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
针对传统数据链测试设备功能单一且不易重构的问题,借鉴虚拟仪器模块化的设计思想,设计实现了一种基于美国国家仪器公司(National Instruments,NI)通用软件无线电平台的数据链测试模拟器。该模拟器采用线性调频信号叠加(Sum of Linear F...针对传统数据链测试设备功能单一且不易重构的问题,借鉴虚拟仪器模块化的设计思想,设计实现了一种基于美国国家仪器公司(National Instruments,NI)通用软件无线电平台的数据链测试模拟器。该模拟器采用线性调频信号叠加(Sum of Linear Frequency Modulation,SoLFM)的方法高效产生具备连续相位的时变信道衰落,包括瑞利衰落、莱斯衰落和对数正态衰落等,并结合多相滤波思想能够精确模拟数据链长时延的多径传播场景。利用矢量网络分析仪对硬件模拟器输出的信道传递函数和信道冲激响应进行实测验证,并对各支路的随机信道衰落包络分布进行统计验证。实测结果表明,该数据链测试模拟器输出的信道函数和统计分布均与理论值吻合,因而可用于数据链装备的系统优化、验证和性能评估。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。
文摘针对传统数据链测试设备功能单一且不易重构的问题,借鉴虚拟仪器模块化的设计思想,设计实现了一种基于美国国家仪器公司(National Instruments,NI)通用软件无线电平台的数据链测试模拟器。该模拟器采用线性调频信号叠加(Sum of Linear Frequency Modulation,SoLFM)的方法高效产生具备连续相位的时变信道衰落,包括瑞利衰落、莱斯衰落和对数正态衰落等,并结合多相滤波思想能够精确模拟数据链长时延的多径传播场景。利用矢量网络分析仪对硬件模拟器输出的信道传递函数和信道冲激响应进行实测验证,并对各支路的随机信道衰落包络分布进行统计验证。实测结果表明,该数据链测试模拟器输出的信道函数和统计分布均与理论值吻合,因而可用于数据链装备的系统优化、验证和性能评估。
