主动声纳宽带噪声调频信号分析

噪声调频信号(NFM)有利于抗干扰和距离-速度联合分辨,在雷达领域已经得到广泛的应用,但是在主动声纳领域的应用相关研究较少。为此,将NFM引入到声纳应用中,通过仿真实验分析了其带宽特性和模糊函数。蒙特卡洛实验表明:有效调频指数m≥1时,NFM的带宽与调制噪声带宽无关,且功率谱呈高斯形状。宽带模糊函数(WAF)的仿真对比表明:NFM的模糊度图呈图钉型,克服了传统线性调频(LFM)信号所固有的距离-速度耦合模糊缺陷。     

基于上下文的快速自适应运动估计算法

高效的运动估计算法是实时视频编解码技术的研究重点。为降低视频编码中运动估计的高计算复杂度问题,提出了基于上下文的快速自适应运动估计算法。该算法在运动估计过程中引入了次最佳匹配点,并且使用了一种基于平行四边形模式的方向性搜索策略。该算法的基本思想是:在块运动矢量估计过程中,利用前面搜索步中得到的块运动矢量及次最佳匹配点与最佳匹配点之间的位置关系,自适应选择一种平行四边形搜索模式,并确定下一步搜索的方向,进行更精确运动矢量的搜索。实验结果表明,该算法有效降低了视频压缩编码中运动估计的运算复杂度。     

复杂波形反数字储频干扰思考

阐述了数字射频存储器的基本结构,以及干扰的优点和局限性,从设计复杂波形进行反数字储频干扰研究,对阶段相位扰动LFM信号、串并联信号、脉内非线性调频脉间相位编码信号进行了分析。这3种复杂信号能够造成干扰信号和雷达信号失配,弱化干扰和回波的相干度,能够区分出干扰信号和回波信号,达到反干扰的效果,为反数字储频干扰的研究提供理论依据。     

基于网络编码的无线网络可靠性研究

网络编码是通信网络中信息传输技术的一个重大突破,其核心思想就是利用路由器的智能化功能,允许网络中间节点对传输信息进行编码,从而提高网络传输效率。文章详细分析了确定性网络编码和随机网络编码对无线网络可靠性的影响,并以丢包率为参考指标,对确定性网络编码方式进行了仿真,仿真结果表明网络编码可以较大提高无线网络的可靠性。     

二相编码雷达前沿复制干扰的能量效率分析

针对提高干扰的能量利用效率提供一些理论和技术问题,介绍了前沿复制干扰的产生背景。对二相编码雷达、灵巧噪声干扰和前沿复制干扰的基本成分通过匹配滤波器后的输出信号脉冲峰值进行了分析。以在匹配滤波器输出端产生相同数量和相同幅度大小的脉冲为能量利用效率比较基准,给出了这两种干扰方式各自所需的干扰信号能量的计算公式,并进行了典型条件下,这两种干扰方式所需干扰信号能量的数值计算;在一般情况下,对这两种干扰方式的能量利用效率进行了比较。指出若前沿波形宽度为雷达发射信号宽度的1/n,则前沿复制干扰所需能量为灵巧噪声干扰所需能量的n倍,前沿复制干扰的能量利用效率仅为灵巧噪声干扰的能量利用效率的1/n。     

基于编码矩阵识别的高速空时分组码技术

正交空时分组码和准正交空时分组码的编码速率≤1,为使空时分组码能够应用在高速传输的场合,本文提出了一种基于编码矩阵识别的高速空时分组码设计方法。该方法通过在发送端发送不同的编码矩阵表示不同的附加信息,能够实现大于1编码速率,仿真分析结果表明,在高信噪比条件下该方法使编码速率达到了2.5,并具有良好的有效吞吐容量,特别适合无线高速数据传输。     

m序列二相编码雷达灵巧噪声干扰研究

针对前沿复制干扰能量利用效率低的问题,提出了利用前沿波形,通过预测,超前获取雷达信号完整波形,进而实施灵巧噪声干扰的思路。对于采用由n级移位寄存器产生的m序列的二相编码雷达,给出了利用获得的前2n个码元,通过解n元线性方程组,预测获得完整m序列的方法。进一步,针对该线性方程组的生成特点,提出了一种快速算法。利用该快速算法,可以将预测的计算工作量平均分配到从获得m序列的第n＋1个码元到获得第2n个码元的各个节拍中去,使得一旦获得m序列的第2n个码元,就能够立刻得到m序列的所有反馈系数,获取雷达的当前发射信号的完整波形,并以最短的延迟实施针对性的灵巧噪声干扰。     

基于行小波编码的纹理隐藏三维地形数据算法

讨论利用纹理图像隐藏高程信息来保护三维地形数据的信息隐藏技术。首先提出了改进的基于行小波变换及其编码,在保持地形形状和起伏特征的前提下实现高程数据的极低比特率低存储压缩。通过研究可嵌入隐藏信息的小波系数集合生成方法并结合基于视觉系统(HVS)小波域量化噪声的视觉权重(JND)分析技术,提出了自适应确定信息嵌入强度的方法。由于隐藏过程采用分组密码Rijndael生成单向Hash函数,信息隐藏算法高度安全、可以公开。     

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现.