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。     

新的互补序列在雷达通信一体化中的应用

雷达通信一体化能有效整合系统射频资源, 可利用射频前端同时实现目标探测和通信。针对一体化中存在的随机通信数据引起的高距离旁瓣及严重的回波遮掩性问题, 提出了一种基于离散傅里叶矩阵循环扩展的互补码构造方法, 设计了一种新的基于完全互补码的雷达通信一体化方案, 该方案采用扩频多载波信号形式。理论分析和仿真结果表明, 所提出的信号设计方式能够获得低距离旁瓣, 有效地解决近距离探测的问题, 又可以满足通信多用户传输的需求, 符合基于信号共享的雷达通信一体化设计要求。