归零Turbo码的盲识别方法

针对归零Turbo码的识别问题,提出一种有效的识别方法。该方法首先根据归零Turbo码的特殊结构,利用遍历矩阵列数的方式,寻找相关列均值最大值的位置,识别归零Turbo码长和起始点;其次,构建归零Turbo码的交织器识别模型,利用分层比对的方法得到交织置换关系, 完成对交织器参数的识别。仿真实验表明,该方法在0.02的误码率条件下识别率仍能达到80%以上,验证了所提方法的有效性和鲁棒性。     

基于分析矩阵零均值比的CDL卷积交织盲识别

针对非合作接收中现有盲识别算法受码长约束且抗误码性能较差的问题,提出了一种基于分析矩阵零均值比的卷积交织参数盲识别算法,可以在不需要考虑码长约束的情况下,利用经高斯约当旋转消元算法处理后得到的分析矩阵零均值比来确定秩缺间隔,从而得到交织深度的范围,最后通过联合求取交织宽度、交织深度和交织偏差来完成卷积交织参数的盲识别。分别对所提算法、多重循环搜索算法和秩准则算法在不同误码性能下进行了仿真实验,实验结果表明,所提算法在误码率较高情况下,具有较好的识别性能,且运算复杂度较小,可以完成通用数据链卷积交织的盲识别。     

基于分数采样的直扩信号滑动相关盲同步方法

详细分析了DS-SS信号在相关域的特征、性能,充分利用DS-SS信号扩频伪码的尖锐自相关特性和噪声的互相关特性,在已知PN码周期的前提下,提取一PN码周期DS-SS/BPSK信号作为已知PN码,采用分数采样构造滑动相关曲线,检测相关峰的位置实现DS-SS/BPSK信号盲同步,并对该算法的同步精度以及其适应的输入信噪比进行了分析。理论分析和仿真实验证明,盲同步精度与信噪比,伪码长度周期,分数采样系数,以及相关数据段密切相关。在一定的计算复杂性条件下,该方法可有效实现负信噪比(SNR<-17dB)DS-SS/BPSK信号盲粗同步,为快速进行精确同步奠定了基础。     

自适应非相干累加次数和门限的捕获策略研究

阐述了扩频通信系统中伪码捕获的基本原理,分析了传统的基于噪声功率检测的自适应门限设定方法。针对现有捕获策略的研究重点主要集中在固定门限和自适应门限设定方面,提出了一种可以同时自适应调整非相干累加次数和门限值的捕获方案。详细介绍了新方案的结构和相应的自适应算法,给出了其捕获性能的仿真结果。通过和传统自适应门限方案的对比表明新方案在低信噪比情况下的捕获性能明显优于传统方案,大大扩展了捕获系统的动态范围。     

基于TCNN-BiLSTM网络的调制识别算法

针对传统调制识别算法在低信噪比下识别率不高的情况,提出双路卷积神经网络级联双向长短时记忆(two-way convolutional neural network cascaded bidirectional long short-term memory, TCNN-BiLSTM)网络的调制识别算法。首先,该算法并联不同尺度卷积核的卷积层,提取调制信号不同维度的特征。然后,级联BiLSTM层,对多维特征构建LSTM时间模型。最后,使用softmax分类器完成识别。仿真实验表明,所提算法结构在加性高斯白噪声和特定信道参数的瑞利衰落信道下，性能要优于基于传统特征和其他网络结构的识别算法。在特定信道参数的瑞利衰落信道下信噪比低至6 dB时,该算法对6种数字调制信号的识别率仍可达到92%以上。     

基于遍历Hough变换的弱目标检测前跟踪算法

针对基于标准Hough变换的TBD算法在低信噪比环境下检测概率较低以及运算时间较长的问题,提出一种基于遍历Hough变换的TBD方法.将接收到的各帧回波点进行第一门限判决并依次存储到不同矩阵中;把所有超过第一门限的点统一叠加到数据平面;接着两两遍历组合数据平面中不同点求取直线参数,将其投影到参数平面对应单元,并建立累加器,同时将组合两点的幅值积累到该单元对应的累加器中;提取累加器中积累值超过第二门限单元,实现航迹回溯.通过仿真比较所提算法与其它两种基于Hough变换的TBD算法,验证了所提方法能够有效提高低信噪比下目标的检测概率并且运算时间也比标准Hough变换少.     

