一种基于认知通信系统的高阶QAM盲均衡方法

    公开(公告)号:CN119743353A

    公开(公告)日:2025-04-01

    申请号:CN202411889727.X

    申请日:2024-12-20

    Abstract: 本申请的实施例涉及信道盲均衡技术领域,特别涉及一种基于认知通信系统的高阶QAM盲均衡方法,包括:构建认知通信系统的系统模型,认知通信系统采用高阶QAM调制;构建认知通信系统的高阶QAM调制信道下第一阶段的代价函数以及第一阶段的盲均衡的迭代公式,优化盲均衡器使其最优并最小化第一阶段的代价函数;确定切换阈值,当第一阶段的代价函数的函数值小于或等于切换阈值时,切换至第二阶段;构建认知通信系统的高阶QAM调制信道下第二阶段的代价函数以及第二阶段的盲均衡的迭代公式,优化盲均衡器使其最优并最小化第二阶段的代价函数。该方法有效提升了高阶QAM盲均衡的收敛稳定性、收敛速度和均衡质量。

    一种通信干扰下MIMO系统调制类型识别方法及系统

    公开(公告)号:CN119652713A

    公开(公告)日:2025-03-18

    申请号:CN202411771174.8

    申请日:2024-12-04

    Abstract: 本发明涉及一种通信干扰下MIMO系统调制类型识别方法及系统,属于信号识别技术领域,包括:对接收到的MIMO信号进行滤波去噪及白化预处理;利用预处理后的信号构建五维的四阶互累积量张量,并通过平行因子分解估计分离矩阵,实现压制式干扰重构分离;对分离抑制后的信号再次构建三维张量,利用广义张量判别分析算法对张量进行降维和特征提取;并对降维后张量使用Tucker分解建立核张量以及因子矩阵,依据欧氏距离准则辨识不同调制类型的核张量相似性,完成MIMO信号调制类型识别。仿真结果表明,本发明方法在低信干比条件下具有较好的识别准确率,且无需信道系数、噪声分布等先验信息。

    基于强化学习的雷达辐射源知识图谱推理方法、系统、设备及介质

    公开(公告)号:CN118114769A

    公开(公告)日:2024-05-31

    申请号:CN202410246297.3

    申请日:2024-03-05

    Abstract: 基于强化学习的雷达辐射源知识图谱推理方法、系统、设备及介质,其方法为:首先,构建自创的多关系雷达辐射源知识图谱,并对知识图谱进行预处理;然后,根据构建的知识图谱,设计强化学习算法中用于训练智能体Agent的一种交互推理网络结构及策略网络框架;在策略网络框架下,引入计算曼哈顿距离的奖励函数的设置及模型训练;最后利用训练完成的模型,对待处理的知识图谱进行推理预测;其系统、设备和介质基于上述方法进行雷达辐射源知识图谱的推理;本发明通过设计交互式推理网络结构和策略网络框架,实现对复杂雷达辐射源知识图谱的高效推理,能够在保证实时性要求的同时,处理更为复杂的实体关系,具有提高推理效率和准确性的优点。

    面向高阶正交振幅调制信号的信道盲均衡方法及盲均衡器

    公开(公告)号:CN114826834B

    公开(公告)日:2023-12-05

    申请号:CN202210306443.8

    申请日:2022-03-27

    Abstract: 本发明属于无线通信中的信道盲均衡技术领域,公开了一种面向高阶正交振幅调制信号的信道盲均衡方法及盲均衡器,首先,基于高阶正交振幅调制信号星座图特征选取特定模值Ri,构建关于Ri的先验概率,计算由均衡器输出信号模值与Ri的均衡误差并排序,依照先验概率提取全量样本中对应于恒定模值Ri的样本集合作为选定样本集合,记为Ωi;然后依据经典恒模算法与Ωi构建高阶正交振幅调制信道下代价函数JMCMA(w);最后依据牛顿法构建高阶正交振幅调制信道下盲均衡方法的迭代公式,最优化盲均衡器并最小化代价函数JMCMA(w)。本发明可以有效抑制高阶正交振幅调制信道下经典恒模均衡方法带来的人为误差和误调,实现一种快速收敛的牛顿法最优化信道盲均衡器。

    一种脉冲噪声干扰下MIMO-OFDM系统SFBC类型识别方法及系统

    公开(公告)号:CN114244660B

    公开(公告)日:2023-05-23

    申请号:CN202111360352.4

    申请日:2021-11-17

    Abstract: 本发明属于认知无线通信中MIMO系统参数估计技术领域,公开了一种脉冲噪声干扰下MIMO‑OFDM系统SFBC类型识别方法及系统,所述MIMO‑OFDM系统SFBC类型识别方法包括:利用非线性加权互相关函数对观测信号r(n)进行处理,构建非线性加权互相关特征向量JC(k1,k2);基于非线性加权互相关向量JC(k1,k2)构建检测统计量TJ;通过利用互相关误差向量设计检测门限ΨJ,并采用假设检验方法依次识别四种SFBC类型。本发明提供的MIMO‑OFDM系统SFBC类型识别方法为脉冲噪声下MIMO‑OFDM系统SFBC类型识别方法,可以有效实现脉冲噪声干扰下MIMO‑OFDM系统SFBC类型识别。

