甚低频动态调谐天线性能

将最小移频键控(MSK)信号分解成包含"空号"和"传号"两个频率两电平正交调幅(2QAM)信号,推导了MSK信号的"空号"频率和"传号"频率分别通过甚低频发射天线固定调谐系统和动态调谐系统的功率谱表达式,计算了不同码元速率情况下甚低频发射天线固定调谐系统和动态调谐系统的匹配系数和天线有效带宽。计算结果表明:动态调谐方法可改善天线的匹配性能,增加天线系统的有效带宽,从而可提高甚低频发射天线容许的通信速率。     

非高斯噪声下信号盲检测算法*

针对实际甚低频和超低频接收机不仅受非高斯噪声的影响,同时受到接收机内部和外部环境中高斯噪声影响的问题,对噪声采用高斯尺度混合分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种基于马尔可夫链蒙特卡罗方法的信号盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步检测信道衰落系数、噪声模型参数和信号。算法迭代效率快、精度高。通过与最优检测性能比较,盲检测算法性能优异,对甚低频和超低频信号接收具有重要的现实意义。     

双源正弦波对某无线电引信的辐照效应预测方法

以某连续波多普勒无线电引信为受试设备,在电波暗室内,分别开展了单源和双源正弦连续波对引信的电磁辐照实验。实验结果表明:在双源正弦连续波辐照下可以得到一系列引信的临界发火场强组合,场强组合并不呈现规律性,且2个正弦连续波的差频不同,其场强组合的总场强相差很大,因此不能直接通过单源正弦连续波的临界发火场强曲线对双源正弦连续波的辐照效应做预测。通过对实验结果进行对比分析,提出了双源正弦连续波的电磁辐照效应预测方法,验证结果显示该预测方法具有较高的准确性。     

一种新的甚低频发射机调机方法

提出一种基于阻抗测量的甚低频发射机调机新方法,该方法通过实时测量甚低频发射机双调谐回路输入节点的阻抗值,在发射机电子管不加电的状态下实现天线与甚低频发射机阻抗的匹配.实验结果表明,与传统的调机方法相比,新方法快速准确且安全.     

基于深度神经网络的无线覆盖预测算法*

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测来判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明,该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

深度神经网络指导下的无线覆盖预测算法

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明:该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

基于ICECAP的消耗型短波通信浮标选频

采用ICECAP高频传输预测软件对指定海区消耗型短波通信浮标与岸基多台站之间的通信电路进行仿真分析,计算了最高可用频率、信噪比和浮标鞭状天线的场强分布。分析了天线的场强覆盖,计算出场强中值大于接收机灵敏度的台站个数。在满足信噪比要求及频率低于MUF的条件下,选择可通信台站多的频率作为长期可用工作频率。该方法给短波通信的选频提供了一个更加直观的途径。     

基于Millington方法的ASF数值计算软件设计与实现

为了对罗兰C信号传播过程中的附加二次相位因子(ASF)进行预估,针对ASF的数值计算软件进行了设计与实现.首先,采用米林顿方法为核心算法,建立了罗兰C信号在单传播介质和混合传播介质中的传播模型,并采用C++Builder5进行实现;然后,利用该软件的计算结果,对几种典型路径上的信号传播场强和时延分布规律进行了分析,验证...     

船舶水下电场的预测方法

为了实现对船舶水下电场信号目标特征的控制,提出一种信号预测的方法。对测得的信号进行小波分解并分别在静电场和轴频电场频段进行重构。对高频的轴频电场信号构建自回归预测模型,对低频的静电场信号以灰色GM(1,1)模型进行拟合。将预测结果进行叠加得到对下一时刻电场信号的预测值。实测数据对该方法的检验结果表明:用该方法对船舶水下电场进行预测,电场的预测误差在原信号幅值的20%以内。     

硬目标侵彻弹丸碰撞速度测量系统设计

利用信号传播过程中能量衰减的规律,测量了发射信号反射的回波信号与原发射信号的能量变化,设计了计行程硬目标侵彻弹丸的碰撞速度测量系统。经公式推导后得出能量衰减率与速度的关系表达式,由此确定出需要测量的量,并设计出对应的测距模块、信号接收模块和场强测量模块。最后通过处理器进行数据处理得到了弹丸碰撞初速度。     

