排序方式: 共有25条查询结果,搜索用时 15 毫秒
1.
2.
针对正交频分复用(OFDM)系统频偏估计问题,提出了一种基于粒子群优化(PSO)的盲频偏估计算法。首先,根据频偏估值重建的接收信号和实际接收到的信号误差最小原则构造了盲频偏估计的数学模型,并推导出了代价函数;然后,利用粒子群优化算法强大的随机并行全局搜索能力,通过最小化代价函数估计频偏。仿真比较了常系数、微分递减两种惯性权重策略PSO算法的频偏估计性能,并与最小输出方差、黄金分割盲频偏估计算法进行了比较分析。仿真结果表明,所提算法精度高,同一信噪比下较同类算法大约有一个数量级的提升,且不受调制类型和频偏估计范围(-0.5,0.5)的限制。 相似文献
3.
对高速运动环境下多普勒效应引起的大载波频偏引起的载波间干扰进行数学分析,建立带频偏的非时变和时变频偏OFDM动态状态空间模型,提出了基于平方根无迹卡尔曼滤波(square-root unscented Kalman filter , SR-UKF)的频偏估计算法。将非线性状态估计思想引入OFDM频偏估计中,实现了对频偏的有效跟踪和估计。仿真结果表明,在大频偏、高阶调制下,SR-UKF频偏估计算法较自消除算法、最大似然估计算法具有更好的误码率性能;在收敛精度、稳定度和对信噪比敏感度方面,性能较扩展卡尔曼滤波算法均有所提升。 相似文献
4.
5.
针对在卫星认知通信场景下传统频谱感知算法感知性能低、受通信时延影响大的问题,提出了一种基于长短期记忆(LSTM)神经网络的卫星频谱多门限感知算法。首先构建卫星认知通信模型,其次将仿真数据送入长短期记忆(LSTM)神经网络进行预测感知,采用动量随机梯度下降(SGDM)算法对网络进行更新,然后提出多门限算法对网络输出进行优化,最后与其他神经网络算法作性能对比。该算法无需构建特征值,实验结果表明:在卫星信道条件下,当面对低接收信噪比及低网络迭代次数时,该算法频谱感知性能要优于其他神经网络算法。 相似文献
6.
从二维直接扩展到三维的仅测向定位算法难以对直线测站轨迹正上方的目标进行定位,正交矢量估计算法(OVE)解决了这一问题,但其仅利用了俯仰面的正交矢量,定位精确度较低,也不能仅用2次测向数据就进行定位。本文从正交性原理出发,同时利用俯仰面和方位面的正交信息,推导得到了扩展OVE(EOVE)算法,并提出了基于雷达坐标系的EOVE算法。仿真结果表明,新算法延续了OVE算法的优点,可以定位直线测站轨迹正上方的目标,而精确度优于OVE算法,并能仅利用2次测向结果进行定位,实用价值高。 相似文献
7.
8.
9.
10.
针对电子战条件下,通信信号易受压制干扰的问题,提出了一种基于动态学习率深度自编码器(dynamic learning rate deep AutoEncoder,DLr-DAE)的信道编码算法来提高系统抗压制干扰性能。首先对输入未编码信号进行预处理,将原始输入信号转换为单热矢量,随后使用训练数据样本集,用非监督学习方法训练深度自编码器,基于随机梯度下降法(SGD)更新网络参数,利用指数衰减函数,在迭代次数和网络损失函数值变化过程中动态微调学习率,减少网络迭代循环次数,避免收敛结果陷入局部最优点,从而获得面向电子战环境的信道编码深度学习网络。仿真结果表明,相比现有深度学习编码算法,该算法在取得同等误码率时,抗噪声压制干扰性能最大可提升0.74 dB。 相似文献