【摘 要】
:
近年来,随着海洋事业的发展,各国对于水声通信系统的研究越来越重视。水声前导信号的检测是水声通信中一个重要模块。前导信号的误检和漏检一方面会导致通信的失败,另一方面还会对水声通信设备的寿命造成影响。而水声信道作为目前最复杂的信道之一,其多径效应严重、多普勒效应明显、干扰种类繁多的特点导致水声前导信号的检测困难。本文从两个方面研究了前导信号的检测和识别问题,并对所提出的方法进行深入的理论性能分析,该理
论文部分内容阅读
近年来,随着海洋事业的发展,各国对于水声通信系统的研究越来越重视。水声前导信号的检测是水声通信中一个重要模块。前导信号的误检和漏检一方面会导致通信的失败,另一方面还会对水声通信设备的寿命造成影响。而水声信道作为目前最复杂的信道之一,其多径效应严重、多普勒效应明显、干扰种类繁多的特点导致水声前导信号的检测困难。本文从两个方面研究了前导信号的检测和识别问题,并对所提出的方法进行深入的理论性能分析,该理论性能对实际水声应用具有重大意义。水下复杂的环境,丰富多样的干扰导致前导信号检测性能下降,其中短时窄带干扰因其与前导信号较相近,而对检测器性能的影响尤为严重。为了解决这一问题,本文提出一种针对短时窄带干扰的检测算法动态规划-广义似然比检验(Dynamic Programming-Generalized Likelihood Ratio Test,DP-GLRT)。短时窄带干扰的持续时长和频率只占信号的一部分。本文首先从短时窄带干扰这一特点出发,根据似然比检验,在未知信道状态下,设计出最优检测器,深入的对其检测性能进行了理论分析,并与仿真性能进行对比,为该检测器在实际水声环境中应用提供有力的保证。通过该性能分析,可以为海洋通信应用提供充分的理论指导。在此基础上,我们进一步分别利用仿真数据与海洋试验数据比较了DP-GLRT与传统检测算法在不同干扰背景下的检测性能。实验证明,本文设计的DP-GLRT检测器在仿真和实际水声试验中都具有较强的稳健性。水声通信网络中经常需要对多个同时发射的信号进行识别,这实际上是首先对不同的前导信号进行识别。本文从单一路径的信号识别和未知多径衰减及时延的水声信道的信号识别两个方面分别研究了多接收机下的前导信号识别性能。对于单一路径的信道,本文给出了最大似然准则下的最优检测器,并分析了其理论性能。该性能分析为未知信道的前导信号识别提供了指导意义。另一方面,在实际的通信系统中,由于信道存在的多径及衰减,接收信号并不是完全已知的。基于这种情况,我们利用广义的最大似然准则,设计了未知信道下多个前导信号识别的最优方法,并对其理论性能进行综合深入的分析,该理论分析能够为实际水声系统应用提供有力指导和保障。并利用仿真数据与海洋试验数据验证了该方法的有效性。
其他文献
第五代移动通信时代(the 5th Generation,5G)已经到来,接入无线网络的移动终端设备的数目呈指数式增长。与此同时,用户的需求已经不仅仅局限于互发短信和语音通话等服务,社交网络以及多媒体等服务也变成了用户必需的通信服务。正交频分复用技术(Orthogonal Frequency Division Multiplexing,OFDM)以其固有的对抗多径衰落的能力、灵活的用户接入以及较高
随着无线设备和无线服务的爆炸式增长,现有的无线射频频谱资源稀缺,无法满足人们对高速率的需求。可见光通信(Visible Light Communication,VLC)具有丰富可见光频谱资源,利用发光二极管(Light Emitting Diode,LED)来发送无线数据,是未来有潜力技术之一。但是,LED限制带宽会引起码间干扰,从而降低误码率性能以及限制数据传输速率。直流偏置光正交频分复用(Di
