基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

基于OFDMA的无人机群通信链路资源分配算法研究

针对基于OFDMA的无人机群通信链路资源分配中系统容量与用户公平度之间的矛盾,提出了一种新的资源分配算法。该算法主要由子载波分配和功率分配两部分组成。该算法在子载波分配过程中,每个子载波等功率分配,通过设置公平度门限确保在最大化系统容量时兼顾用户公平度;在用户功率分配过程中,采用基于灰狼算法的功率寻优策略,通过全局搜索实现用户间的功率分配。仿真结果表明,文中提出基于灰狼算法的功率分配方法具有较好的稳健性与寻优能力,即使在用户数较多的情况下,仍然能够在最大化系统容量的同时具有较高的用户公平度,并且还可通过设置公平度门限的大小,灵活地调整系统容量与用户公平度之间的关系。