浅海水声多途信道建模与仿真

在进行水声信号恢复和增强、目标探测、跟踪、定位、水声通信等技术的研究过程中,对海洋信道的仿真研究是进行这些水声信号处理仿真的基础。简要分析了水声信道的传播特性,主要针对水声信道强烈的多径效应这一特点,研究了浅海水声多途信道的物理模型,并通过BELLHOP射线传播模型实现了声场环境模拟以及水声信道建模。通过比较不同深度声源的声场分布,以及不同收发条件下的水声信道冲激响应,验证了水声信道的多径效应、稀疏性、传播损失、时变空变以及随机性等特性。     

舰船通信网络信号动态变化特性数学模型

为提升复杂环境下网络信道特性的表征能力,设计描述舰船通信网络信号动态变化特性的数学模型。依据坎贝尔定理,通过节点之间的泊松点过程,构建舰船通信网络的信道模型。基于所构建的信道模型,依据Friis公式,引入直射路径的信道衰落、镜面反射路径的信道衰落,以及反射路径的信道衰落构建信道衰落模型。依据网络信号传输状态,考虑信道衰落情况,利用马尔科夫链构建信号传输距离、接收机接收功率、信号接收位置关联的二维传输模型,通过二维传输模型体现舰船通信网络信号的动态变化特性。实验结果表明,该模型能够精确表征复杂环境下的舰船通信网络信号动态变化特性,可以作为提升舰船通信网络质量的重要依据。     

舰载激光通信设备设计及试验研究

无线光通信因无电磁辐射、不易受电磁干扰等优点,是复杂电磁环境和无线电静默等场景下的重要通信保障手段。针对海面信道,采用Naboulsi模型进行参数设计及链路功率余量分析。介绍舰船长距离激光通信、动平台扫描捕获跟踪和高精度视轴稳定等关键技术及总体设计方案,将研制的舰载激光通信设备在海上进行长时间应用测试,实现了32 km,1 000 M以太网数据的稳定传输。试验表明,设备的各项性能参数符合设计要求。     

窄带干扰条件下水声OFDM系统LMMSE信道估计算法

因为正交频分复用（OFDM）系统中强窄带干扰引起水声信道估计性能退化,因此,提出了一种可实用的线性最小均方误差（LMMSE）信道估计方法.该方法结合最小二乘（LS）信道估计结果对受窄带干扰（NBJ）和加性高斯白噪声（AWGN）噪声干扰的导频子载波进行辨别,从而获得最有效信道抽头;根据导出的理论模型,给出了信道自相关、窄带干扰信号和噪声功率等参数的近似估计方法;并采用傅里叶变换以避免矩阵的求逆运算,减少了计算复杂度.仿真结果表明,在强干扰信号条件下,文中提出的方法接近理想状态的LMMSE方法.     

基于卡尔曼滤波的快时变稀疏信道估计新技术

针对高铁以及山区环境下正交频分复用（orthogonal frequency division multiplexing,OFDM）通信系统的信道估计问题,提出一种基于卡尔曼滤波的快时变稀疏信道估计方法.该方法基于快时变信道的基扩展模型（basic expansion model,BEM）,应用压缩感知（compressed sensing,CS）理论进行稀疏时延估计,并应用卡尔曼滤波（Kalman filter,KF）技术对BEM系数进行估计,进而获得信道增益.仿真结果表明,在相同信噪比（signal to noise ratio,SNR）条件下,随着归一化多普勒频移（frequency-normalized Doppler shift,FND）增大,新方法的信道估计均方差（mean square error,MSE）性能优于传统方法,如当SNR为20 dB,FND为0.1时,新方法较传统方法性能提升了4 dB,表明对信道时变性具有更优的鲁棒性;在相同的多普勒频移条件下,随着SNR增加,各方法的均方差均有所改善,新方法改善更明显,如当FND为0.2时,在信道估计均方差为0.06的条件下,新方法较传统方法获得了6 dB的信噪比增益,表明对抗信道噪声能力更强.      

无线局域网的DCF机制和EDCA机制的性能比较

传统的802.11无线局域网信道接入机制没有提供服务质量保证,限制了许多实时业务在无线局域网中的应用.新的802.11 e协议对不同业务进行了区别,提供QoS保证.本文介绍和对比了802.11分布式协调功能和802.11e增强型分布信道接入2种信道接入机制,通过使用网络仿真软件OPNET,对2种信道接入机制下不同业务的吞吐量和延迟进行了仿真分析.结果表明802.11e的EDCA机制有效的提供QoS的差异服务.     

用于稀疏系统辨识的改进惩罚LMS算法研究

基于加权零吸引因子最小均方算法（RZA-LMS）,提出了一种应用于系统辨识的新型自适应滤波算法（ARZA-LMS）。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e与误差信号e之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验证了新算法的性能明显优于原算法和若干现有稀疏系统辨识的方法。