无人机由于具有便携性、高效性和安全性,被广泛应用于目标搜索领域。但是由于单无人机存在续航有限、灵活性差等缺点,现广泛使用多无人机进行集群式搜索。集群搜索有着更高的搜索效率,也面临着更多的挑战。如何针对不同的场景具体地设计无人机集群的分布式协同搜索算法是一个亟待解决的问题。本文围绕着基于群智的分布式协同控制的主题,针对无人机集群对未知环境中的静态目标的搜索问题开展分布式搜索算法的设计和验证,突破了传
分布式多智能体集群运动控制技术,是未来大规模无人机集群搜索、大规模自主编队表演技术、超远距无人机集群中继通信等一系列应用场景的技术基石。如何让分布式集群拥有超强避障能力,更是现有研究中的重点。现有的比较成熟的方案是以建模生物体集群运动为核心出发的,通过将障碍物比作虚拟的智能体来实现避障,这种方案又被称为Flocking算法。但是这种方案只能适合于凸类型和部分非凸类型的障碍物。针对狭窄型的只能允许极
移动边缘计算(Moblie edge computing,MEC)在处理一些新型的计算密集型或时延敏感型的任务时已经展现了其独有的优势。通过计算卸载及服务迁移,用户终端所产生的任务可以由边缘设备进行处理,从而打破了终端设备有限的资源与能量带来的限制。然而,MEC系统的异构性、无线网络环境的动态性以及终端用户的移动性等均给计算卸载及服务迁移策略的设计带来了很大的挑战。本文旨在通过对异构边缘网络中计算
随着无人机技术的不断发展,其所具有的低成本、高灵活性等特点为解决各种实际问题提供了更多的可能性,在环境探测,农业植保等领域都得到了广泛应用。本文考虑一种未知环境探索情形,在全球定位系统受限的情况下,同时定位和建图(Simultaneous Localization And Mapping,SLAM)算法提供了无人机主动飞行的核心技术。在大规模复杂环境中,单架无人机由于其性能和探索范围局限性,不能快
感知技术在交通、军事、农业等领域具备极其重要的使用价值,且在低时延、大容量、高速率的情境下,越来越多的应用场景对环境感知提出越来越高的要求。在感知层面中,目标的检测和跟踪具有举足轻重的地位,其相关的技术成果已渗透到人们生活的方方面面。而当探测环境比较复杂时,使用传统的感知手段和方法来完成目标的检测与跟踪从过程上分析比较复杂,且由于目标具有一定的空间结构,以往的处理方法经常忽略目标的多散射点模型,因
信号的检测与识别被广泛应用于频谱监测、军事电子对抗、信号解密、干扰探测等领域。随着通信环境的日益复杂,传统的单信号识别技术无法应用于电磁干扰严重的信号混叠场景。如何消除干扰、频偏、相偏、衰落等带来的影响,识别出混叠信号中的未知信号源是一个亟待解决的难题。传统的盲信号识别算法识别精度依赖于盲源分离效果,然而复杂通信环境下的非充分稀疏混合信号难以分离,且无法适应环境的动态变化。本文围绕基于机器学习的盲
现代社会亟需新一代的移动通信技术,以满足用户对低时延、广覆盖、高速率的需求。与常用的半双工相比,全双工提高了日渐稀缺的频谱资源的利用率,近年来得到了广泛研究。然而由于全双工在自干扰消除能力不佳时性能不及半双工,混合双工,即全双工和半双工之间进行选择切换成为了研究的热点方向。协作通信是一种将多个无线设备通过协作协议统一控制起来,取得比起独立工作更好性能的通信方式。多个彼此进行协作通信的中继被称为协作
随着信息技术的高速发展,无人智能系统和移动智能机器人已经逐步走入到了人类日常生活中,并在混合现实、应急救援和无人驾驶等任务中发挥着重要作用,其中的关键技术即时定位与地图构建(Simultaneous Localization And Mapping,SLAM)引起了研究者们的广泛关注。视觉SLAM系统以其成本低和容易部署的优势,用于服务人类日常生活的可能性更大,逐渐成为了SLAM系统中的一个研究热