连续波对某数字电路的辐照效应实验研究

在GTEM室中用正弦连续波对某导弹装备上的1块数字控制电路进行电磁辐照,在30 V/m的场强下,引入的电磁骚扰还未导致被监测的与非门产生错误反转时,产生控制信号的自激多谐振荡器却受到了严重的电磁干扰。用计算机对此干扰进行仿真分析,并最后提出方波控制信号产生电路的电磁加固措施。     

基于LMS谱预测和小波分解的弱GPS信号捕获算法

弱GPS信号的捕获算法是高灵敏度GPS接收机的关键技术,首先介绍了传统的GPS捕获原理,在此基础上,参考小波分解对GPS捕获信号进行降噪处理的方法,并结合LMS谱预测降噪法,提出了LMS谱预测和小波分解混合弱GPS信号捕获算法。考虑到小波分解和LMS谱预测的降噪原理不同,对3种方法对GPS捕获信号的降噪效果进行了仿真和对比。仿真实验结果表明本文所提出的降噪算法与仅用小波分解和LMS谱预测相比最大输出信噪比分别提高4.29 dB和2.93 dB。有效地提升了GPS捕获信号的信噪比和接收机的灵敏度。     

美国海军“塔卡木”抗毁战略通信系统

“塔卡木”是美国海军现役的机栽甚低频对潜通信系统,本刊以往有所介绍,现编发此文,力求使新老读者对此系统能有更加全面地了解。     

基于Kalman预测的自适应线性化信号的生成方法

自旋弹体的姿态通常采用单通道控制方法进行控制。该方法中采用线性化信号对控制信号进行调制,而线性化信号采用固定频率随机相位的信号发生器产生,这就会对弹体控制产生不良的影响。提出了一种基于Kalman预测的自适应线性化信号的实现方法。该方法通过弹旋频率测定、频率的Kalman预测和信号发生器实现了线性化信号对弹旋信号的同步、自适应倍频、定步长、定幅度的信号发生功能。仿真实验证明了方的正确性,为更加合理的控制自旋导弹的姿态提供了一种有效的方法。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

潜艇通信现状和激光通信的作用及前景

本文以高频、甚高频、特高频潜艇对岸通信和甚低频、极低频岸对潜艇通信为前提,综述国外潜艇激光通信的发展,论述激光传输特性、激光器件特性、接收机滤光器特性和研究情况及发展趋势。     

经验模态分析法在雷达信号脉内分析中的应用

雷达脉内特征分析是信号分选领域一个重要手段,当脉内信号有多个雷达信号交叠在一起时,很难分析出其各自的调制方式。经验模态分解(EMD)在分析非平稳混合信号时效果显著,但其存在2个明显弊端。针对端点效应问题,首先采用小波分解将信号分解成各分量,随后对除噪声外的各分量利用ARMA模型对信号进行预测,接着对预测后的各分量进行小波重构,从而消除了端点效应,针对虚假分量的问题,结合雷达信号的特点改进了其终止条件,提高了EMD分解的性能。最后,对EMD分解后的各分量进行时频分析,得出雷达脉内信号的调制特征。仿真验证了算法的有效性。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。     

混沌时间序列中弱信号的检测

介绍了混沌的基本特性,利用混沌时间序列对RBF神经网络进行训练,则训练好的神经网络对混沌序列未来时刻的值具有一定的预测能力.若混沌序列中包含有目标信号,则其混沌特性将受到影响,导致神经网络对其预测误差的增大.这样可根据预测误差对淹没在混沌杂波及混沌杂波加一定强度的白噪声中的弱目标信号进行检测.仿真结果表明这种方法优于传统的目标检测方法,有着较好的杂波抑制能力.     

一种基于关联度的跳频频率预测方法

对跳频通信进行有效干扰的关键在于对跳频信号频率进行较准确的预测.根据跳频频率序列的混沌特性,并基于混沌系统相空间重构思想,提出了一种基于关联度的跳频频率预测方法,以达到具有较高有效预测概率的目的.仿真实验结果表明,在一定的预测精度要求条件下,该预测方法具有较高的有效预测概率,对跳频通信对抗研究具有借鉴意义.