首页期刊导航|信号处理
期刊信息/Journal information
信号处理
信号处理

谢维信

月刊

1003-0530

010-64010656;64034443-3004

100009

北京鼓楼西大街41号

信号处理/Journal Signal ProcessingCSCD北大核心CSTPCD
正式出版
收录年代

    可重构智能表面辅助的通信信号处理技术

    张海霞马晓燕
    993-1006页
    查看更多>>摘要：可重构智能表面(Reconfigurable Intelligent Surface,RIS)通过在平面上集成大量低成本无源反射元件,实现对无线传输环境的智能配置,从而显著提高无线通信网络的性能.具体来讲,RIS上的不同反射元件可以通过控制振幅和/或相位来独立反射入射信号,从而协同实现三维波束赋形,实现信号的增强或减弱.与其他类似技术形成鲜明对比的是,RIS通过高度可控地智能信号反射主动修正无线传输信道,来增强期望信号功率,或减小信道干扰,为进一步提升无线通信网络的性能提供了全新优化自由度.此外,RIS重量轻、体积小,很容易在墙壁、天花板、建筑物表面等实现安装、移除,具有可重复利用性;RIS的硬件结构通常比小型有源基站和中继简单,因此易于进行低成本快速部署.最后,RIS是一种补充设备,将其部署在现有无线系统中不需要更改相应标准和硬件,仅需对通信协议进行必要修改.基于以上优势,RIS引起了广泛关注,工业界、学术界对其开展了大量研究工作,包括传输协议设计、系统容量分析、能量/频谱效率分析、物理层安全、调制/编码方案设计等.尽管优点众多,但实现RIS与现有无线通信系统的完美融合,依然面临诸多挑战.首先,在RIS辅助的无线通信系统中,基站和RIS的主被动联合优化波束赋形是保证系统性能的基础.RIS由于结构特殊,无法对入射信号进行处理,只能被动的反射入射信号,此外,RIS 反射元件数量巨大,导致发射机主动波束成形和RIS被动反射设计的联合优化非常复杂、耗时.因此,RIS辅助的无线通信系统设计面临两大亟需解决的关键问题:(1)如何设计低复杂度优化方法以实现基站和RIS主被动波束赋形的联合设计;(2)在RIS辅助的无线通信系统中,如何设计合理的协作传输方案,以实现系统性能的最优化.本文针对以上问题,着重探讨了RIS辅助的无线通信系统低复杂度信号处理技术,从单RIS辅助无线通信场景扩展到多RIS辅助协作通信场景,探讨适合大规模RIS 辅助系统的低复杂度设计方法,推动RIS 在实际场景中的部署应用.

    可重构智能表面主被动联合波束赋形低复杂度

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种基于随机森林的OFDM系统自适应算法

    王波刘潇然熊俊辜方林...
    1007-1018页
    查看更多>>摘要：针对动态变化的信道环境,自适应正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统可以对子载波间隔和循环前缀长度进行调整,以最大化系统的吞吐量.为了能够快速准确地找到OFDM系统在不同信道环境中的最优子载波间隔和循环前缀长度取值,本文提出了基于随机森林的OFDM系统自适应算法.随机森林算法基于集成的思想,能够有效处理高维度数据,并且具有高效率、高准确率和强泛化能力等优势,可以在复杂的数据场景下进行有效的分类.通过提取通信过程中信噪比、用户移动速度、最大多普勒频率和均方根时延扩展等信道特征与OFDM系统的子载波间隔和循环前缀长度组成训练样本,利用随机森林算法创建了OFDM系统参数多分类模型.所提模型可以根据输入的信道特征,实现OFDM系统子载波间隔和循环前缀长度的自适应分配.同时,针对训练样本主要集中在少数几个系统参数类别的情况,利用合成少数类过采样技术对较少样本数的类别进行扩充,满足了随机森林算法对训练样本类别平衡化的需求,进一步提高了算法的分类准确率.相比传统的自适应算法,所提算法具有更高的分类准确率和模型泛化能力.分析和仿真结果表明,与子载波间隔和循环前缀长度固定的OFDM系统相比,本文所提出的自适应算法能够准确选择出最优的系统参数,可以有效地减轻信道中符号间干扰和子载波间干扰的影响,从而在整个信噪比范围上提供最大的平均频谱效率.基于随机森林的OFDM系统自适应算法能够动态地分配子载波间隔和循环前缀长度,增强OFDM系统的通信质量和抗干扰能力,实现在不同信道环境下的可靠传输.

