针对正交频分复用(Orthogonal Frequency Division Multiplex,OFDM)通信感知一体化(Integrated Sensing and Communication,ISAC)系统在高动态场景下存在的载波间干扰(Inter-Carrier Interference,ICI)问题,提出一种两步式ICI抑制方法,...针对正交频分复用(Orthogonal Frequency Division Multiplex,OFDM)通信感知一体化(Integrated Sensing and Communication,ISAC)系统在高动态场景下存在的载波间干扰(Inter-Carrier Interference,ICI)问题,提出一种两步式ICI抑制方法,解决现有方法在高动态场景中ICI抑制性能不足、通信速率受限的难题。所提方法设定合适的模糊数取值,通过模糊数遍历的多普勒补偿和目标峰值对比,实现目标速度的无模糊精确估计;基于估计结果重构无ICI的目标信号。仿真结果表明,相较于现有方法,所提方法在不牺牲通信速率的前提下,对不同多普勒效应具有优良的抗ICI和速度估计性能,为高动态场景下的OFDM-ISAC实现提供了一种技术方案。展开更多
随着数字化技术和雷达系统的发展,针对合成孔径雷达(Synthetic Aperture Radar,SAR)的干扰对抗技术不断进步,尤其是基于数字射频存储技术(Digital Radio Frequency Memory,DRFM)产生的有源欺骗干扰为SAR成像系统带来了前所未有的考验。...随着数字化技术和雷达系统的发展,针对合成孔径雷达(Synthetic Aperture Radar,SAR)的干扰对抗技术不断进步,尤其是基于数字射频存储技术(Digital Radio Frequency Memory,DRFM)产生的有源欺骗干扰为SAR成像系统带来了前所未有的考验。针对欺骗干扰开展SAR成像抗干扰方法研究,本文基于相位编码波形与带有循环前缀的正交频分复用(Cyclic Prefix Orthogonal Frequency Division Multiplexing,CP-OFDM)波形进行正交波形设计,提出了相位编码CP-OFDM正交波形。基于CP-OFDM波形的循环前缀(Cyclic Prefix,CP)特征,引入基于线性模型的脉冲压缩方法对相位编码CP-OFDM正交波形的SAR成像回波进行距离向处理,能够实现无旁瓣干扰的自相关脉冲压缩。通过对相位编码CP-OFDM波形的时域相位进行编码优化设计,可以实现不同相位编码CP-OFDM波形之间良好的互相关性能。基于线性模型脉冲压缩方法改善了一种p范数多波形加权循环(p-norm Weighted Cyclic Algorithm,p-WeCAN)波形优化算法,采用该算法对相位编码CP-OFDM波形集的相位编码序列进行优化设计,优化后波形的互相关脉冲压缩结果的峰值水平(Peak Sidelobe Level,PSL)相比于随机相位编码CP-OFDM波形的互相关PSL改善了2 dB左右。CP特性赋予了相位编码CP-OFDM波形良好的自相关脉冲压缩结果,相位编码优化设计提供了良好的互相关脉冲压缩结果,采用该正交波形集进行SAR成像,能够实现对欺骗干扰的抑制。进行了点目标、面目标和基于GF-3回波数据反演的半实测数据的抗欺骗干扰SAR成像仿真,与基于线性调频(Linear Frequency Modulation,LFM)波形的欺骗干扰条件下的成像结果进行对比,验证了相位编码CP-OFDM对欺骗干扰的抑制能力。展开更多
在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随...在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。展开更多
在探讨正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统的优化中,一个显著挑战在于其信号检测性能的相对不足。同时,针对基于深度神经网络的索引调制(Deep Neural Network Based Index Modulation,DNN-IM)检测算法...在探讨正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统的优化中,一个显著挑战在于其信号检测性能的相对不足。同时,针对基于深度神经网络的索引调制(Deep Neural Network Based Index Modulation,DNN-IM)检测算法,普遍存在着误码率及损失值偏高的问题。为了弥补上述难题,文中提出一种基于多层感知机(Multilayer Perceptron,MLP)的索引调制检测算法,即MLP-IM算法。该算法采用融合两个连接层与一个输出层的架构设计,通过挑选的激活函数实现对OFDM索引调制系统中数据比特的精准还原。首先将OFDM索引调制系统的基础理论巧妙应用于数据的预处理阶段,随后利用仿真数据集对MLP神经网络模型进行全面而深入的离线训练,确保模型的稳健性与准确性。在检测阶段,通过MLP-IM检测算法实现了对OFDM索引调制系统的高效检测。仿真结果表明,所提出的MLP-IM算法在误码率控制和损失值两个方面的性能表现与最大似然检测算法相媲美,甚至在某些场景下超越了现有DNN-IM算法的性能,其性能改善幅度在0.2~6 dB的区间内。展开更多
Sparse-view x-ray computed tomography （CT） imaging is an interesting topic in CT field and can efficiently decrease radiation dose. Compared with spatial reconstruction, a Fourier-based algorithm has advantages in r...Sparse-view x-ray computed tomography （CT） imaging is an interesting topic in CT field and can efficiently decrease radiation dose. Compared with spatial reconstruction, a Fourier-based algorithm has advantages in reconstruction speed and memory usage. A novel Fourier-based iterative reconstruction technique that utilizes non-uniform fast Fourier transform （NUFFF） is presented in this work along with advanced total variation （TV） regularization for a fan sparse-view CT. The proposition of a selective matrix contributes to improve reconstruction quality. The new method employs the NUFFT and its adjoin to iterate back and forth between the Fourier and image space. The performance of the proposed algorithm is demonstrated through a series of digital simulations and experimental phantom studies. Results of the proposed algorithm are compared with those of existing TV-regularized techniques based on compressed sensing method, as well as basic algebraic reconstruction technique. Compared with the existing TV-regularized techniques, the proposed Fourier-based technique significantly improves convergence rate and reduces memory allocation, respectively.展开更多
