针对信号在光纤中传输时受到外部环境因素影响,导致传输的光载射频信号相位出现抖动,影响多路信号相干叠加后的信噪比问题,提出一种基于微波光子信号稳相传输的多路信号增强技术。通过设计包含相位测量、控制与调节模块的稳相传输系统,...针对信号在光纤中传输时受到外部环境因素影响,导致传输的光载射频信号相位出现抖动,影响多路信号相干叠加后的信噪比问题,提出一种基于微波光子信号稳相传输的多路信号增强技术。通过设计包含相位测量、控制与调节模块的稳相传输系统,结合闭环测量和精度调节(粗调10 ps、精调0.1 ps),实现光载射频信号的相位稳定;进一步搭建多路信号传输系统,采用匹配滤波和相位精确合成方法,完成3路信号的相干叠加。实验结果表明:在1.7、2.3 GHz频率下,叠加后的信号功率较单路信号分别提升4.5、5.1 d B,信噪比分别改善2.8、3.44 d B。展开更多
低截获概率(low probability of intercept,LPI)雷达信号凭借其卓越的抗截获能力,在现代电子战中得到了广泛应用。但LPI雷达信号的低峰值功率使其极易被加性白高斯噪声(additive white Gaussian noise,AWGN)淹没,导致信噪比(signal-to-n...低截获概率(low probability of intercept,LPI)雷达信号凭借其卓越的抗截获能力,在现代电子战中得到了广泛应用。但LPI雷达信号的低峰值功率使其极易被加性白高斯噪声(additive white Gaussian noise,AWGN)淹没,导致信噪比(signal-to-noise ratio,SNR)较低,给信号的检测和识别带来了极大的挑战。为了从AWGN背景中提取原始LPI雷达信号,本文提出了一种名为LPI-U-Net的深度神经网络(deep neural network,DNN),用于端到端的时域LPI雷达信号增强。该网络由特征提取模块(feature extract module,FEM)、特征聚焦模块(feature focus module,FFM)和信号恢复模块(signal recover module,SRM)组成。首先FEM通过卷积操作提取信号的特征,然后FFM利用卷积和通道间注意力进一步关注对信号增强任务有利的特征,最后SRM利用反卷积操作从特征中重构信号,从而完成LPI雷达信号增强。仿真实验表明LPI-U-Net在低SNR下的LPI雷达信号增强性能优于传统信号处理中典型的降噪方法,验证了其可行性和有效性。展开更多
文摘针对信号在光纤中传输时受到外部环境因素影响,导致传输的光载射频信号相位出现抖动,影响多路信号相干叠加后的信噪比问题,提出一种基于微波光子信号稳相传输的多路信号增强技术。通过设计包含相位测量、控制与调节模块的稳相传输系统,结合闭环测量和精度调节(粗调10 ps、精调0.1 ps),实现光载射频信号的相位稳定;进一步搭建多路信号传输系统,采用匹配滤波和相位精确合成方法,完成3路信号的相干叠加。实验结果表明:在1.7、2.3 GHz频率下,叠加后的信号功率较单路信号分别提升4.5、5.1 d B,信噪比分别改善2.8、3.44 d B。
