在探讨正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统的优化中,一个显著挑战在于其信号检测性能的相对不足。同时,针对基于深度神经网络的索引调制(Deep Neural Network Based Index Modulation,DNN-IM)检测算法...在探讨正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统的优化中,一个显著挑战在于其信号检测性能的相对不足。同时,针对基于深度神经网络的索引调制(Deep Neural Network Based Index Modulation,DNN-IM)检测算法,普遍存在着误码率及损失值偏高的问题。为了弥补上述难题,文中提出一种基于多层感知机(Multilayer Perceptron,MLP)的索引调制检测算法,即MLP-IM算法。该算法采用融合两个连接层与一个输出层的架构设计,通过挑选的激活函数实现对OFDM索引调制系统中数据比特的精准还原。首先将OFDM索引调制系统的基础理论巧妙应用于数据的预处理阶段,随后利用仿真数据集对MLP神经网络模型进行全面而深入的离线训练,确保模型的稳健性与准确性。在检测阶段,通过MLP-IM检测算法实现了对OFDM索引调制系统的高效检测。仿真结果表明,所提出的MLP-IM算法在误码率控制和损失值两个方面的性能表现与最大似然检测算法相媲美,甚至在某些场景下超越了现有DNN-IM算法的性能,其性能改善幅度在0.2~6 dB的区间内。展开更多
与线性调频连续波信号不同,采用正交频分复用调制(orthogonal frequency division multiplexing,OFDM)方案信号的雷达,当每个符号上调制的传输信息完全随机时,其模糊函数具有较高的旁瓣;当探测场景中存在较多较强的杂波时,目标回波对应...与线性调频连续波信号不同,采用正交频分复用调制(orthogonal frequency division multiplexing,OFDM)方案信号的雷达,当每个符号上调制的传输信息完全随机时,其模糊函数具有较高的旁瓣;当探测场景中存在较多较强的杂波时,目标回波对应的距离多普勒峰被淹没在脉压积累后的强杂波的旁瓣之下,导致目标无法被识别。目前已有的杂波抑制方案多面临杂波抑制度不足的问题。基于此,本文提出基于贪心策略的高效杂波处理方案,通过自适应逐点抑制强杂波,使旁瓣基底下降,目标信息浮现出来。并与实测数据进行了对比,结果表明,该方法取得了比常规方法更好的杂波抑制性能。展开更多
正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)调制因其高效的频带利用率和良好的抗多径能力广泛用于合作与非合作通信系统中。合作通信场景下,通常接收机可以利用已知帧结构实现OFDM信号的检测。但在非合作场景下,...正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)调制因其高效的频带利用率和良好的抗多径能力广泛用于合作与非合作通信系统中。合作通信场景下,通常接收机可以利用已知帧结构实现OFDM信号的检测。但在非合作场景下,接收机没有足够的先验信息,导致帧检测难度加大。针对这一问题,提出了一种适合于非合作通信场景的OFDM数据帧的检测算法。所提算法利用快速小波变换将含噪OFDM信号的功率包络进行小波分解与重构,对重构得到的功率包络进行差分运算后,再通过与阈值比较实现OFDM信号的帧检测。相较于混合能量检测算法,所提算法计算预设参数少,复杂度低。仿真结果表明,所提算法在加性高斯白噪声信道和多径衰落信道下带内信噪比分别取-6 dB和3 dB时即可实现零漏报率,且零漏报率的阈值选取范围比混合能量检测算法扩大了约6 dB。展开更多
针对动态变化的信道环境,自适应正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统可以对子载波间隔和循环前缀长度进行调整,以最大化系统的吞吐量。为了能够快速准确地找到OFDM系统在不同信道环境中的最优子载波间...针对动态变化的信道环境,自适应正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统可以对子载波间隔和循环前缀长度进行调整,以最大化系统的吞吐量。为了能够快速准确地找到OFDM系统在不同信道环境中的最优子载波间隔和循环前缀长度取值,本文提出了基于随机森林的OFDM系统自适应算法。