检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向6G无线通信的可移动天线技术研究综述

南京航空航天大学学报 2024年第05期56卷 773-783页

作者：虞湘宾钱盼盼蔡鸿飞南京航空航天大学电子信息工程学院

随着多天线技术的快速发展，复杂多变环境和高能耗将是当前以及未来无线通信面临的主要问题。可移动天线（Movable antenna, MA）技术凭借天线的移动性带来的信号功率提升、干扰抑制、灵活波束赋形和空间多路复用等优势，致力于提供低... 详细信息

随着多天线技术的快速发展，复杂多变环境和高能耗将是当前以及未来无线通信面临的主要问题。可移动天线（Movable antenna, MA）技术凭借天线的移动性带来的信号功率提升、干扰抑制、灵活波束赋形和空间多路复用等优势，致力于提供低能耗且高效的通信环境自适应调整新思路，吸引了学术界的广泛关注，得到了快速发展。本文首先概述了MA技术基本原理和技术特点。然后，给出了MA技术具体的应用场景，并由此阐述了MA技术优势。最后在现有工作基础上，总结了MA技术可能面临的挑战，论述并展望了MA技术的未来发展方向。MA技术的研究和发展将会进一步推动移动通信技术革新，助力6G通信进入新场景多需求下的多技术融合新阶段。

关键词：无线通信可移动天线空间自由度 6G通信

Alpha稳定分布噪声和多径干扰下的无人机集群MIMO信号调制识别

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2024年

作者：平嘉蓉李赛林云航南京航空航天大学电子信息工程学院

针对具有多径效应、大气噪声等复杂因素的无人机集群多输入多输出(Multiple-Input Multiple-Output， MIMO)信道的信号调制方式识别问题，提出了基于循环谱特征和高阶累积量特征的调制识别方法。首先，根据无人机集群复杂通信信道环境... 详细信息

针对具有多径效应、大气噪声等复杂因素的无人机集群多输入多输出(Multiple-Input Multiple-Output， MIMO)信道的信号调制方式识别问题，提出了基于循环谱特征和高阶累积量特征的调制识别方法。首先，根据无人机集群复杂通信信道环境，建立Alpha稳定分布噪声干扰和多径干扰下的无人机集群MIMO信道。其次，分析了MIMO接收信号的高阶累积量特征和循环谱特征，提取出判别调制识别方式能力强的特征值，构造集群信号特征样本。最后，将特征样本输入深度稀疏自编码网络，实现6种调制方式的识别。仿真结果表明，该调制识别方法在无人机集群复杂通信环境下是有效的，当识别准确率为90%时，深度稀疏自编码网络识别性能优于多层感知机识别性能约1 dB。在存在直射径的MIMO多径信道中，当混合信噪比为0 dB时，识别准确率均能达到96%，在低信噪比下有较高的识别准确率，对复杂的信道环境下的MIMO信号识别具有鲁棒性。

关键词：调制识别 MIMO 循环谱高阶累积量深度稀疏自编码网络

光学遥感图像舰船目标检测与识别方法研究进展

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

航空学报 2024年第8期45卷 46-79页

作者：赵其昌吴一全苑玉彬南京航空航天大学电子信息工程学院南京211106 上海卫星工程研究所卫星总体部上海201109

不论是在军事侦查领域还是海洋执法方面,舰船目标检测与识别技术都至关重要,尤其是随着光学遥感卫星技术的发展,获取了大量的舰船成像数据,怎样迅速从大批量的光学成像资料中精确定位和鉴别出舰船目标是富有挑战性的工作。首先,概述了... 详细信息

不论是在军事侦查领域还是海洋执法方面,舰船目标检测与识别技术都至关重要,尤其是随着光学遥感卫星技术的发展,获取了大量的舰船成像数据,怎样迅速从大批量的光学成像资料中精确定位和鉴别出舰船目标是富有挑战性的工作。首先,概述了光学遥感图像舰船目标检测与识别技术的发展历程和技术流程;然后,依次阐述了光学遥感图像的获取与预处理、海陆分离、舰船目标检测和舰船目标识别等方面的研究进展,重点论述了采用传统和深度学习2类方法开展光学遥感图像目标检测与识别的研究进展;接着,介绍了11种包含舰船目标的遥感图像数据集以及性能评价指标;最后,分析了舰船目标检测与识别技术面临的主要问题,并展望了舰船检测与识别技术今后的发展方向。

关键词：光学遥感遥感图像海陆分离舰船检测舰船识别

在线全文

学校读者我要写书评

暂无评论

基于安全性建模的民机ILS信号设计

系统工程与电子技术 2024年第4期46卷 1255-1263页

作者：袁心悦陈洪丁璐宋磊黄丹上海交通大学航空航天学院上海200240 广西大学电气工程学院广西南宁530004 上海交通大学电子信息与电气工程学院上海200240