GMSK+PN信号信噪比估计

针对数传、测距一体化的调制方式高斯最小频移键控复合伪码测距(Gaussian minimum shift keying+pseudo-noise, GMSK+PN)信号的信噪比估计,提出了一种精度较高、复杂度较低的快速算法。该算法采用层状结构分解的方式,将信号分解为若干信号单元,对每一个分解的信号单元进行功率分配计算或信噪比估计,最后快速准确地计算出整个信号的信噪比。信噪比在 1~13 dB之间时,估计误差小于0.5 dB。利用Simulink仿真工具,验证了该算法的有效性。     

基于延迟相乘和能量累积的DSSS信号参数估计算法

针对直接序列扩频(direct sequence spread spectrum, DSSS)信号截获和参数盲估计问题,提出了一种采用延迟相乘和能量累积实现DSSS信号参数估计的新方法。该算法采用延迟相乘估计伪随机码（pseudonoise,PN）周期,将延迟相乘序列分成连续的片断,通过累积能量最大值搜索估计信息码周期,实现了PN码序列和信息序列的估计。理论分析和仿真结果表明,在加性高斯白噪声条件下,对扩频增益为G_p dB的DSSS信号,在信噪比高于-G_p/2 dB的条件下,该算法能够实现稳定的参数提取。该算法不需要预先设定门限和参数,适合采用硬件设计实现。     

一种混沌扩频信号的同步方法及仿真

提出了一种低信噪比条件下混沌扩频信号的捕获算法,利用扩频序列在时间上的相关等价于频域内相乘的特性,可实现无周期混沌扩频信号的快速捕获,并对频差搜索方法做了改进,给出降低捕获门限的方法,提出了捕获时消除数据调制的方法。然后,运用Matlab 6.0仿真分析了这种同步方法在各种条件下,特别是低信噪比条件下的捕获性能。仿真结果表明此方法捕获时不需要数据辅助并可以使捕获时间大幅度缩短,该方法能够实现低信噪比条件下混沌扩频信号的快速捕获。     

基于准循环LDPC码译码软信息的码辅助帧同步算法

确保较低信噪比条件下的系统帧同步,是LDPC码在系统应用中的关键问题。基于最大似然的准则,提出了一种适合准循环LDPC编码系统的码辅助盲帧同步算法。该算法通过计算不同帧偏移处的信道输出软信息向量满足LDPC码校验矩阵中所有校验方程的概率与违背所有方程的概率的对数似然比值,再根据最大似然值对应的信息向量确定最终的帧同步边界。新算法可借助译码器的部分资源来实现帧同步搜索,提高了译码器的利用率,降低了实现复杂度;无需一次完整的迭代译码过程,减少了同步捕获的时间。仿真结果表明,相比已有的码辅助盲帧同步算法,新算法具有较好的帧同步性能;借助新同步算法仿真获得的系统误比特率和帧错误率接近已有的码辅助帧同步算法的译码性能。     

基于极大极小准则下的 (n,k,m) 卷积码识别

针对现有识别方法仅适用于特定类型的卷积码,以及容错能力有待提高的问题,提出了一种基于改进门限沃尔什-哈达玛变换(Walsh-Hadamard transform, WHT)的(n,k,m)卷积码参数遍历识别方法。首先,将问题分为非系统和系统形式两种情况进行考虑,根据各自结构特点分别建立关于校验多项式的二元域方程,并建立二元假设;然后,遍历不同的参数组合并利用WHT求解对应方程,通过二元判决得到校验多项式,同时为提升方法的鲁棒性,采用极大极小准则对判决门限进行了改进。最后,利用校验多项式矩阵与生成多项式矩阵的正交关系求解生成多项式。仿真结果表明,该方法对各码率的卷积码均能有效识别,且抗误码性能优于传统方法。     

一种新的低信噪比下的数字调制识别方法

针对数字调制识别在低信噪比下的应用,提出一种新的基于瞬时信息的调制识别算法。该算法一方面提出采用小波滤波器对信号的瞬时信息进行消噪处理,提高了调制识别算法在低信噪比下的识别能力;另一方面利用已有算法的3个特征参数σ_ap、σ_aa、和σ_fa以及在已有算法基础上改进的3个新的特征参数Ra、Rp和Rf,简化了识别过程,改善了低信噪比下的识别效果。仿真结果表明,该算法在信噪比低到5dB时,也能达到95.4%以上的识别率。     

