变换域通信系统双门限基函数优化设计

针对传统变换域通信系统的基函数门限设计单一固定,且未考虑系统吞吐量的缺点,提出了一种新型的双门限基函数优化设计方法。该方法通过高、低门限的合理设定,确立基函数幅度谱与干扰幅度谱的动态关系式。定义变量PCR(probability of bit error to output capacity ratio)为系统误码率与吞吐量的比值,来综合度量通信系统性能。通过理论分析推导出PCR关于门限的表达式,进而建立优化模型,并采用遍历法进行最终优化搜索。经仿真测试,与传统的二进制门限设计相比,本文所设计双门限优化算法在误码率与系统吞吐量性能上都有较大提升,并能够实现变换域通信系统误码率与吞吐量的最佳权衡。     

变换域通信系统的分形门限研究

变换域通信系统中,存在无法准确辨识的各种复杂干扰和难以找到对各种干扰均适用的阈值问题.基于分形理论的谱峰检测思想,提出分形门限概念,采用以盒维数为判据的谱峰检测算法,对干扰频谱的起点、终点进行判断,据此对干扰进行剔除,从而达到降低误码率的目的.仿真实验表明:该算法能显著降低变换域通信系统的误码率,特别对TDCS抗70%部分带宽干扰,改善尤为明显,达1dB以上;而对于TDCS抗线性调频干扰条件下,在大干信比时,对误码率的减小最为明显,约为1.7dB.该算法简单可靠,对提高变换域通信系统的抗干扰能力具有实用价值.     

基于变换域滤波的直扩通信单通道混合信号分离抗干扰方法

针对直扩通信信号和干扰在时/频域严重重叠这一实际情况,提出一种基于变换域滤波的直扩通信单通道混合信号分离抗干扰算法。该方法首先利用直扩信号和干扰的二阶循环平稳差异,基于直扩信号部分调制先验信息,构造基于变换域的单通道混合信号分离模型;然后基于训练序列和最小均方误差准则设计代价函数,使输出信号接近于导频序列并得到此时的分离向量;最后利用该分离向量,从含有强干扰的业务混合信号的频移向量中分离出期望的通信信号,提升了直扩通信在强干扰下的抗干扰能力。仿真结果表明,未分离信号在单音/多音干扰、扫频干扰等强干扰下的误码率接近0.5,而本文算法在此条件下的误码率可低至10^-3以下。     

一种加权傅里叶变换域通信方法

为提高通信的安全性,将多项加权分数傅里叶变换(multi-terms weighted-type fractional Fourier transform, MWFRFT)与变换域通信系统(transform domain communication system, TDCS)相结合,提出一种加权傅里叶变换域通信方法。首先使用MWFRFT对原信号进行处理;然后利用混沌序列产生的伪随机相位生成TDCS基函数;最后将所得信号与基函数调制并用于隐蔽通信。为验证该方法的可行性,对信号的星座变换特性以及相关特性进行了仿真分析,结果表明,MWFRFT具有较好的星座混淆性,利用混沌映射得到的TDCS基函数相关性有所提高,因此,该方法适用于隐蔽通信。     

变换域通信系统动态仿真平台设计与系统研究

变换域通信系统(TDCS)是新近提出的一种无线通信方法。与传统的通信系统相比它有两点不同。首先它是根据信道的频谱特性在变换域(频域,或时间-尺度域)进行信号波形设计,使信号避免被干扰。其次,它未采用载波调制,而是使用一个类似于噪声的基函数进行数据调制。本文详细介绍了TDCS的原理,在此基础上使用SIMULINK搭建了TDCS的动态仿真平台,并在此平台上完成了TDCS的动态仿真及系统性能分析。     

多LFM信号自适应时频表示方法

提出了一种多线性调频信号自适应时频表示方法及其快速算法:首先采用分数阶傅里叶变换的快速算法计算出模糊函数,再通过Radon-Ambiguity变换设计出信号的最优核函数,以滤除噪声和多线性调频信号在模糊域中的互项,最后通过二维傅里叶变换得到信号的时频表示。在多分量线性调频信号情况下借助"clean"的思想来抑制强分量对弱分量的干扰。仿真表明该方法在低信噪比环境下也十分有效,且运算复杂度小。     

