声场景分类算法

针对助听器应用中背景噪声场景分类算法需同时具备低延时性和高分类准确率的问题,提出一种基于LightGBM集成学习模型的助听器场景分类算法以减少分类过程的计算时间,给出一种新的子带谱相关性特征并联合子带谱熵特征构成分类特征来提高助听器场景分类的准确率,使用双耳差分信号提取子带谱特征减少计算过程中的内存占用率以及模型离线训练工作量,提高计算效率。对双耳助听器声学环境识别数据集中的安静室内、交通环境、风噪声、音乐、鸡尾酒会、汽车噪声6种场景下的背景声音进行测试,实验结果表明,相对于基于随机森林模型和子带信号周期性特征、子带信号熵特征的场景分类算法,该算法在实时性和分类准确率方面的性能均有显著改善。     

一种鲁棒的说话人识别新特征

说话人识别系统不可避免地会受到噪声的影响,导致性能急剧降低,针对这一问题采用感知最小方差无畸变响应(PMVDR)技术,提出了一种新的语音特征提取方法.该特征基于平移差分倒谱算法,成功地融入了说话人语音的长时信息.所提取的特征不仅在干净环境下能取得良好性能,而且在混噪语音以及信道失配等声学条件下也优于目前主流的特征.在YOHO数据库和ROSSI数据库上的实验结果表明,新特征在噪声和信道畸变的情况下能有效提高识别系统的鲁棒性.