    一种alpha稳定分布噪声下FSK信号参数联合估计方法

    公开(公告)号:CN110971550B

    公开(公告)日:2021-05-18

    申请号:CN201911048450.7

    申请日:2019-10-31

    Abstract: 本发明属于脉冲噪声背景下通信信号参数估计技术领域,公开了一种alpha稳定分布噪声下FSK信号参数联合估计方法,首先对接收的观测信号r(t)进行非线性映射,抑制大幅度脉冲噪声,然后提取观测信号r(t)的广义一阶循环频率集合κ,实现FSK信号的调制阶数M和频率间隔Δf估计,最后利用广义二阶循环自相关特征Ω(k,m)和频率间隔估计实现FSK信号的符号周期估计当混合信噪比高于2dB时,2FSK、4FSK和8FSK三种信号的调制阶数M估计准确率高于95%,频率间隔Δf的估计正确率高于95%,符号周期的估计正确率高于99%。可见,本发明方法在alpha稳定分布噪声下是有效可行的。

    一种认知无人机网络中非高斯噪声下频谱感知方法

    公开(公告)号:CN111800795A

    公开(公告)日:2020-10-20

    申请号:CN202010508540.6

    申请日:2020-06-06

    Abstract: 本发明属于认知无线电网络中频谱感知技术领域,公开了一种认知无人机网络中非高斯噪声下频谱感知方法,利用p范数对观测信号矩阵进行映射,得到p范数向量;基于p范数向量构建检测统计量TF;计算检测门限ηF,并检测主用户信号。本发明可以有效实现认知无人机网络中频谱感知,且对非高斯噪声和主用户随机到达具有良好的适应性。当虚警概率为0.1时,本发明方法检测性能高于80%,且对于高斯噪声本发明所述方法同样具有较好的性能。可见,本发明可以有效解决认知无人机网络中频谱感知问题。

    一种非高斯噪声衰落信道下多主用户动态频谱感知方法

    公开(公告)号:CN111726182A

    公开(公告)日:2020-09-29

    申请号:CN202010480889.3

    申请日:2020-05-30

    Abstract: 本发明属于认知无线电中频谱感知技术领域,公开了一种非高斯噪声衰落信道下多主用户动态频谱感知方法,基于极性重合矩阵构建多主用户动态频谱感知统计量TP;依据中心极限定理和泊松分布特性计算检测门限ηP;将检测统计量TP与检测门限ηP进行比较,如果TP<ηP,判为主用户信号存在,否则,判为主用户信号不存在,从而实现非高斯噪声衰落信道下多主用户动态频谱感知。系统包括:检测统计量构建模块;检测门限计算模块;主信号检测模块。本发明可以有效实现非高斯噪声衰落信道下多主用户动态频谱感,且在较低信噪比条件下具有较好的性能。此外,本发明所述方法也同样适用于对于高斯噪声环境下动态频谱感知。

    一种Alpha稳定分布噪声下OFDM信号调制参数估计方法

    公开(公告)号:CN107707499B

    公开(公告)日:2020-06-09

    申请号:CN201710575881.3

    申请日:2017-07-14

    Inventor: 刘明骞 张俊林

    Abstract: 本发明属于非高斯噪声环境下通信信号调制分析技术领域,公开了一种Alpha稳定分布噪声下OFDM信号调制参数估计方法包括:对接收到的OFDM信号做非线性变换,并计算其广义循环自相关函数;提取广义循环自相关函数的特定循环频率截面,并通过搜索特定循环频率截面的谱峰完成OFDM信号的有用符号长度估计;基于有用符号长度估计提取特定时延截面,通过寻找特定时延截面的谱峰实现OFDM信号的符号长度估计。在Alpha稳定分布背景噪声下,当混合信噪比高于‑1dB时,OFDM信号有用符号长度估计的均方根误差接近0,当混合信噪比高于3dB时,OFDM信号符号长度估计的均方根误差接近0。

    一种alpha稳定分布噪声下FSK信号参数联合估计方法

    公开(公告)号:CN110971550A

    公开(公告)日:2020-04-07

    申请号:CN201911048450.7

    申请日:2019-10-31

    Abstract: 本发明属于脉冲噪声背景下通信信号参数估计技术领域,公开了一种alpha稳定分布噪声下FSK信号参数联合估计方法,首先对接收的观测信号r(t)进行非线性映射,抑制大幅度脉冲噪声,然后提取观测信号r(t)的广义一阶循环频率集合κ,实现FSK信号的调制阶数M和频率间隔Δf估计,最后利用广义二阶循环自相关特征Ω(k,m)和频率间隔估计 实现FSK信号的符号周期估计 当混合信噪比高于2dB时,2FSK、4FSK和8FSK三种信号的调制阶数M估计准确率高于95%,频率间隔Δf的估计正确率高于95%,符号周期的估计正确率高于99%。可见,本发明方法在alpha稳定分布噪声下是有效可行的。

Patent Agency Ranking