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

    基于多特征融合的卫星信号调制方式识别

    李云涛边东明张更新
    1298-1306页
    查看更多>>摘要：面向卫星通信中常用的QPSK类调制方式识别问题,提出了一种联合了谱特征、瞬时统计特征、高阶累积量特征和幅度分布特征的调制识别算法.算法在信号预处理与频域检测的基础上,首先利用速率信号谱特征和二次方谱特征识别出OQPSK和BPSK,然后分别利用频谱重心法和速率信号法估计信号的载频、带宽和符号速率等参数,并从正交下变频及匹配滤波后的符号定时同步后的复信号中提取高阶累积量特征参数,将剩余信号分类为调相信号和幅相调制信号,最后联合四次方谱特征和幅度分布特征完成所有调制方式的识别.仿真结果表明算法对频偏不敏感,于16APSK和32QAM的识别性能也比传统的基于高阶谱的方法要好,且算法在信噪比为6 dB时除16QAM和64QAM外的调制方式识别率为100%.最后,用信号源和采集卡搭建测试平台,九种实采信号的分类结果验证了算法的有效性,由于经频谱重心法估计出的载频存在一定误差,再次证明了该算法对频偏不敏感.

    卫星通信谱特征瞬时特征参数高阶累积量调制信号识别

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

    基于在线训练的RIS辅助通信系统低复杂度信道估计方法

    王茜马东堂郭登科熊俊...
    1307-1317页
    查看更多>>摘要：在可重构智能表面(Reconfigurable Intelligent Surface,RIS)辅助通信系统中,设计复杂度低、估计精度高的信道估计算法具有重要意义.本文针对RIS辅助多输入单输出(Multi-input Single-output,MISO)系统的上行链路,提出了一种基于在线训练的低复杂度学习型信道估计(Low Complexity Learning Channel Estimation,LCL-CE)方法,利用RIS反射单元级联信道之间的空间相关性,根据一部分反射单元级联信道的最小二乘(Least Squares,LS)估计结果得到剩余反射单元的级联信道.在训练阶段,首先利用LS估计获取一组训练数据集,然后通过训练得到线性神经网络的权重矩阵;在级联信道估计阶段,通过发送少量导频即可获取所有RIS反射单元的级联信道估计.本文首先阐述了LCL-CE方法的实现思路、导频分布方案和线性神经网络基本结构,进一步针对在线训练方法进行详细说明,并给出训练数据集的生成方式,最后对比基于传统神经网络的信道估计方法进行计算复杂度和导频开销分析.仿真结果表明,与传统基于机器学习的信道估计方法相比,本文所提的低复杂度学习型信道估计方法可以利用较低的导频开销获得较高的估计精度.

    可重构智能表面信道估计在线训练低复杂度

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

    联合RIS子块与接收天线的索引调制方案性能分析

    景小荣万宇曾裕于江...
    1318-1328页
    查看更多>>摘要：利用大量无源反射器件设计的可重构智能表面(RIS),具有拓展无线通信覆盖范围、降低系统成本/功耗和提升未来通信系统性能的优势;而索引调制(IM),通过激活通信资源的子集可实现信息的隐性传输,有望为无线通信带来更高的频谱效率和能量效率,因此,为进一步提升未来无线通信系统的性能,该论文融合RIS与IM技术,提出一种联合RIS子块与接收天线的IM方案.在该方案中,按照相邻原则,将RIS反射元件分割为若干子块,进而利用RIS子块索引与接收天线索引同时实现附加信息传递,即对待传输比特序列,将其分割为三部分,其中第一部比特被调制为星座符号,第二部分用于指示RIS子块划分,第三部分用于指示接收天线索引;在此基础上,根据最大似然(ML)检测的成对错误概率(PEP)解析形式,分四种情况,从理论上推导出对应的矩母函数(MGF),得到无条件PEP的解析表达式,最后得到该方案ML检测的平均误码率(ABER)性能上界.仿真结果表明,与现有RIS辅助的IM方案相比,无须增加额外频谱资源,所提方案的系统可达速率和系统差错性能方面均具有一定优势;同时,验证了ML检测的ABER上界具备严格一致性.

    可重构智能表面索引调制最大似然检测理论误码率

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

    智能反射面增强抗干扰与反窃听的安全传输策略

    肖海林代秋香黄天义张跃军...
    1329-1340页
    查看更多>>摘要：针对无线通信中存在窃听者和干扰者的潜在合作关系问题,本文提出了智能反射面增强抗干扰与反窃听的安全传输策略.该策略考虑信道状态信息完美和非完美两种情况,联合优化基站发射波束成形矢量和智能反射面相移矩阵来实现通信系统保密率最大化.在完美信道状态信息下,提出交替优化算法和罚函数法来求解系统保密率优化问题;在非完美信道状态信息下,利用松弛变量、S-引理、拉格朗日乘子法和交替优化等方法将系统保密率的非凸二次约束二次规划问题转化为确定性凸优化问题并求解.并进一步地分析了基站传输功率、IRS反射单元数量、信道不确定性等参数对系统保密率的影响.数值结果表明,本文所提策略经过3至6次的迭代均能达到收敛.并且与现有的最大比发射策略和随机相移策略相比,本文所提策略能有效提升系统保密率约20%.

