基于深度学习OFDM信道补偿技术硬件实现

为了解决部分高性能深度学习神经网络因存在复杂度高及计算量大等缺陷在嵌入式设备中应用效果不理想的问题;以小型化集成智能无线电设备AIR-T为平台实现了基于深度学习的OFDM信道补偿技术;在FPGA芯片上不仅实现了OFDM信号传输系统模块,也实现了传统信道估计与均衡模块,模块对数据进行预处理减轻神经网络工作量以完成神经网络信道补偿技术模块在Jetson TX2平台GPU上的高效实现;由实验记录神经网络训练过程中的计算复杂度和参数拟合速度得知,传统信道估计与均衡模块有效降低了网络训练时的运算次数;由测试性能方面可知,经过神经网络信道补偿后的数据误码率比之前传统信道估计与均衡后的误码率有明显降低;     

WPF/STK集成的卫星轨道引导文件自动生成方法

针对获得轨道引导文件的传统方法比较繁琐和复杂的问题,详细介绍了采用WPF（Windows呈现基础）与STK（卫星工具箱）软件集成的方法;利用Visual Studio（可视化工作室）搭建仿真环境,以自动产生某卫星轨道引导文件的程序为例,具体介绍了集成开发的步骤流程及遇到的问题和解决方法;结果表明,利用WPF和STK进行系统集成,不仅能够获取符合任务要求轨道引导文件,而且大大减小了WPF的编程工作量,同时通过个性化主界面设计,以可视化的形式对主程序集成,只需输入参数,便可快速获取相应的引导文件,避免了获取引导文件时需反复对STK参数进行修改;在测控任务开始前获取轨道引导文件的操作中,WPF/STK联合仿真相较于仅使用STK软件进行处理而言,要更加简洁高效。