针对时变水声信道造成的严重多途干扰问题,提出基于虚拟训练序列的双向水声信道精准估计(Virtual Training Based Bidirectional Channel Estimation,VT-BCE)算法。基于叠加训练(Superimposed Training,ST)方案,将训练序列和符号序列线...针对时变水声信道造成的严重多途干扰问题,提出基于虚拟训练序列的双向水声信道精准估计(Virtual Training Based Bidirectional Channel Estimation,VT-BCE)算法。基于叠加训练(Superimposed Training,ST)方案,将训练序列和符号序列线性叠加,使得训练序列和符号序列的信道信息一致,提高信号的跟踪能力;基于置信传播,双向信道估计(Bidirectional Channel Estimation,BCE)算法将一个数据块分成多个短块,利用整个数据块的信息估计当前短块信道,实现对当前短块的精准信道估计。将ST方案、BCE算法和信道均衡(频域)以迭代的方式相结合,使估计的符号序列可以作为信道估计的虚拟训练(Virtual Training,VT)序列,提升信道的估计性能,进而提高系统的解码性能。最后,通过计算机仿真和水池试验,验证了所提算法的有效性。展开更多
针对多雷达辐射源脉冲交错背景下,线性调频(Linear Frequency Modulation,LFM)信号低信噪比导致的脉冲分裂带来原始信号参数难以估计的问题,本文提出了基于深度神经网络和直方图统计的LFM信号两阶段提取与参数估计方法。首先利用双向长...针对多雷达辐射源脉冲交错背景下,线性调频(Linear Frequency Modulation,LFM)信号低信噪比导致的脉冲分裂带来原始信号参数难以估计的问题,本文提出了基于深度神经网络和直方图统计的LFM信号两阶段提取与参数估计方法。首先利用双向长短时记忆网络挖掘原始脉冲流中LFM信号与非LFM信号的调制模式差异并进行分类;其次通过序列调频斜率直方图寻找LFM信号分裂脉冲序列间隐含的原始信号调频斜率信息,提取不同调频斜率的LFM信号脉冲子序列;最后在每个子序列中分别估计原始信号的参数。仿真实验结果表明,相较于传统的序列差值直方图算法和循环神经网络分选方法,本文所提方法能够更准确地提取出LFM脉冲信号,并得到较为精确的参数估计结果。展开更多
文摘针对时变水声信道造成的严重多途干扰问题,提出基于虚拟训练序列的双向水声信道精准估计(Virtual Training Based Bidirectional Channel Estimation,VT-BCE)算法。基于叠加训练(Superimposed Training,ST)方案,将训练序列和符号序列线性叠加,使得训练序列和符号序列的信道信息一致,提高信号的跟踪能力;基于置信传播,双向信道估计(Bidirectional Channel Estimation,BCE)算法将一个数据块分成多个短块,利用整个数据块的信息估计当前短块信道,实现对当前短块的精准信道估计。将ST方案、BCE算法和信道均衡(频域)以迭代的方式相结合,使估计的符号序列可以作为信道估计的虚拟训练(Virtual Training,VT)序列,提升信道的估计性能,进而提高系统的解码性能。最后,通过计算机仿真和水池试验,验证了所提算法的有效性。
文摘针对多雷达辐射源脉冲交错背景下,线性调频(Linear Frequency Modulation,LFM)信号低信噪比导致的脉冲分裂带来原始信号参数难以估计的问题,本文提出了基于深度神经网络和直方图统计的LFM信号两阶段提取与参数估计方法。首先利用双向长短时记忆网络挖掘原始脉冲流中LFM信号与非LFM信号的调制模式差异并进行分类;其次通过序列调频斜率直方图寻找LFM信号分裂脉冲序列间隐含的原始信号调频斜率信息,提取不同调频斜率的LFM信号脉冲子序列;最后在每个子序列中分别估计原始信号的参数。仿真实验结果表明,相较于传统的序列差值直方图算法和循环神经网络分选方法,本文所提方法能够更准确地提取出LFM脉冲信号,并得到较为精确的参数估计结果。