针对当前均匀分布的仪表着陆系统(instrument landing system, ILS)信号无法反映出真实安全性变化的问题,提出了基于高斯量化的ILS安全性信号设计方法。首先,基于运行安全性确定安全范围并在此基础上进行逆向设计,对飞行安全性进行高斯... 详细信息

针对当前均匀分布的仪表着陆系统(instrument landing system, ILS)信号无法反映出真实安全性变化的问题,提出了基于高斯量化的ILS安全性信号设计方法。首先,基于运行安全性确定安全范围并在此基础上进行逆向设计,对飞行安全性进行高斯量化。然后,从提高飞行员情景意识出发,提出在安全范围内的不同偏移角度下,仪表刻度变化率与安全性变化率保持一致的安全性信号设计方法。最后,构建了飞行员认知模型,在民机最后进近场景中,对不同初始偏航角度进行了仿真实验。仿真实验结果表明,所提方法提升了民机进近着陆阶段的安全性。

关键词：动态安全性量化逆向设计情景意识仪表着陆信号设计

GNSS-I/MR河流边界及水位测量理论与仿真

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年第6期50卷 1877-1887页

作者：王峰杨鹏瑜杨东凯北京航空航天大学电子信息工程学院北京100191 北京航空航天大学国际创新学院杭州311115

从几何构型和理论模型2个角度探究全球导航卫星系统干涉/多径反射测量(GNSS-I/MR)技术提取河流边界和测量河流水位的可行性。基于河流/河岸介电常数的差异性和河岸相对于河流存在斜度的事实,定义对河流边界敏感的反-直比和实验变化率2... 详细信息

从几何构型和理论模型2个角度探究全球导航卫星系统干涉/多径反射测量(GNSS-I/MR)技术提取河流边界和测量河流水位的可行性。基于河流/河岸介电常数的差异性和河岸相对于河流存在斜度的事实,定义对河流边界敏感的反-直比和实验变化率2个观测量。在希尔伯特变换估计的载噪比包络和相位的基础上,提出基于一元二次方程求解反-直比和线性拟合实验变化率的估计方法,以及3-阈值最大类间方差识别河流/河岸和循环拟合提取河流边界的方法。基于河流表面的实验变化率测量河流水位,通过搭建仿真平台和设计2种河流场景,仿真验证所提方法的有效性。仿真结果表明:在设定参数下,利用介电常数检测场景1和场景2河流边界的均方根误差分别为1.47 m和1.13 m;实验变化率检测场景1和场景2河流边界的均方根误差分别为0.49 m和0.35 m;场景1和场景2的测量高度和真实值的误差分别为0.09 m和0.13 m。

关键词： GNSS-IR 河流边界河流水位希尔伯特变换最大类间方差循环拟合

GNSS线极化天线干涉信号反演土壤湿度算法测试

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2024年第3期50卷 874-885页

作者：李杰杨东凯洪学宝王峰北京航空航天大学电子信息工程学院北京100191 北京航空航天大学国际创新学院杭州311115

利用全球导航卫星系统干涉信号(GNSS-IR)测量土壤湿度已成为热门的研究课题。搭载低成本线性极化天线的智能手机可以方便快捷采集干涉信号信噪比(SNR)。分别仿真垂直和水平线性极化天线采集的GNSS干涉信号,给出2种极化方式下干涉信号SN... 详细信息

利用全球导航卫星系统干涉信号(GNSS-IR)测量土壤湿度已成为热门的研究课题。搭载低成本线性极化天线的智能手机可以方便快捷采集干涉信号信噪比(SNR)。分别仿真垂直和水平线性极化天线采集的GNSS干涉信号,给出2种极化方式下干涉信号SNR波形和反射率随卫星高度角变化的结果。对于垂直极化分量,电磁波会在入射角65°~85°左右时发生全透射,导致干涉信号振荡效果消失,而水平极化不存在该现象。同时,分别仿真右旋圆极化(RHCP)直射和左旋圆极化(LHCP)反射天线采集的GNSS信号,并计算直反射信号的幅值比。在仿真基础上分别利用不同极化天线进行实验,结果表明:采用线性极化天线采集的GNSS干涉信号振荡效果几乎不受卫星高度角的限制,可以为土壤湿度反演提供更多的有效数据,并且反演得到的土壤湿度与同位数据具有良好的一致性,两者的相关性达到0.95。使用搭载圆极化天线的双通道接收机采集北斗系统卫星数据进行对比,相关性达到0.91。对于不同的设备,智能手机采集的GNSS数据占用空间相对比于双通道接收机降低1%,且反演结果相关性接近,由于干涉信号提取直反射信号需要一定的振荡周期,故反演结果的时间分辨率要低于双通道接收机。

