雷达通信一体化信号设计与处理技术研究

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:zgb99
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
无人机、自动驾驶等越来越多的领域都需要设备小型化和功能多样化,并且需要同时具有雷达传感功能和通信功能,这产生了对雷达和通信一体化设计的强烈需求。同时随着雷达系统和通信系统的快速发展,两者不仅在运行频段上逐渐产生了重合,并且在系统结构上也出现了很多相似点,这让实现雷达通信一体化系统成为了可能。本文研究了基于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)的雷达通信一体化信号设计,首先对比分析了四种离散混沌映射的相关性,发现Logistic映射的性能更好,更适合作为相位编码OFDM信号的编码序列。然后针对各子载波采用相同混沌序列的 OFDM-IS-LC(OFDM Identical Sequence Logistic Code)信号的信息携带能力太差的缺陷,基于Logistic混沌码设计了一种相位编码OFDM雷达通信一体化信号OFDM-DS-LC(OFDM Different Sequence Logistic Code)。该一体化信号通过各子载波采用不同的混沌序列作为相位编码序列实现了通信比特携带能力的较大提升。仿真结果显示,相较于OFDM-IS-LC信号,该信号不但具有更接近图钉状的模糊函数,使得雷达拥有更好的目标分辨力,而且将通信传输速率提升了log2M倍。但OFDM-DS-LC信号作为一种基于OFDM的雷达通信一体化信号,其峰均功率比(Peak to Average Power Ratio,PAPR)比较高。针对这一问题,本文设计了一种基于混沌码分组排列的PAPR降低算法。该算法首先根据本文设计的OFDM-DS-LC.信号中的混沌初值生成一个混沌相位序列,并对该序列进行分组重排得到多个相位排列,然后使用这些相位排列对发送信号进行相位加权得到多个备选信号,从中寻找PAPR最低的备选信号作为发送信号。由于该算法直接使用了 OFDM-DS-LC信号中的混沌初值,因此其不再需要向接收机单独发送混沌相位序列的初值,只需发送所选排列对应的序号,不仅降低了需要发送的辅助边带信息,而且只需要生成一个混沌序列,降低了实现复杂度。仿真结果显示,若CCDF纵坐标取10-1,该算法在G取值为2、4、8时,分别能将一体化信号的PAPR降低约17.5%、31.3%、52.5%。针对分组数较大时该算法计算复杂度较高的问题,本文进一步引入了一种基于阈值的判断机制,一旦寻找到PAPR小于等于阈值的备选信号便立即停止搜索,降低了算法的搜索次数。仿真结果显示,引入阈值后虽然该算法降低PAPR的性能稍有损失,但其计算复杂度也得到了有效降低。
其他文献
随着宽带互联网业务的快速发展,光通信网络已经扩展到办公室和家庭。数据流量的指数增长、高清视频、IP语音、媒体下载、文件共享和视频会议等占用带宽的应用的兴起导致了光纤需求量在整个网络中的巨幅增长。人工解决方案的总成本由于劳动时间、库存错误和网络停机时间而急剧增长。为了更好地进一步普及光通信网络,降低运营成本显得尤为重要。网络运营商为了提供高可靠性服务和降低运营成本,对自动光纤配线架(AODF)有着强
随着智能手机的普及,LCD(Liquid Crystal Display)屏幕检测逐渐成为了工业视觉领域的研究热点。工业屏幕瑕疵识别场景是小样本场景,且正负样本不均衡。目前屏幕瑕疵的识别主要是依靠人工质检和传统的机器视觉检测方法,人工质检存在效率低、标准不统一、成本高的问题;传统基于数字图像处理的机器学习方法相较于人工质检,速度方面有了一定提升,但是在准确率方面仍需提升;普通深度学习算法对数据需求