    正交频分复用合成少数类过采样技术随机森林自适应算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合卫星姿态的星地信道建模及硬件模拟

    周强军吕崇玉陈小敏华博宇...
    1019-1029页
    查看更多>>摘要：针对传统星地信道模型及其硬件模拟方法没有考虑卫星姿态对信道特性影响的问题,本文基于几何地理随机模型(Geometry-based Stochastic Model,GBSM)框架,提出了一种融合卫星姿态的星地信道模型.该模型通过构建四个独立的坐标系并引入姿态修正矩阵,来描述卫星姿态变化对星地信道特性造成的影响.在此基础上,本文基于现场可编程门阵列(Field Programmable Gate Array,FPGA),设计并研制了一种星地信道硬件模拟器.硬件模拟器采用差分迭代的算法来生成信道衰落因子,可以极大提高硬件模拟的实时性,确保生成的衰落数据与实际场景相匹配.同时,还采用了并行处理架构,可以支持最大640 MHz带宽的星地信道模拟.为了将衰落数据与并行架构相匹配,引入了并行内插算法,可以将串行的衰落数据内插成同速率的多路并行衰落数据.此外,为了能够精准控制硬件装置输出信号的功率,设计了基于预训练的功率校正方法.通过内部校正源信号预先训练出整个模拟过程给信号带来的增益再进行功率补偿,从而保证输出信号的功率可以被精准控制.最后,在典型场景下开展仿真模拟,导出硬件模拟器的输出结果并分析其统计特性,结果表明实测输出的概率密度函数(Probability Density Function,PDF)和多普勒功率谱密度(Doppler Power Spectral Density,DPSD)与理论值吻合,证明本文设计的硬件模拟器可以准确地复现实际场景下卫星姿态发生变化的星地信道.本文提出的融合卫星姿态的星地信道模型以及研制的硬件模拟器很好地解决了传统模型以及硬件模拟方法的局限性,在卫星通信系统的优化、评估和验证环节具有极大的潜在价值.

    星地信道模型信道模拟姿态修正矩阵多普勒功率谱

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于卷积特征提取及深度降噪网络的大规模MIMO系统信号检测

    申滨涂媛媛阳建金龙康...
    1030-1040页
    查看更多>>摘要：传统多输入多输出(Multiple-Input Multiple-Output,MIMO)信号检测算法受到天线数量和收发天线比例的限制,一般仅适用于少量天线、收发天线比例较低的情况.本文提出一种基于深度学习(Deep Learning,DL)的稀疏连接卷积降噪网络模型,用于大规模MIMO系统上行链路信号检测.首先,通过简化经典的检测网络(Detection Network,DetNet),改进ScNet(Sparsely Connected Neural Network)检测算法,引入卷积神经网络(Convolutional Neural Networks,CNN)对三通道输入数据提取特征以减少训练参数,提出一种SConv(Sparsely Connected Convolutional Neural Network)检测算法.与DetNet算法相比,该算法可同时降低计算复杂度和提高检测精度.在此基础上,进一步基于CNN构建信号降噪模块,并嵌入SConv网络,提出一种卷积神经降噪(Sparsely Connected Convolutional Denoising,SConv-D)网络辅助的大规模MIMO检测算法.此算法检测过程分为两级,第一级由SConv算法提供初始估计值,再将初始估计值作为降噪过程的输入,并由此构成算法第二级.实验结果表明,本文提出的SConv-D算法适用于QPSK、4QAM及16QAM等多种信号调制模式,在高阶调制模式下获得的性能增益尤为明显.此外,该算法能够适应各种比例的收发天线及数量规模的系统配置,尤其是在收发天线数量相等的情况下亦能获得更优的性能.本文算法还克服了MMNet在高阶调制情况下的性能平台效应,在16QAM调制、收发天线数量相等的情况下,SConv-D在10-2误比特率上能获得接近2 dB的性能增益.