随机森林算法基于集成的思想,能够有效处理高维度数据,并且具有高效率、高准确率和强泛化能力等优势,可以在复杂的数据场景下进行有效的分类。通过提取通信过程中信噪比、用户移动速度、最大多普勒频率和均方根时延扩展等信道特征与OFDM系统的子载波间隔和循环前缀长度组成训练样本,利用随机森林算法创建了OFDM系统参数多分类模型。所提模型可以根据输入的信道特征,实现OFDM系统子载波间隔和循环前缀长度的自适应分配。同时,针对训练样本主要集中在少数几个系统参数类别的情况,利用合成少数类过采样技术对较少样本数的类别进行扩充,满足了随机森林算法对训练样本类别平衡化的需求,进一步提高了算法的分类准确率。相比传统的自适应算法,所提算法具有更高的分类准确率和模型泛化能力。分析和仿真结果表明,与子载波间隔和循环前缀长度固定的OFDM系统相比,本文所提出的自适应算法能够准确选择出最优的系统参数,可以有效地减轻信道中符号间干扰和子载波间干扰的影响,从而在整个信噪比范围上提供最大的平均频谱效率。基于随机森林的OFDM系统自适应算法能够动态地分配子载波间隔和循环前缀长度,增强OFDM系统的通信质量和抗干扰能力,实现在不同信道环境下的可靠传输。展开更多
文摘在探讨正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统的优化中,一个显著挑战在于其信号检测性能的相对不足。同时,针对基于深度神经网络的索引调制(Deep Neural Network Based Index Modulation,DNN-IM)检测算法,普遍存在着误码率及损失值偏高的问题。为了弥补上述难题,文中提出一种基于多层感知机(Multilayer Perceptron,MLP)的索引调制检测算法,即MLP-IM算法。该算法采用融合两个连接层与一个输出层的架构设计,通过挑选的激活函数实现对OFDM索引调制系统中数据比特的精准还原。首先将OFDM索引调制系统的基础理论巧妙应用于数据的预处理阶段,随后利用仿真数据集对MLP神经网络模型进行全面而深入的离线训练,确保模型的稳健性与准确性。在检测阶段,通过MLP-IM检测算法实现了对OFDM索引调制系统的高效检测。仿真结果表明,所提出的MLP-IM算法在误码率控制和损失值两个方面的性能表现与最大似然检测算法相媲美,甚至在某些场景下超越了现有DNN-IM算法的性能,其性能改善幅度在0.2~6 dB的区间内。
文摘与线性调频连续波信号不同,采用正交频分复用调制(orthogonal frequency division multiplexing,OFDM)方案信号的雷达,当每个符号上调制的传输信息完全随机时,其模糊函数具有较高的旁瓣;当探测场景中存在较多较强的杂波时,目标回波对应的距离多普勒峰被淹没在脉压积累后的强杂波的旁瓣之下,导致目标无法被识别。目前已有的杂波抑制方案多面临杂波抑制度不足的问题。基于此,本文提出基于贪心策略的高效杂波处理方案,通过自适应逐点抑制强杂波,使旁瓣基底下降,目标信息浮现出来。并与实测数据进行了对比,结果表明,该方法取得了比常规方法更好的杂波抑制性能。
文摘针对动态变化的信道环境,自适应正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统可以对子载波间隔和循环前缀长度进行调整,以最大化系统的吞吐量。为了能够快速准确地找到OFDM系统在不同信道环境中的最优子载波间隔和循环前缀长度取值,本文提出了基于随机森林的OFDM系统自适应算法。随机森林算法基于集成的思想,能够有效处理高维度数据,并且具有高效率、高准确率和强泛化能力等优势,可以在复杂的数据场景下进行有效的分类。通过提取通信过程中信噪比、用户移动速度、最大多普勒频率和均方根时延扩展等信道特征与OFDM系统的子载波间隔和循环前缀长度组成训练样本,利用随机森林算法创建了OFDM系统参数多分类模型。所提模型可以根据输入的信道特征,实现OFDM系统子载波间隔和循环前缀长度的自适应分配。同时,针对训练样本主要集中在少数几个系统参数类别的情况,利用合成少数类过采样技术对较少样本数的类别进行扩充,满足了随机森林算法对训练样本类别平衡化的需求,进一步提高了算法的分类准确率。相比传统的自适应算法,所提算法具有更高的分类准确率和模型泛化能力。分析和仿真结果表明,与子载波间隔和循环前缀长度固定的OFDM系统相比,本文所提出的自适应算法能够准确选择出最优的系统参数,可以有效地减轻信道中符号间干扰和子载波间干扰的影响,从而在整个信噪比范围上提供最大的平均频谱效率。基于随机森林的OFDM系统自适应算法能够动态地分配子载波间隔和循环前缀长度,增强OFDM系统的通信质量和抗干扰能力,实现在不同信道环境下的可靠传输。