随着近几年人工智能的发展,知识图谱逐渐成为了工业界和学术界研究的重要课题。知识图谱的概念最早提出是为了提升搜索引擎的性能,但是由于其对于知识的高度抽象性和结构化,应用空间从最早的搜索引擎扩展到了问答系统,推荐系统等领域。Wikidata[1],DBpedia[2]和YAGO[3]等全领域的知识图谱大多都是基于结构化数据进行构建的。随着自然语言处理技术日趋成熟,从非结构的文本数据中抽取信息自动化的构
隐蔽信道是一种用于数据泄露的网络攻击手段,DNS隐蔽信道利用广泛使用的DNS协议作为媒介来达成这一目的。基于DNS流量的检测,可发现隐蔽信道通信。目前的方法无法有效检测低速多域名DNS隐蔽信道。为解决以上问题,本文提出了利用DNS流量进行DNS隐蔽信道通信检测的完整方案,主要包含以下工作:1.针对一般DNS隐蔽信道通信,提出了基于两阶段模型的DNS隐蔽信道通信检测方案。方案结合了隐蔽信道通信过程特
光子晶体是指人造的周期性电介质材料,由于其优秀的控光特性,目前已经应用于多个光学领域。一维光子晶体具有尺寸小、灵敏度高、模式体积小等优势,在片上集成传感方面具备显著的优势。经过多年来的发展,大量基于一维光子晶体纳米束微腔的传感器被研发出来。但是,由于外界实际检测环境的复杂性,检测结果同时受到多个参数的影响,多参数传感器应运而生。由于热光效应的存在,温度会改变介质的折射率,从而间接引起谐振波长的偏移
近年来,随着大数据、人工智能的蓬勃发展,教育形态发生了深刻的变革,在线教育发展迅速,各类在线学习平台应运而生。在线学习平台提供了海量学习资源的同时,如何为学生推荐适合自身的学习内容也成为一个难题。教育领域现有的个性化推荐研究存在诸多问题:研究内容上,现有教育领域的个性化推荐目标多为提升点击率,如推荐学生感兴趣的课程,此类研究无法帮助学生加强其对薄弱知识点的掌握,进而有效提升学习表现;研究方法上,一
符号动力学是一个描述混沌行为非常有用的工具,他能够捕捉系统的拓扑特性同时忽略系统内部间的复杂行为。但是问题是对于一个混沌系统很难得到一个合适的符号划分,尤其当高维系统上稳定和非稳定流形间的行为更为复杂且相互影响时。所以在这篇论文里,我们提出了一个新的方法能有效的帮助我们解决高维符号划分的问题。我们的方法仅依赖于非稳定流形,从而避免了高维稳定流形所带来的干扰。同时我们在每一层的非稳定流形上去寻找其关
随着网络社交的普及,网络谣言会对社会造成非常大的影响。如何准确识别网络社交平台上的谣言对维护社会的秩序显得尤为重要。现阶段对于网络谣言主要是通过传统的机器学习方法或基于深度学习的模型进行检测,这些方法受评论的指向性问题和因序列过长导致的特征不完整问题的影响,对于网络谣言的判别还未能达到比较高的准确率。本文针对上述问题提出了网络谣言检测中相应的改进方法,并使用预训练模型进行微调来加快模型的收敛,在一
当今时代,互联网和云计算的蓬勃发展让数据中心扮演着非常重要的角色。数据中心网络因为可靠性和健壮性的要求,服务器间拥有多条路径,但是传统的数据中心网络拥塞控制机制无法充分利用这些可选路径,也无法有效地解决数据中心的拥塞问题。所以软件定义网络(Software Defined Networks,SDN)网络架构逐渐在数据中心网络中被广泛地使用。SDN可以获取网络的全局信息,更好地监测网络状况并且制定拥
视频信息为车辆的智能化和网联化提供了丰富的信息,视频数据中包含的信息需要通过内容理解与分析来获取,这使车联网视频内容的理解与分析逐渐成为一种趋势,提高视频内容理解的精度成为推进车联网发展的重大挑战。同时移动边缘计算(Mobile Edge Computa-tion,MEC)的发展为车辆提供了大量的计算资源,弥补了车辆计算能力的不足,因此如何利用移动边缘计算来提高视频内容理解精度成为重要的问题。车联