针对Alpha稳定分布噪声下,循环谱估计正交频分复用(orthogonal frequency division multiplexing,OFDM)信号参数失效问题,提出一种基于广义循环谱的载波频率和符号速率联合估计方法。首先,对OFDM信号进行反正切变换及循环平稳分析,建立O...针对Alpha稳定分布噪声下,循环谱估计正交频分复用(orthogonal frequency division multiplexing,OFDM)信号参数失效问题,提出一种基于广义循环谱的载波频率和符号速率联合估计方法。首先,对OFDM信号进行反正切变换及循环平稳分析,建立OFDM的广义循环谱数学模型;然后,分析广义循环谱谱线与OFDM信号载波频率及符号速率之间的关系,通过检测广义循环谱谱线位置实现OFDM信号的参数估计;最后,通用软件无线电外设(universal software radio peripheral,USRP)采集得到OFDM信号,使用真实采集I、Q中频信号对所提算法进行验证。实验结果表明:所提算法在Alpha稳定分布噪声下表现出良好的鲁棒性,具有一定的工程实用性。展开更多
随着信号采集设备的带宽越来越宽,大量感兴趣或者不感兴趣信号被捕捉,多信号的盲识别问题是一个难题,更是一个亟需解决的问题。传统的识别大都基于功率、频谱或相位等诸多先验知识进行模板匹配,但在全盲条件下对多信号进行自适应识别是...随着信号采集设备的带宽越来越宽,大量感兴趣或者不感兴趣信号被捕捉,多信号的盲识别问题是一个难题,更是一个亟需解决的问题。传统的识别大都基于功率、频谱或相位等诸多先验知识进行模板匹配,但在全盲条件下对多信号进行自适应识别是一个更加复杂的问题。为此,提出了一种基于通用软件无线电外设(Universal Software Radio Peripheral,USRP)、片上射频网络(RF Network on Chips,RFNOC)和Keras的自适应信号盲识别算法。首先构造基于深度学习的神经网络,然后使用初始IQ数据、初始功率谱密度数据和快速傅里叶变换(Fast Fourier Transform,FFT)累积算法处理后的谱相关密度数据等三种不同的初始数据去训练它,利用其自适应性实现多信号的盲识别,最后通过基于USRP、RFNOC和Keras的软硬件验证了该算法的有效性和鲁棒性。展开更多
文摘针对Alpha稳定分布噪声下,循环谱估计正交频分复用(orthogonal frequency division multiplexing,OFDM)信号参数失效问题,提出一种基于广义循环谱的载波频率和符号速率联合估计方法。首先,对OFDM信号进行反正切变换及循环平稳分析,建立OFDM的广义循环谱数学模型;然后,分析广义循环谱谱线与OFDM信号载波频率及符号速率之间的关系,通过检测广义循环谱谱线位置实现OFDM信号的参数估计;最后,通用软件无线电外设(universal software radio peripheral,USRP)采集得到OFDM信号,使用真实采集I、Q中频信号对所提算法进行验证。实验结果表明:所提算法在Alpha稳定分布噪声下表现出良好的鲁棒性,具有一定的工程实用性。
文摘随着信号采集设备的带宽越来越宽,大量感兴趣或者不感兴趣信号被捕捉,多信号的盲识别问题是一个难题,更是一个亟需解决的问题。传统的识别大都基于功率、频谱或相位等诸多先验知识进行模板匹配,但在全盲条件下对多信号进行自适应识别是一个更加复杂的问题。为此,提出了一种基于通用软件无线电外设(Universal Software Radio Peripheral,USRP)、片上射频网络(RF Network on Chips,RFNOC)和Keras的自适应信号盲识别算法。首先构造基于深度学习的神经网络,然后使用初始IQ数据、初始功率谱密度数据和快速傅里叶变换(Fast Fourier Transform,FFT)累积算法处理后的谱相关密度数据等三种不同的初始数据去训练它,利用其自适应性实现多信号的盲识别,最后通过基于USRP、RFNOC和Keras的软硬件验证了该算法的有效性和鲁棒性。