文摘针对正交频分复用(Orthogonal Frequency Division Multiplex,OFDM)通信感知一体化(Integrated Sensing and Communication,ISAC)系统在高动态场景下存在的载波间干扰(Inter-Carrier Interference,ICI)问题,提出一种两步式ICI抑制方法,解决现有方法在高动态场景中ICI抑制性能不足、通信速率受限的难题。所提方法设定合适的模糊数取值,通过模糊数遍历的多普勒补偿和目标峰值对比,实现目标速度的无模糊精确估计;基于估计结果重构无ICI的目标信号。仿真结果表明,相较于现有方法,所提方法在不牺牲通信速率的前提下,对不同多普勒效应具有优良的抗ICI和速度估计性能,为高动态场景下的OFDM-ISAC实现提供了一种技术方案。
文摘随着数字化技术和雷达系统的发展,针对合成孔径雷达(Synthetic Aperture Radar,SAR)的干扰对抗技术不断进步,尤其是基于数字射频存储技术(Digital Radio Frequency Memory,DRFM)产生的有源欺骗干扰为SAR成像系统带来了前所未有的考验。针对欺骗干扰开展SAR成像抗干扰方法研究,本文基于相位编码波形与带有循环前缀的正交频分复用(Cyclic Prefix Orthogonal Frequency Division Multiplexing,CP-OFDM)波形进行正交波形设计,提出了相位编码CP-OFDM正交波形。基于CP-OFDM波形的循环前缀(Cyclic Prefix,CP)特征,引入基于线性模型的脉冲压缩方法对相位编码CP-OFDM正交波形的SAR成像回波进行距离向处理,能够实现无旁瓣干扰的自相关脉冲压缩。通过对相位编码CP-OFDM波形的时域相位进行编码优化设计,可以实现不同相位编码CP-OFDM波形之间良好的互相关性能。基于线性模型脉冲压缩方法改善了一种p范数多波形加权循环(p-norm Weighted Cyclic Algorithm,p-WeCAN)波形优化算法,采用该算法对相位编码CP-OFDM波形集的相位编码序列进行优化设计,优化后波形的互相关脉冲压缩结果的峰值水平(Peak Sidelobe Level,PSL)相比于随机相位编码CP-OFDM波形的互相关PSL改善了2 dB左右。CP特性赋予了相位编码CP-OFDM波形良好的自相关脉冲压缩结果,相位编码优化设计提供了良好的互相关脉冲压缩结果,采用该正交波形集进行SAR成像,能够实现对欺骗干扰的抑制。进行了点目标、面目标和基于GF-3回波数据反演的半实测数据的抗欺骗干扰SAR成像仿真,与基于线性调频(Linear Frequency Modulation,LFM)波形的欺骗干扰条件下的成像结果进行对比,验证了相位编码CP-OFDM对欺骗干扰的抑制能力。
文摘在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。
文摘在探讨正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统的优化中,一个显著挑战在于其信号检测性能的相对不足。同时,针对基于深度神经网络的索引调制(Deep Neural Network Based Index Modulation,DNN-IM)检测算法,普遍存在着误码率及损失值偏高的问题。为了弥补上述难题,文中提出一种基于多层感知机(Multilayer Perceptron,MLP)的索引调制检测算法,即MLP-IM算法。该算法采用融合两个连接层与一个输出层的架构设计,通过挑选的激活函数实现对OFDM索引调制系统中数据比特的精准还原。首先将OFDM索引调制系统的基础理论巧妙应用于数据的预处理阶段,随后利用仿真数据集对MLP神经网络模型进行全面而深入的离线训练,确保模型的稳健性与准确性。在检测阶段,通过MLP-IM检测算法实现了对OFDM索引调制系统的高效检测。仿真结果表明,所提出的MLP-IM算法在误码率控制和损失值两个方面的性能表现与最大似然检测算法相媲美,甚至在某些场景下超越了现有DNN-IM算法的性能,其性能改善幅度在0.2~6 dB的区间内。
基金Projected supported by the National High Technology Research and Development Program of China(Grant No.2012AA011603)the National Natura Science Foundation of China(Grant No.61372172)
文摘Sparse-view x-ray computed tomography （CT） imaging is an interesting topic in CT field and can efficiently decrease radiation dose. Compared with spatial reconstruction, a Fourier-based algorithm has advantages in reconstruction speed and memory usage. A novel Fourier-based iterative reconstruction technique that utilizes non-uniform fast Fourier transform （NUFFF） is presented in this work along with advanced total variation （TV） regularization for a fan sparse-view CT. The proposition of a selective matrix contributes to improve reconstruction quality. The new method employs the NUFFT and its adjoin to iterate back and forth between the Fourier and image space. The performance of the proposed algorithm is demonstrated through a series of digital simulations and experimental phantom studies. Results of the proposed algorithm are compared with those of existing TV-regularized techniques based on compressed sensing method, as well as basic algebraic reconstruction technique. Compared with the existing TV-regularized techniques, the proposed Fourier-based technique significantly improves convergence rate and reduces memory allocation, respectively.