多载波CDMA中变换域自适应滤波抑制窄带干扰

Multi-Carrier CDMA(MC-CDMA)系统结合了正交频分复用(OFDM)系统和码分多址(CDMA)系统的优点,能比传统CDMA系统提供更高的用户容量,因而在3G中受到了广泛的关注.主要讨论MC-CDMA系统在加性高斯白噪声信道下使用变换域自适应滤波器抑制窄带干扰的性能,推导了系统在加性高斯白噪声信道下抑制单音干扰的理论性能,并将变换域自适应滤波器的性能和门限剔除器(threshold exciser)作了比较.通过数字仿真结果可以看出,使用变换域自适应滤波器的MC-CDMA系统对窄带干扰的抑制性能比使用门限剔除器的好得多.     

非对称调制的双向全双工车载通信BER性能分析

在车载通信系统中,全双工中继技术可满足车联网的低时延需求以及缓解频谱资源短缺问题。然而,实际车载通信应用中不同信源车辆发送的信息相互独立,节点调制方式往往不对称。这种非对称传输会加剧全双工模式残余自干扰造成的译码错误。针对这一问题,提出一种非对称调制的全双工通信方法,该方法引入网络编码联合调制的解码转发方式解决了非对称调制带来的误码率增大的问题。此外,分析了全双工残余自干扰随功率动态变化情况下的优化约束条件,得到最优功率分配区间。数值分析结果证明:在不同功率区间内,所提方法都可找到最优功率比例,使得系统端到端误比特性能最优。     

基于认知驱动的变换域通信智能抗干扰方法

为满足未来无人系统通信智能抗干扰的实际需要,针对传统变换域通信系统(transform domain communication system,TDCS)自身开放性有限、干扰应对能力不足等问题,设计了基于认知引擎驱动的智能系统架构,并针对各认知引擎驱动子模块提出了3种改进方法,包括基于稀疏逼近的未知干扰处理、基于稀疏表...     

基于分数阶傅立叶变换的自适应时频表示

提出采用高斯函数的分数阶傅立叶变换作为基函数的自适应信号扩展方法,并给出了相应的时频分布,该分布具有较高的时频分辨率,没有窗效应,无交叉项干扰。分数阶傅立叶变换使基函数的时频分布旋转了α角度,结合尺度,时移和频移,为基函数匹配信号提供了更大的灵活性。仿真结果表明,该方法可以更加准确地描述信号的时频特征。     

基于压缩感知信号重构的间歇采样转发干扰对抗方法

间歇采样转发干扰是一种针对大时宽带宽线性调频(linear frequency modulation, LFM)信号的新型相干干扰样式,通过不同的参数设置可以形成逼真多假目标以及具有压制效果的密集假目标干扰。根据间歇采样转发干扰“存储转发存储转发”的干扰特点,给出了能量函数的定义,并根据目标回波信号和干扰信号能量函数的特征差异,提出了一种提取未受干扰影响的目标回波信号数据的方法;然后将其看作目标回波信号的压缩数据,利用其与解线调处理后的目标回波信号稀疏频域之间的线性关系,构建了压缩感知最小问题求解模型;最后,利用正交匹配追踪算法重构了目标回波信号,实现了对间歇采样转发干扰的抑制。蒙特卡罗仿真结果表明:通过设置合适的阈值,所提方法可以获得较好的干扰抑制性能和较高的抗干扰成功概率,并且不仅适用于中带LFM匹配滤波体制雷达,而且适应于宽带LFM去斜体制雷达。     

基于正强化学习和正交分解的干扰策略选择算法

强化学习作为自学习和在线学习方法,以试错的方式与动态环境进行持续交互,进而学习到最优策略,成为机器学习领域一个重要的分支。针对当前无线通信干扰策略研究依赖先验信息以及学习速度过慢的缺点,提出了基于正强化学习-正交分解的干扰策略选择算法。该算法利用正强化的思想提高了最优动作被选中的概率,进而加快了系统的学习速度。特别地,当通信信号星座图因诸多因素而产生畸变时,利用提出的正交分解算法能够学习到最佳干扰信号的同相分量和正交分量,即通过学习获得最佳干扰样式。仿真结果表明,利用正强化学习-正交分解算法能够更加快速地学习到最优干扰参数和最佳干扰样式,相同任务中,仅需更少的交互次数且干扰效果更好,较现有干扰策略选择算法更优。     

