在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随...在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。展开更多
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
多输入多输出(MIMO)正交频分复用(OFDM)雷达通常采用等间距子载频交错(ESI),实现不同发射天线信号在频域的正交。然而,ESI存在距离依赖性的角度误差问题。针对该问题,文中提出一种基于距离分复用(RDM)MIMO OFDM雷达的目标参数估计方法...多输入多输出(MIMO)正交频分复用(OFDM)雷达通常采用等间距子载频交错(ESI),实现不同发射天线信号在频域的正交。然而,ESI存在距离依赖性的角度误差问题。针对该问题,文中提出一种基于距离分复用(RDM)MIMO OFDM雷达的目标参数估计方法。首先,建立RDM MIMO OFDM雷达信号模型,获得发射端在距离维的正交波形,使得雷达接收机的天线孔径得到明显扩展,提升角度分辨率;其次,在距离-速度处理和角度估计之间,提出一种二值掩码方法分离不同发射波形,代替了传统的带通滤波器,同时抑制噪声干扰,改善成像质量;最后,仿真验证所提方法的正确性和有效性,结果表明,与ESI相比,所提方法可以有效去除距离依赖性的角度误差,提升成像分辨率和角度参数估计精度。展开更多
水声通信中传统宽带多普勒估计方法难以准确跟踪时变多普勒因子,从而导致正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)在变速运动通信场景中补偿性能不佳。针对该问题,文章提出了一种基于空载波的多普勒估计与跟踪...水声通信中传统宽带多普勒估计方法难以准确跟踪时变多普勒因子,从而导致正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)在变速运动通信场景中补偿性能不佳。针对该问题,文章提出了一种基于空载波的多普勒估计与跟踪算法。首先对三频信号做线性调频Z变换(Chirp-Z Transform,CZT)得到多普勒先验值,然后利用OFDM符号中的空载波结合载波频偏(Carrier Frequency Offset,CFO)搜索补偿技术,把估计的最优CFO值转换为宽带多普勒因子,进而计算当前符号的加速度并预测下一符号的速度。通过更新加速度对预测值进行修正,实现每个OFDM符号的多普勒估计。数值仿真和湖试结果表明,文中算法不仅能有效跟踪多普勒的变化,在匀速和变速条件下都有较好的补偿性能,而且对帧结构设计要求低,对先验误差不敏感,有利于水声通信系统的工程实现。展开更多
文摘在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。
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。
文摘多输入多输出(MIMO)正交频分复用(OFDM)雷达通常采用等间距子载频交错(ESI),实现不同发射天线信号在频域的正交。然而,ESI存在距离依赖性的角度误差问题。针对该问题,文中提出一种基于距离分复用(RDM)MIMO OFDM雷达的目标参数估计方法。首先,建立RDM MIMO OFDM雷达信号模型,获得发射端在距离维的正交波形,使得雷达接收机的天线孔径得到明显扩展,提升角度分辨率;其次,在距离-速度处理和角度估计之间,提出一种二值掩码方法分离不同发射波形,代替了传统的带通滤波器,同时抑制噪声干扰,改善成像质量;最后,仿真验证所提方法的正确性和有效性,结果表明,与ESI相比,所提方法可以有效去除距离依赖性的角度误差,提升成像分辨率和角度参数估计精度。
文摘水声通信中传统宽带多普勒估计方法难以准确跟踪时变多普勒因子,从而导致正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)在变速运动通信场景中补偿性能不佳。针对该问题,文章提出了一种基于空载波的多普勒估计与跟踪算法。首先对三频信号做线性调频Z变换(Chirp-Z Transform,CZT)得到多普勒先验值,然后利用OFDM符号中的空载波结合载波频偏(Carrier Frequency Offset,CFO)搜索补偿技术,把估计的最优CFO值转换为宽带多普勒因子,进而计算当前符号的加速度并预测下一符号的速度。通过更新加速度对预测值进行修正,实现每个OFDM符号的多普勒估计。数值仿真和湖试结果表明,文中算法不仅能有效跟踪多普勒的变化,在匀速和变速条件下都有较好的补偿性能,而且对帧结构设计要求低,对先验误差不敏感,有利于水声通信系统的工程实现。
