马尔可夫过程在通信物理层中的智能化应用

来源 :舰船电子工程 | 被引量 : 0次 | 上传用户:wojiushixinyonghu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着人工智能无线通信通信系统的广泛应用,作为通信网络的重要组成部分,物理层单纯地传输上层交付的比特流时效性、可靠性已满足不了通信质量要求.“智能化”成为了底层通信网络所要满足的重要需求,针对这一需求,论文设计并实现了采用马尔可夫过程的通信机制,并结合机器学习模型,设计了基于马尔可夫决策过程(MDP)的通信控制及预测方法.为了验证论文所设计的预测方法的准确性,结合移动通信系统的信道衰落统计分布特性,与当下主流的机器学习预测模型进行了一系列对比.实验结果表明,通过论文所设计的预测方法,能够确保正常通信并可靠预测,从而改善了通信物理层的智能化水平.
其他文献
目标航路实时异常判定指的是判断目标实时运动是否偏离其正常轨迹,并在出现异常时进行告警提示,为现实情况的处置提供决策支持.针对目标航路实时异常判定问题,提出了一种基于集合重合性的在线快速判定方法,并给出了阈值设定的启发式规则.该方法将实时轨迹相比于正常轨迹的偏离程度度量问题转化为地理网格集合间的重合性计算问题,首先将目标实时轨迹动态地转换成Geohash网格集合,然后计算目标实时轨迹网格集合与目标正常轨迹网格集合之间的重合性,最后将超过设定阈值的目标判定为出现异常,并实施告警.实验结果表明,该方法能够实现目
针对带有乘性噪声的非线性滤波问题,首先对比较经典的非线性滤波方法进行简单的介绍,并给出其优缺点;其次在带有乘性相关噪声的离散非线性系统模型的基础上,基于SRCKF滤波框架,推导了其滤波实现;最后在乘性噪声条件下对各种非线性滤波器精度进行了对比分析,结果表明,相较于传统非线性滤波器,论文推导的带有乘性噪声的非线性滤波方法具有更高的滤波精度.
论文主要介绍了维纳滤波器、卡尔曼滤波器、LMS自适应滤波器的特点及应用,并以维纳滤波器作为非递归型滤波器的代表,与递归型滤波器LMS自适应滤波器就Matlab仿真的滤波效果进行比较,LMS自适应滤波器更适合对未知模型系统中变化的信号进行滤波.并对自适应滤波器中LMS算法的应用领域进行介绍.
舰载武器传递对准由于受海浪冲击、舰船自身载荷等因素影响,导致主、子惯导之间存在模型未知的挠曲变形,影响传递对准精度.针对上述问题,论文提出了模型预测滤波技术,应用于传递对准中,可以有效对挠曲变形进行预测估计,补偿传递对准误差.通过数值仿真分析,验证了该算法的有效性和可行性,能够提高传递对准精度.
针对飞行器试验数据、训练数据关联整合问题,分析了问题成因与技术难点,探讨了知识图谱在解决该问题方面的适用性,提出了一种基于知识图谱的关联整合方法,给出了方法过程描述,以及部分实体、关系与属性描述,结合示例说明了该方法在试训数据关联整合方面的功能实现,验证了方法构建的知识谱图,具有显著优于关系数据模型的关联计算效率,为进一步的型号装备试训数据整合提供了一条便捷有效的技术路径.
针对灵巧噪声干扰识别问题,以卷积调制、数字多时延和间歇采样转发三种干扰信号为研究对象,提出了一种将信息熵作为特征参数的干扰识别方法.采用蒙特卡罗仿真实验的方法,通过支持向量机算法进行分类识别验证.结果表明,在信噪比大于0dB时,干扰识别准确率超过95%.
针对信号衰落和噪声干扰带来的舰艇超短波通信微弱信号接收问题,分析了超短波微弱信号接收的功能需求,从噪声抑制方面入手,介绍了三种传统的静噪技术与新型的自适应滤波技术,针对自适应滤波的关键技术分析了LMS和NLMS两种自适应滤波算法并进行了Matlab仿真和对比分析,结果表明NLMS的误差更小且误差曲线趋于稳定的速度更快,NLMS操作起来更便捷且稳定性、可行性更强,更适用于舰艇超短波通信.
介绍了协同探测的基本概念,指出坐标系转换技术的重要性.详细阐述了地理坐标系和地心坐标系的相互转换算法,并拓展应用于单平台探测目标和协同探测目标两种情况,由作战平台所在地理位置经纬度以及探测目标的俯仰角、方位角和斜距等信息,可以求出目标的地理坐标和地心坐标.通过公式验证了该坐标系转换方法的可行性,同时也表明了多平台协同探测情况下,如果有一个作战平台探测到目标,即可通过该方法求出目标相对于其他平台的地理坐标.
随着海底业务需求的增多,海底光缆网络功能由岸端对岸端的大容量通信链式网络向网格状海底光缆网络发展,作为能源供给和信息传输一体的骨干传输网络.如何满足深海远距离、高可靠能源传输与供给,成为海底光缆网络发展的瓶颈问题.论文分析海底光缆网络的供电拓扑,对水下远程供电网络的电压型和电流型供电架构探讨,通过电路仿真验证海底恒流型供电网络的抗海水短路故障能力和高可靠性.
构架了一种弹载主被动雷达融合角度跟踪系统,可以利用主被动雷达的不同特点,多方位获取目标的属性信息,改进对目标的检测和识别能力[1].比较了并行滤波、序贯滤波和数据压缩滤波三种融合跟踪算法,并通过建立的大机动目标运动模型,验证了融合跟踪滤波性能,给出了几种算法的应用方向.