    大规模MIMO深度学习稀疏连接卷积神经网络降噪

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    IRS辅助的UAV无线传感网络数据采集优化方案

    贾向东张鑫原帅前李月...
    1041-1051页
    查看更多>>摘要：针对无线传感网络海量数据采集导致的信息低时效与系统高能耗问题,提出一种智能反射面(Intelligent Reflecting Surface,IRS)辅助的无人机(Unmanned Aerial Vehicle,UAV)数据采集优化方案.其中,多个带有缓冲区的地面传感器收集环境信息,能量受限的UAV在IRS协助下采集传感器的状态更新.通过联合考虑系统信息新鲜度与UAV的推进能耗,对UAV的3D飞行轨迹、地面传感器调度与IRS配置进行联合优化,构建平均信息年龄(Age of Information,AoI)与推进能耗加权和优化问题;然后将该非凸优化问题建模为马尔可夫决策过程,并提出基于深度强化学习算法对基于曼哈顿城市模拟环境下的UAV数据采集过程进行优化训练.最终得到UAV的优化3D飞行轨迹与IRS的优化配置.仿真结果表明,所提优化算法可在提高信息新鲜度的同时有效降低系统能耗.当IRS反射单元数量相同时,系统性能相较基准方案最高提升约50.64%.证明了所提数据采集方案的优越性与IRS提高系统性能的有效性.

    信息年龄无人机3D轨迹优化智能反射面深度强化学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    协同双小区下行协作NOMA-SWIPT中断性能分析

    张煜贺玉成张彦陈启望...
    1052-1061页
    查看更多>>摘要：本文研究了在毫微微蜂窝网络(femtocell network,FN)中,协同双小区系统的非正交多址接入(non-orthogonal multiple access,NOMA)与无线携能通信(simultaneous wireless information and power transfer,SWIPT)下行协作通信的中断性能,提出了一种边缘用户在邻基站及源基站随机中心用户共同协作的下行接入方案.所提方案共分为两个时隙:第一时隙内由两基站向所有用户广播叠加信号,提供中继服务的中心用户对其所接收的叠加信号逐级解码并收集能量.第二时隙,中心用户将其第一时隙内所收集的能量作为额外功率资源,在优先保证自身通信质量的前提下对成功解码的边缘用户信息进行再编码转发.基于空间均质泊松点过程(Poisson point process,PPP)中心用户的位置模型,推导了中心用户与边缘用户平均中断概率的表达式,进行了蒙特卡罗仿真验证,同时分析了各仿真参数(中心用户分布半径、用户阈值速率、路径损耗指数等)与中心用户、边缘用户平均中断概率的关系.结果表明:所提方案可以改善边缘用户的下行接入中断性能和系统吞吐量.

    非正交多址接入无线携能通信协作通信下行中断概率泊松点过程

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    DRSN与集成融合的OFDM辐射源个体识别方法

    刘高辉宋博武
    1062-1073页
    查看更多>>摘要：针对在低信噪下通信辐射源识别率低的问题,提出一种DRSN(Deep Residual Shrinkage Networks)与集成融合的OFDM辐射源个体识别方法.首先,从OFDM发射机产生信号的原理出发,对可能产生OFDM发射机指纹差异的来源进行分析,对相邻帧OFDM信号做相干积累,有效提升OFDM信号的信噪比,通过截取OFDM前导信号,减少因传输内容差异所带来的影响,对OFDM前导信号进行功率累加和双谱对角切片信号处理,构建OFDM前导信号的多域数据集;随后,将OFDM前导信号多域数据分别送入具有自动软阈值化去噪和具有跨层连接结构防止梯度消失的DRSN网络进行训练,有效减少噪声对发射机指纹信号的干扰和避免阈值设置不佳所带来识别效果不佳的问题,并且在DRSN网络训练时采用5折交叉验证的策略,防止网络训练中出现过拟合的现象,利用Stacking集成学习思想实现3个DRSN网络初级预测结果的融合;最后,将融合结果作为次级数据送入逻辑回归LR(Logistic Regression)次级线性分类器,利用ECOC(Error Correcting Output Code)策略将多分类任务转为二分类任务,对样本类别进行编码,当测试样本经过二分类器获得一组预测类别编码后,通过计算样本类别编码与预测类别编码之间的欧式距离,根据最小欧式距离所属类别来确定最终分类结果.在公开数据集上的实验结果表明:对比其他深度学习的方法,信噪比为5 dB和0 dB时,DRSN与集成融合的OFDM辐射源识别的准确率分别为97%和95.88%,并且具有较低的复杂度,能够验证在低信噪比下该方法的有效性.