    智能反射面物理层安全系统保密率信道状态信息

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

    基于DRL的定向网络时隙复用和功率控制协议

    梁仕杰赵海涛张姣王海军...
    1341-1353页
    查看更多>>摘要：近年来,无人机网络逐渐地广泛应用于各行各业,对无人机网络能提供的网络容量提出了更高的要求.定向天线结合无人机网络构成定向无人机网络以增加网络资源应对无人机网络中各个节点对网络有限通信资源的竞争造成网络容量低的问题.定向无人机网络通过定向天线的空间复用能力可以提高网络的时隙利用效率.针对TDMA协议在定向组网中时隙利用率过低导致网络容量受限的问题,该文提出了一种基于深度Q网络(DQN)的定向无人机网络时隙复用和功率控制协议.为了提高时隙利用率,考虑在单位时隙进行多个链路通信以实现时隙资源的复用.然而多个链路在同一个时隙通信会产生链路间的干扰,如何在考虑链路间相互干扰的情况下控制功率提高网络的容量是时隙复用研究的重点问题.为了解决该问题,首先考虑以功率要求和每条链路最小信道容量为约束,考虑相较于其他研究更为复杂更符合实际的链路互干扰模型,建模问题为最大全网容量问题.然后为了构建链路间的更复杂的互干扰环境,将多个链路的瞬时信道信息、定向增益状态融入到DQN框架的状态中,DQN的奖励为高于最小信道容量的链路信道容量的和.最后,将每个时隙的优化问题扩展到每一帧的优化问题,并利用多个DQN进行求解.仿真结果表明,在保证每个被分配时隙的最小信道容量前提下,相较于对比方法网络容量有了很大的提升.

    时分多址协议定向无人机网络深度Q网络时隙复用功率控制

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

    数据模型协同驱动的MIMO系统性能预测方法

    张晓丹孟帆张铖刘升恒...
    1354-1367页
    查看更多>>摘要：在具有未知同频干扰和信道状态信息具有不确定性的复杂场景下,现有的多输入多输出系统的性能分析和优化方案通常会退化甚至失效.为了适应这些挑战并更好地完成网络自动调优任务,提出了一个通用的数据模型协同驱动框架,该框架是真实通信系统的数字孪生,系统性能指标由系统参数决定.为了解释所提出的框架是如何工作的,将正则化迫零预编码作为实例.该实例中,首先在模型驱动方面,使用确定性等同理论来获得系统的性能近似结果.但是,该近似结果仅在理想条件下成立,例如系统已知信道状态信息不确定度、无穷天线数和没有任何未知同频干扰.因此在数据驱动方面,使用神经网络以网络参数和近似结果为输入,来进一步推断更准确的系统性能.因为利用了模型数据双驱动方法,轻量级的神经网络具有很好的性能.数据模型双驱动的性能估计器也是该系统的数字孪生.基于该数字孪生,设计了一个信道不确定度估计的流程和算法,以快速感知信道不确定度来支持该系统的自适应优化.该流程中,系统首先以一个初始信道不确定度做信号传输,并获得系统性能指标的检测结果.随后,根据性能估计器,使用梯度投影法,以该检测结果来反推信道不确定度,纠正环境非理想因素.仿真结果验证了所提算法的有效性,该数据模型协同驱动框架对于复杂场景下多输入多输出系统的性能预测具有研究意义.

    智能无线通信数字孪生性能预测信道状态信息线性波束赋形

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

    利用卷积长短期记忆网络预测全球电离层Ne

    侯世敏张剑杜剑平
    1368-1376页
    查看更多>>摘要：由于电离层电子密度随时间变化,且空间分布不均匀,对不同频段的无线电波产生延缓和折射,因此电离层电子密度变化是影响短波通信、卫星通信、全球导航卫星系统和其他空间通信质量的一个主要因素,本文对全球电离层电子密度(Number of electron,Ne)的预测工作对短波通信设备三维射线实时追踪定位提供必要条件.本文采用国际电离层参考模型提供的2016年电离层Ne数据,根据数据的三维空间时间序列特征,搭建了自编码器和卷积长短期记忆(Convolutional Long Short-Term Memory Network,ConvLSTM)网络组成的网络结构,在不引入地球自转周期之外任何先验知识的条件下,对Ne数据进行深度学习并实现预测,首先通过实验对比了SGD、Adagrad、Adadelta、Adam、Adamax和Nadam六种优化算法的性能,又对比了三种预测策略的均方根误差(Root Mean Square Error,RMSE),1h-to-1h预测策略的全球平均RMSE为1.0 NEU(最大值的0.4%),1h-to-24h和24h-to-24h预测策略的全球平均RMSE为6.3 NEU(2.6%).由实验结果得出以下结论,一是Nadam优化算法更适合电离层Ne的深度学习,二是1h预测策略的性能与之前类似的电离层TEC预测工作(RMSE高于1.5 TECU,最大值的1%)相比有竞争力,但预测时间太短且对数据的实时性要求较高,三是两种24h预测策略虽能实现长期预测但性能不理想,要实现三维空间时间序列的长期高精度预测需要进一步改善神经网络、模型结构和预测策略.

    卷积长短期记忆网络国际电离层参考模型电离层Ne预测深度学习

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