【摘 要】
：
研究当前通信对抗领域中的帧同步盲识别方法.在已有基于分层矩阵秩特征判断的方法中,存在判断结果不够直观、算法复杂度过高、计算时间随子层数量增长急剧增加的问题.为了解决上述问题,提出一种简化算法.该算法通过计算分层矩阵的序列和,得到每个矩阵对应的统计概率,最终通过这些统计概率判断帧长估计值,并利用序列和识别出帧起始位置和帧同步码.在无误码和有误码的场景下,对所提出算法和已有算法进行仿真对比,结果表明所
【机 构】
：
北京邮电大学信息与通信工程学院,北京100876
【出 处】
：
第十四届全国信号和智能信息处理与应用学术会议
论文部分内容阅读
研究当前通信对抗领域中的帧同步盲识别方法.在已有基于分层矩阵秩特征判断的方法中,存在判断结果不够直观、算法复杂度过高、计算时间随子层数量增长急剧增加的问题.为了解决上述问题,提出一种简化算法.该算法通过计算分层矩阵的序列和,得到每个矩阵对应的统计概率,最终通过这些统计概率判断帧长估计值,并利用序列和识别出帧起始位置和帧同步码.在无误码和有误码的场景下,对所提出算法和已有算法进行仿真对比,结果表明所提算法不但能降低复杂度,还能够提高帧同步盲识别的准确度.
其他文献
合成孔径雷达(Synthetic Aperture Radar,SAR)船只目标样本少,传统协同表示分类方法的性能会急剧下降,因此提出了基于K近邻字典的多任务协同表示分类方法.该方法利用K近邻算法对字典进行选择,然后利用多任务协同表示进行目标识别.该算法不仅利用了多种特征进行识别,而且还大大减少了与测试样本无关的样本的干扰,从而有效提高识别性能.利用TerraSAR数据库进行实验,结果表明该方法有
目前雷达领域已经较为全面地研究了目标微多普勒特征的提取方法,以此来提升目标识别能力.然而,针对声波传播环境下,还没有基于声纳回波信号的微多普勒特征目标识别技术.提出了一种基于深度神经网络的目标微多普勒分类识别方法.该方法利用空气声纳阵列接收频率调制信号,通过微多普勒特征提取、时频分析得到信号的时频图,进而通过时频图对神经网络进行训练,最终实现对空气声纳目标的识别分类.空气声纳实验表明,提出的方法使
增加传声器阵元数在一定程度上可以提高最小方差无失真响应波束形成器的性能.然而,为了保证噪声协方差矩阵的估计精度,增加传声器所需要的快拍数也相应增加,同时需要对更高维度的矩阵求逆,这在一定程度上降低了算法的鲁棒性.为了解决上述问题,结合降维导向最小方差方法和克罗内科积运算,提出了一种降维克罗内科积导向最小方差波束形成方法,可以在保证语音质量的前提下有效提高降噪量和系统鲁棒性.仿真和实际实验结果表明,
圆周扫描地基合成孔径雷达(ground-based synthetic aperture radar,GBSAR)是一种新型三维成像GBSAR.但是,它的频谱中空特性和较小的相位中心旋转半径导致了其在与距离向正交的等距离曲面上较高的三维旁瓣.为了有效地抑制圆周扫描GBSAR的三维旁瓣,提出一种基于圆周扫描GBSAR的点扩展函数(point spread function,PSF)的多相位中心旁瓣抑
在移动机器人、自动驾驶和无人机等领域,毫米波雷达作为感知传感器得到了广泛的应用.在缺乏GPS信号和其他辅助手段的情况下,实现毫米波雷达的自我定位对于环境感知来说至关重要.但是毫米波雷达数据具有数据量小和数据精度较低的问题,这将降低点云匹配的准确性.提出了一种基于CSM的毫米波雷达点云匹配定位方法,实现了仅依靠毫米波雷达数据的自我定位.针对毫米波雷达数据量小的问题,通过将当前帧数据与全局地图的局部子
地基合成孔径雷达(ground-based synthetic aperture radar,GB-SAR)能够进行全天时、全天候的高分辨率成像,实现亚毫米级精度的形变反演.GB-SAR图像属于斜距投影的相干成像,其成像机理、几何特性上与可见光图像有很大差异,存在地物解译困难、测绘应用难度大的问题.提出一种基于栅格投影的地基合成孔径雷达三维地形匹配方法.推导了任意GB-SAR观测几何条件下的图像距
随着物联网与无人机技术的发展与结合,多种多样的网络服务与功能广泛应用于日常生活.与此同时,移动边缘计算技术的提出,也显著提高了物联网中数据计算的效率与系统性能.然而,数据计算处理的时间与系统能耗依然被视为不可忽略的问题.因此,为解决当前无人机支持的物联网系统中数据计算执行时间和能量的过度消耗,提出了联合建模数据卸载决策、数据计算决策和数据传输决策作为一个优化问题,使系统总能耗最小化.由于所提出的问
为了降低基于无人机平台的目标跟踪中低分辨率、背景复杂等因素对于跟踪精度带来的影响,提出了基于非对称卷积孪生网络的无人机目标跟踪的方法.在特征提取阶段,通过引入非对称卷积块,强化网络的特征表达能力,以提升在低分辨率视频中有效捕获目标的能力.在网络结构中,通过引入循环交叉注意力模块,获取丰富而密集的上下文信息,以减轻背景复杂因素带来的影响.使用UAV123数据集和自制数据集进行定量和定性的实验,可以看
为提高利用SAR(Synthetic Aperture Radar)图像进行舰船检测的准确性,降低复杂陆地区域对舰船检测的干扰,提出一种基于Mask R-CNN网络实例分割的SAR图像舰船检测技术.应用Mask R-CNN实例分割网络,获得SAR图像中陆地和船的初始位置信息,远洋船舶一般能实现较准确的检测,靠岸船舶常受到接泊陆地区域的干扰,易发生虚警和漏检,为了进一步提升靠岸船检测的准确性,进行结
针对无线传感器网络的容错任务,提出一种新的基于环境事件二值检测的分布式贝叶斯算法.与原有算法相比,该算法建立了新的传感器故障模型,该模型更加完备并符合实际情形,同时证明了原有模型是新模型的特例.理论分析和实验结果证明,通过新模型的构建,该算法在完备性和纠错能力两方面都比原算法有提高.