期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于调和平均分形盒维数的无线通信信号调制识别算法 被引量:12
1
作者 龙晓红 张洪欣 张明明 《江苏大学学报(自然科学版)》 EI CAS CSCD 北大核心 2017年第3期308-312,共5页
为了能够在低信噪比下快速有效地实现对免授权频段频谱共存条件下调制信号的识别,基于分形理论,通过构造峰度调和函数,提出了一种基于调和平均分形盒维数的新型无线通信信号调制识别方法.对接收到的信号通过希尔伯特变换进行预处理,然... 为了能够在低信噪比下快速有效地实现对免授权频段频谱共存条件下调制信号的识别,基于分形理论,通过构造峰度调和函数,提出了一种基于调和平均分形盒维数的新型无线通信信号调制识别方法.对接收到的信号通过希尔伯特变换进行预处理,然后提取其盒维数以及峰度调和参数,并将这两个参数进行调和平均,构成调和平均分形盒维数这一特征参数,并采用决策树理论进行分类识别.采用WiFi(802.11a)等4种常用无线通信信号,运用Matlab进行了仿真.结果表明:所提出的算法在-5 dB低信噪比下对WiFi(802.11a)等无线通信信号的识别率高达80%,远高于传统算法;新算法具有较低的复杂度和特征稳健性,易于工程应用. 展开更多
关键词 无线通信信号 调制识别 特征提取 分形 调和平均分形盒维数 决策树
在线阅读 下载PDF
面向多机器人的传统苹果园无线通信信号传播特性研究 被引量:7
2
作者 刘志杰 刘恒 +3 位作者 毛文菊 杨福增 王旺 秦纪凤 《农业机械学报》 EI CAS CSCD 北大核心 2022年第8期283-293,共11页
为解决农业多机器人在传统苹果园行间协同作业时的通信节点最佳部署问题,研究了2.4 GHz Wi-Fi信号在传统苹果园(苹果成熟期)中的传播特性。将信号发射、接收节点分别距地面高度0.45、0.55、0.65、0.75 m垂直部署,依据多机器人直线型、... 为解决农业多机器人在传统苹果园行间协同作业时的通信节点最佳部署问题,研究了2.4 GHz Wi-Fi信号在传统苹果园(苹果成熟期)中的传播特性。将信号发射、接收节点分别距地面高度0.45、0.55、0.65、0.75 m垂直部署,依据多机器人直线型、小间距V形、大间距V形、并排型等4种典型编队方式将节点水平部署,测量通信信号在不同高度条件以及上述4种编队方式下不同距离处的接收强度。研究结果表明,4种编队方式中,以直线型编队方式下的信号衰减最缓慢。因此,传统苹果园中多机器人最佳的编队方式为直线型,节点部署高度最好在果树第一侧枝向下0.2 m左右处。对路径损耗数据进行回归分析,发现其在每个无线通信信号节点高度、每种多机器人典型编队方式下均符合对数路径损耗模型,模型的R^(2)在0.860~0.989之间。同时,建立了用于预测2.4 GHz Wi-Fi信号在传统苹果园(苹果成熟期)中的路径损耗模型,并同期选择了其他苹果园验证了预测模型的准确性,R^(2)在0.947~0.967之间,RMSE在1.489~2.432 dBm之间。模型能较好地预测Wi-Fi信号在传统苹果园中的路径损耗情况,可为农业多机器人在传统苹果园中的通信节点部署提供参考。 展开更多
关键词 农业多机器人 传统苹果园 无线通信信号 传播特性
在线阅读 下载PDF
一种无线通信信号超窄带滤波方法的改进 被引量:2
3
作者 宋国林 忽哓伟 陈景召 《科学技术与工程》 北大核心 2016年第30期253-257,共5页
在无线通信过程中,采用传统超窄带滤波方法很难获取较宽且没有被干扰的频带,有效信号在频域中会出现裂口,导致大量数据丢失,造成人为干扰。提出一种新的无线通信信号超窄带滤波方法,依据幅值、斜率以及带宽对干扰源位置与数量进行判定,... 在无线通信过程中,采用传统超窄带滤波方法很难获取较宽且没有被干扰的频带,有效信号在频域中会出现裂口,导致大量数据丢失,造成人为干扰。提出一种新的无线通信信号超窄带滤波方法,依据幅值、斜率以及带宽对干扰源位置与数量进行判定,为无线通信信号超窄带滤波提供可靠依据。将干扰数据与有效数据投影至不同空间,分别对其进行超窄带滤波处理,通过数据特征值子空间滤波法,获取无线通信信号超窄带滤波的回波数据,实现无线通信信号超窄带滤波,完成无线通信信号超窄带滤波方法的改进。实验结果表明,所提方法能够有效滤除无线通信信号中的超窄带干扰,能保留数据的完整性,避免人为干扰。 展开更多
关键词 无线通信信号 超窄带 滤波
在线阅读 下载PDF
无线数据知识图谱的空时异构表示学习方法
4
作者 冯庆霞 杨绿溪 《信号处理》 北大核心 2025年第4期749-758,共10页
在智能应用的推动下,用户对通信性能的要求已超出现有网络的能力。然而,在无线系统产生的海量通信信号中,仅少量字段对网络性能具有关键影响,如何有效挖掘数据仍面临挑战。现有的大多数研究忽略了无线数据的多源异构性和时序特性,难以... 在智能应用的推动下,用户对通信性能的要求已超出现有网络的能力。然而,在无线系统产生的海量通信信号中,仅少量字段对网络性能具有关键影响,如何有效挖掘数据仍面临挑战。现有的大多数研究忽略了无线数据的多源异构性和时序特性,难以揭示通信网络的运行机制及优化潜力。为此,本文提出了一种空时异构表示学习模型,针对无线数据知识图谱的空时异构特性,深入挖掘数据字段间的关系并优化无线通信网络性能。具体而言,本文将无线数据知识图谱的实体和关系转化为异构图中的节点和边,并通过学习节点的特征表示向量,全面揭示无线数据字段间的相互关系。这些关系不仅揭示了数据字段间的物理关联,还为性能优化提供了理论依据。为提升模型的表达能力,本文通过设计特征图模块,利用多跳连接子图表征异构节点的结构和属性信息。此外,本文开发了空时动态模块,通过联合聚合相邻节点的结构和时间信息,从而学习有效的节点表示向量。与现有方法相比,本文提出的模型在理解无线数据字段相互关系及性能预测等方面表现出显著优势,并在吞吐量预测任务中展现了实际应用价值。本文的研究不仅弥补了现有研究在无线数据知识图谱表示学习领域的不足,还为无线通信系统的优化提供了理论和实践支持。 展开更多
关键词 无线通信信号 知识图谱 图神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部