适用于紫外光通信的延迟判决均衡算法

为了消除紫外光通信过程中强烈散射所引起的码间干扰，采用一种带信道估计的最小均方误差-最大似然估计(LMS-MLE)延迟判决均衡算法进行了理论分析和仿真验证。通过选取合适的判决延迟深度来调整LMS自适应滤波器抽头系数进行信道跟踪，获取新的信道估计向量，最后利用MLE均衡算法得到最优序列输出。结果表明, 该算法可以明显提升紫外光通信系统的性能，在没有提高复杂度的情况下，性能接近最优MLE均衡算法，并且可以实现信道跟踪, 紫外光通信中算法的最佳延迟量取值为20。这一结果对紫外光通信性能提升以及MLE均衡器的工程实现是有帮助的。     

日盲紫外光霾粒子光散射测量方法研究

针对光散射粒子测量方法中测量结果受到外界杂散光干扰这一问题,提出将日盲紫外光应用于光散射粒子测量方法中。利用Mie散射理论仿真了日盲紫外光不同粒径粒子的散射光分布函数,结果表明,日盲紫外光对粒径较小的粒子散射特性良好,能够应用于光散射粒子测量方法之中。利用T矩阵方法计算了日盲紫外光椭球粒子的散射特性,结果表明,在日盲紫外光248 nm处,椭球粒子的消光截面相比等效球形粒子偏小2.82%,散射截面偏小1.95%。最后分析了椭球粒子形变参数与复折射率对其散射相函数的影响,这些分析为光散射粒子测量方法提供了一定的理论依据。     

军车隐秘编队的无线紫外光通信最优多跳中继研究

无线紫外光通信成为强电磁干扰下的有效通信手段,满足复杂战场环境下车队执行战略物资运输和弹车队隐蔽行驶时车辆间保持可靠隐秘通信的需求。在行驶中每辆车自身作为其它车辆的中继,通过多跳方式为非视线内车辆之间建立稳定可靠的通信链路。因此,基于紫外光单次散射模型,该文研究了最优多跳中继问题,理论分析了收发仰角与频谱效率的关系,依据使频谱效率最大化原则,得出最优跳数近似表达式。仿真结果表明,不同距离移位范围和不同收发仰角都对应特定的最优跳数值,与最优能量计算方法相比,最大频谱效率计算方法在小功率传输时有更好的传输能力,并且达到节约功率的需求。紫外光长距离通信时,系统性能并不随着协作中继数的增加而提高,选取合适的中继数及小发射仰角和大接收仰角的结构配置,系统可获得较高的传输能力。     

紫外光通信协作无人机最优刚性编队生成算法

稳定的编队通信网络能提高无人机(UAV)集群执行任务的能力,因此需要为编队设计一个信息交互拓扑,使无人机在保持编队队形的同时通信代价最小.针对无人机编队网络的拓扑优化问题,结合紫外光通信的优点,提出一种基于紫外光通信的无人机最优刚性编队生成算法.在分析机间紫外光通信链路模型的基础上,利用紫外半球形LED阵列协助无人机发...     

紫外激光探测灰霾的后向散射回波特性

为了研究紫外激光探测灰霾的后向散射特性,基于Mie散射理论和蒙特卡洛方法,建立紫外激光后向散射探测灰霾模型,仿真灰霾条件下紫外激光的后向散射过程,并分析了不同宽度紫外激光脉冲后向散射回波的峰值功率、波峰时延和半高全宽等特征。研究结果表明,在一定灰霾浓度范围内,灰霾浓度越低,发射脉冲越窄时,激光回波畸变越明显,当发射脉冲宽度大于10 ns,激光回波近似呈高斯分布;在发射脉冲宽度相同的条件下,激光回波峰值功率和回波波峰时延随着灰霾浓度的增大而增大,回波半高全宽随着灰霾浓度的增大而减小,当发射脉冲宽度大于32 ns,回波峰值功率趋于平缓。文中研究成果可为紫外激光探测灰霾浓度及分析灰霾后向散射激光回波特性提供依据。     

基于HMM和BP神经网络组合模型的用水行为识别

在当前水资源短缺以及用水量不断增加的背景下,识别农村居民用水行为,对于农村地区居民用水安全和管理、缓解水资源短缺具有重要的意义。为此,提出了一种隐马尔可夫模型(Hidden Markov Model,HMM)和BP神经网络(Back Propagation,BP)相结合的组合模型,模型综合了BP网络优秀的分类识别能力和HMM强大的时域建模能力的优点。该模型首先为居民用水行为的6个事件分别建立1个HMM,然后计算各个模型的最佳状态的输出概率,再将此概率和期望输出共同训练BP神经网络,最后选取测试数据和已建立的组合模型进行匹配,得到识别结果。研究结果表明:该组合模型在用水行为识别准确度上比单独应用HMM模型高8. 78%,比单独应用BP神经网络高8. 92%,具有一定的应用价值。     

农村居民用水行为的识别方法

实时准确地识别居民用水行为对制定有效的家庭用水需求管理策略、提高用水安全、改善当前水基础设施的规划和管理有重要的研究意义。针对每个用水事件的流量特点,通过分析几种典型的居民用水行为,提出了两种居民用水行为识别方法。分别利用HMM和BP神经网络建立不同类型居民用水行为的识别模型,对居民用水行为进行实时而有效的识别。这两种方法首先从训练集合中提取不同用水行为的流量特征、并建立该行为的参考模型,然后从测试集合中提取用水行为的流量特征和已设置的参考模型进行匹配,得出识别结果,最后对两种识别方法的结果进行了对比分析。可以得出两个结论:在不同流量模式用水事件下,HMM模型比BP神经网络的识别准确度高6%左右;在相似流量模式用水事件下,BP神经网络比HMM模型的识别准确度高约6%。     

大气湍流中直升机助降紫外光引导调制研究

为了研究大气湍流中不同调制方式对无线紫外光通信系统的性能影响,基于紫外光非直视通信模型,理论推导了弱湍流条件下开关键控、脉冲位置调制的误比特率。采用紫外光引导直升机助降模型,在不同调制方式下仿真分析了发射功率、通信距离、发散角、接收视场角、收发仰角对误比特率的影响。结果表明,不同调制方式的误比特率随着发射功率、发散角、接收视场角的增大而不断减小,随着通信距离、收发仰角的增大而增大; 在相同条件下,脉冲位置调制比开关键控的误比特率更低,而且随着调制阶数的增加,误比特率会越来越小。这一结果对提高紫外光通信系统在大气湍流中的抗干扰能力具有一定的应用价值。