一种基于信噪比估计的自适应伪码捕获算法

军事扩谱通信一般都以突发信号帧的形式进行通信,通信时间短、可靠性要求高、信号动态范围大。固定门限捕获方法不能提供满意的性能,门限选得太高会使高信噪比时虚警概率过高,而门限过低会使得低信噪比时漏检概率高,检测概率低,因此需要利用自适应捕获方法。提出一种适合突发短帧模式的自适应伪码捕获方法,该方法可适用于A/D转换前加自动增益控制(AGC)的情况。提出的自适应捕获方法基于接收信号信噪比的估计,推导出根据采样点统计值的比值得到信噪比估计的实用算法,并对该算法进行多项式拟合以适合工程实现,并对算法进行了仿真分析。     

基于互相关特征图和扩张稠密卷积网络的SFBC-OFDM识别方法

针对传统的空频分组码(space-frequency block code, SFBC)识别方法存在人工提取特征困难、低信噪比(signal to noise ratio, SNR)下识别准确率低和不适用于非协作通信的问题, 提出一种基于互相关特征图和扩张稠密卷积网络的SFBC自动识别方法。首先，计算接收端频域上的互相关函数并进行维度变换, 得到二维互相关特征图。然后, 对得到的特征图进行预处理以扩大卷积核感受的有效区域, 去除图像冗余信息。最后，构建扩张稠密卷积网络以自动提取预处理图像特征, 实现SFBC分类识别。仿真结果表明, SNR为-8 dB时, 该方法对SFBC信号的识别准确率达到了96.1%。相比于传统算法, 该方法具有更好的抗低SNR和特征自提取能力, 验证了深度学习方法在SFBC识别领域的有效性, 为该领域的后续研究奠定了基础。     

Turbo decoding using two soft output values

It is well known that turbo decoding always begins from the first component decoder and supposes that the apriori information is "0" at the first iterative decoding. To alternatively start decoding at two component decoders, we can gain two soft output values for the received observation of an input bit. It is obvious that two soft output values comprise more sufficient extrinsic information than only one output value obtained in the conventional scheme since different start points of decoding result in different combinations of the a priori information and the input codewords with different symbol orders due to the permutation of an interleaver. Summarizing two soft output values for erery bit before making hard decisions, we can correct more errors due to their complement. Consequently, turbo codes can achieve better error correcting performance than before in this way. Simulation results show that the performance of turbo codes using the novel proposed decoding scheme can get a growing improvement wi     

基于残差生成对抗网络的调制识别算法

针对小样本条件下通信信号识别准确率不高、网络训练困难的问题, 本文提出一种基于残差生成对抗网络的调制识别算法。首先, 设计一种以Leakyrelu作为隐藏层激活函数的新残差单元, 使得网络对输入为负值的数据也可以进行梯度计算; 然后, 将新残差单元组成的残差网络和卷积神经网络作为本文算法的基本网络结构, 使用卷积步幅为1的非对称小卷积核, 更好地提取信号的边缘特征信息; 最后, 用Dropout代替池化操作, 并选择Adam梯度优化算法以交替迭代方式完成网络训练。仿真实验结果表明, 小样本条件下, 残差生成对抗网络算法复杂度明显降低, 信噪比(signal to noise ratio, SNR)在0 dB以上时, 对10种调制信号的识别准确率可以达到91%, 验证了所提方法的有效性。     

低信噪比突发信号载波频偏估计算法

快速准确的载波频偏估计在突发信号的相干解调中发挥着至关重要的作用。目前的载波频偏估计算法很难同时兼顾估计精度、信噪比(signal-to-noise ratio,SNR)门限以及估计范围等指标。针对这一问题,提出了一种数据辅助的基于接收信号自相关序列离散傅里叶变换(discrete Fourier transform,DFT)的载波频偏估计算法。该算法通过对接收信号的自相关进行加窗处理,借助离散傅里叶变换来实现频率估计。仿真结果表明,与经典的M&M算法相比,该算法具有更低的信噪比工作门限,在低信噪比情况下具有更低的差错概率和更宽的估计范围,非常适合低信噪比突发信号的载波频偏估计。     

注意力机制CNN的毫米波大规模MIMO系统信道估计算法

在室外光线追踪通信场景下,针对毫米波大规模多输入多输出(multiple input multiple output,MI-MO)信道具有稀疏特性、系统受噪声因素影响导致信道估计精度低的问题,提出一种基于图像去噪的注意力机制卷积神经网络信道估计方法.首先,设定参数产生模拟真实环境的数据集,将所产生的信道矩阵看作二维图像...