    残差收缩网络集成融合软阈值化辐射源识别

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    OTFS系统SBL-Turbo压缩感知信道估计算法

    张华卫刘佳蒋占军李翠然...
    1074-1081页
    查看更多>>摘要：针对正交时频空调制(OTFS)系统由多普勒频移引起的信道估计准确度下降的问题,本文提出了一种联合无线信道在时延-多普勒域稀疏特性的SBL-Turbo压缩感知信道估计算法.首先,对时延-多普勒域稀疏信道建模,使其服从以噪声功率为条件的高斯先验分布,利用稀疏贝叶斯学习模块估计得到稀疏信道的均值与方差,并结合期望最大化算法更新高斯先验模型中的参数.其次,引入了LMMSE(线性最小均方误差)估计器模块,该模块对稀疏信道的后验分布进行再估计,提高估计的准确度.通过对每个模块估计得到的信道后验分布进行数据处理,使得模块的输入值与输出值解耦,进而减少模块间的错误传播.最后,两个模块采用Turbo结构迭代估计信道的后验分布,得到信道状态信息.实验结果表明,相较于其他估计方法,该算法能够显著提高信道估计的精度,并且改善系统的误码率性能,能够有效地解决OTFS系统中由多普勒频移引起的信道估计问题.

    正交时频空调制信道估计压缩感知稀疏贝叶斯学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于WGAN-GP-CNN的海面小目标检测

    时艳玲陶平许述文
    1082-1097页
    查看更多>>摘要：针对传统基于统计理论的海面小目标检测方法在复杂海面环境中性能不高的问题,该文提出了一种改进的检测方法.首先通过分析海杂波和目标回波的特征,将检测问题转化为特征空间的分类任务.鉴于海面小目标样本数量有限,存在样本不平衡的问题,该文引入了一种基于梯度惩罚的沃瑟斯坦生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty,WGAN-GP)来增强目标数据,从而在数量上平衡目标样本与海杂波样本.同时,对原始WGAN-GP网络的损失函数进行了改进,引入相位损失以确保生成数据能够反映真实数据的相位信息.基于这些数据,进一步提取了生成目标和海杂波的高维特征,并将其送入卷积神经网络(Convolutional Neural Network,CNN)进行训练.为了应对高维特征空间中虚警概率难以控制的问题,对CNN算法进行了改进,通过设置Softmax分类器的阈值,实现了虚警概率可控.最后,借助公开的IPIX雷达数据集进行实验验证,所提的WGAN-GP-CNN检测器在积累时间为1.024 s,虚警概率为0.001时,平均检测概率达到0.8683,具有良好的检测效果.

    海杂波小目标检测虚警可控生成对抗网络卷积神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进1D-AlexNet的海面小目标高维特征检测

    施赛楠姜苏桐
    1098-1110页
    查看更多>>摘要：目前,海面小目标已成为海洋雷达探测的重点和难点.这类目标具有低信杂比和弱机动性,导致传统检测器性能损失严重,出现检测概率低和虚警率高的问题.为了有效探测目标,常常需要雷达具备长时观测的能力,从而提高目标回波的信杂比.新体制下全极化雷达可保证足够的观测时间,且进一步拓宽信息的维度.为此,本文提出一种基于改进1D-AlexNet的新检测方法,通过充分挖掘全极化雷达的回波信息,全面提高海面小目标探测能力.首先,从时域、频域、时频域、极化域,提取24个有效特征,他们综合反映了海杂波和含目标回波在功率、分形、几何、散射等方面的差异性.其次,联合所有特征构建一个高维特征空间,并将传统二元检测问题转换为高维特征空间中的两分类问题.随后,从结构和参数两个层面,设计一种改进1D-AlexNet的两分类器,用于检测小目标.在结构层面,将传统二维AlexNet模型降低到一维并进行层数精简化,从而加快模型的训练速度.在参数层面,引入具有自适应调整斜率的激活函数,保证模型的稳定性.同时,将幂指数衰减函数替代固定学习率,进一步提高模型的分类精度.最后,通过IPIX实测数据验证,结果表明:相对现有的特征检测器,所提出的检测器具有最佳的检测性能,并在复杂的杂波环境下仍能保持稳健性.此外,改进后的分类器结构简单,训练速度快,有望应用于实际雷达快速探测中.

    海杂波目标检测高维特征AlexNet模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据