基于多相位分段调制的间歇采样转发干扰

针对间歇采样转发干扰范围有限以及干扰具有规律性的问题,提出一种基于多相位分段调制(multiple phases sectionalized modulation,MPSM)的间歇采样转发干扰方法。该方法首先对信号间歇采样,然后对每段信号调制不同的相位,之后放大转发出去。通过控制间歇采样参数和调制相位情况,能够产生多个位置和范围可控的压制式干扰区域,有效扩展了间歇采样转发干扰范围,并且削弱了干扰的规律性。在此基础上,针对MPSM干扰中干扰效果与调制相位关系难以推导的问题,提出一种基于遗传算法的优化方法,解决了无法得到最优干扰效果的问题。理论分析和仿真实验证明了干扰方法的可行性和有效性。     

基于乘积调制的SAR灵巧干扰方法

噪声乘积调制不仅能获得雷达处理增益, 还能自动瞄准信号频率, 被广泛应用于目标突防等重要作战场景。借鉴其基本原理, 提出了对合成孔径雷达(synthetic aperture radar, SAR)的乘积调制灵巧干扰方法, 在不改变截获信号调制流程的基础上, 仅通过线下模板设计, 即可灵活选择压制或欺骗的不同干扰效果。首先建立了干扰信号模型, 推导分析了其成像结果, 继而详细阐述了调制模板的生成方法; 最后, 从理论上分析了干扰的性能情况。仿真结果表明, 所提的干扰方法能仅通过设计不同的调制模板即可实现场景压制或虚假目标欺骗, 干扰效果对侦察精度的依赖性较小, 干扰调制流程简单高效, 便于工程实践。     

基于稳健协方差矩阵的ADS-B压制式干扰抑制

压制式干扰是广播式自动相关监视(automatic dependent surveillance broadcast, ADS-B)系统面临的最常见且最有威胁的干扰之一。提出基于稳健协方差矩阵估计的ADS-B压制式干扰抑制算法。首先,考虑了ADS-B信号的脉冲特性,将协方差矩阵的求解转化成凸优化问题。然后,利用求解凸优化问题得到的稳健协方差矩阵设计最优权矢量。最后,对观测信号进行空域滤波,完成ADS-B的压制式干扰抑制,并对抑制结果进行性能分析。提供的仿真实验结果也验证了算法的有效性,该方法不需要知道ADS-B信号来向,且在非高斯噪声情况下同样有效。     

突击作战干扰时机决策

干扰时机的确定是进行干扰决策的前提和基础。通过对问题分析,制定了两套干扰时机决策方案。为实现攻击机的飞行控制最优规划,综合考虑攻击机飞行性能、威胁约束以及边界约束,建立了最优航迹控制模型。引入主要应用于航天控制的勒让德伪谱法(Legendre pseudospectral method, LPM),将最优控制问题转化为非线性规划(nonlinear programming, NLP)问题,在此基础上设计了干扰时机解算流程。通过对基于c代码的可行序列二次规划(c code feasible sequential quadratic programming, CFSQP)算法的改进,有效减少了优化变量的数量,使其能对NLP问题快速寻优。仿真结果表明,所提出的干扰时机决策方案能有效地获得最优干扰开始和结束时刻。     

模拟退火算法在雷达干扰资源优化分配中的应用

为了使有限的雷达干扰资源发挥最佳的干扰效果,以干扰机压制概率公式计算为基础,建立雷达干扰资源分配目标函数.先应用模拟退火算法优先分配威胁等级较大的雷达,将干扰压制概率较大的干扰资源进行优化分配,然后在此基础上,再对剩余的干扰资源进行二次模拟退火优化分配,以实现从可行的解空间中找出满足目标函数和约束条件的雷达干扰资源分配的全局最优方案解.仿真结果表明,该方法不仅有效、可行,而且能同时适用于"一对一"和"多对一"情况分配,对于设计和开发雷达干扰智能决策支持系统有一定的意义.     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法,通常基于通信侦察中获取的目标信号特征进行干扰决策,选取合适的干扰波形实施干扰,难以应对目标信号特征未知或参数动态变化的情况.为此,提出一种基于生成对抗网络(generative adversarial networks,GAN)的通信干扰波形生成技术,运用GAN直接提取目标信号的潜在特征,并生成与目标...