关键词：全球导航卫星系统干涉信号线性极化信号幅值比土壤湿度圆极化

在线全文

学校读者我要写书评

暂无评论

改进迁移学习的双分支卷积神经网络图像去雾

北京航空航天大学学报 2024年第1期50卷 30-38页

作者：李云红于惠康马登飞苏雪平段姣姣史含驰西安工程大学电子信息学院西安710048

针对现有图像去雾算法存在去雾不彻底和图像颜色失真的问题,提出一种迁移学习子网络和残差注意力子网络相结合的图像去雾模型。采用迁移学习子网络的预训练模型增强样本的特征属性;构建双分支网络结构,并利用残差注意力子网络辅助迁移... 详细信息

针对现有图像去雾算法存在去雾不彻底和图像颜色失真的问题,提出一种迁移学习子网络和残差注意力子网络相结合的图像去雾模型。采用迁移学习子网络的预训练模型增强样本的特征属性;构建双分支网络结构,并利用残差注意力子网络辅助迁移学习子网络训练网络模型的参数;利用尾部集成学习的方法融合双网络的特征,得到去雾图像的模型参数,完成图像恢复任务。实验结果表明:所提算法在RESIDE数据集和O-HAZE数据集上PSNR指标比GCANet分别提高了1.87 dB和4.22 dB,在O-HAZE数据集上SSIM指标比GCANet提高了6.7%。

关键词：图像去雾迁移学习卷积神经网络注意力机制集成学习

基于对抗互易点学习的无人机通信干扰开集识别方法

在线全文

学校读者我要写书评

暂无评论

信号处理 2024年第4期40卷 639-649页

作者：李佳浩杜子铭周博李婕吴启晖南京航空航天大学电子信息工程学院江苏南京211106

无人机通信由于空对地无线信道的开放性,易受到各种有源或无源的物理层干扰,这些干扰会严重影响无人机通信的性能,导致无人机通信质量下降甚至通信中断等问题。因此,为保障无人机在复杂环境下能实现安全可靠的通信,对各类干扰的有效检... 详细信息

无人机通信由于空对地无线信道的开放性,易受到各种有源或无源的物理层干扰,这些干扰会严重影响无人机通信的性能,导致无人机通信质量下降甚至通信中断等问题。因此,为保障无人机在复杂环境下能实现安全可靠的通信,对各类干扰的有效检测和精准识别尤为重要。传统的无人机通信干扰识别方法通常考虑闭集干扰场景的假设,即只能识别训练过程中使用过的干扰模式,而难以有效判断新出现的未知干扰模式。然而,在实际复杂电磁环境中,由于无法事先获知所有可能的干扰模式,无人机通信系统需要同时应对已知和未知的干扰,即面临开集干扰场景。为此,本文提出了一种基于对抗互易点学习的无人机通信干扰开集识别方法。首先设计了基于残差神经网络(ResNet)的对抗互易点学习框架,以从I/Q数据中有效地提取干扰特征,并确保已知和未知干扰类在特征空间中的良好分离。接着,考虑到在不同干信比和不同干扰信号的特征分布的差异性,设计了联合自适应阈值开集分类器,实现对已知和未知干扰模式的准确识别。为验证所提方法的有效性,考虑无人机空对地通信的多种因素,并基于双射线传播模型生成了一个无人机通信干扰数据集。仿真结果表明,所提方法在不同干信比情况下识别性能均优于基线方法,在干信比为10 dB时,达到了88.1%的归一化识别精度,实现了对无人机通信干扰的有效开集识别。

关键词：干扰检测无人机通信开集识别机器学习

在线全文

学校读者我要写书评

暂无评论

基于时间序列融合的室内定位方法

数据采集与处理 2024年第3期39卷 750-760页

作者：余莲杰李建峰徐睿张小飞南京航空航天大学电子信息工程学院南京211106

提出了一种基于拉依达准则-相关系数-卷积神经网络(Pauta criterion-correlation coefficient-convolutional neural networks,P-C-CNN)的时间序列融合定位算法。P-C-CNN方法整合了不同节点以及不同时间序列的数据点,利用时间和空间数... 详细信息

提出了一种基于拉依达准则-相关系数-卷积神经网络(Pauta criterion-correlation coefficient-convolutional neural networks,P-C-CNN)的时间序列融合定位算法。P-C-CNN方法整合了不同节点以及不同时间序列的数据点,利用时间和空间数据的相互关联性,提高了室内定位的精度和可靠性。首先,该方法使用拉依达准则-相关系数(Pauta criterion-correlation coefficient,P-C)算法对到达角度(Angle of arrival,AOA)-接收信号强度(Received signal strength,RSS)数据的异常值进行剔除,提高了训练数据的质量。其次,算法对数据进行随机间隔选取,从而缩短模型训练时间,同时较好地模拟在线定位阶段数据选取的不确定性,减少模型对训练数据的过度拟合。再次,传统单帧信息训练方法由于噪声混杂无法稳定提取信息特征,所提算法在连续采集的时间序列数据中,融合随机选取固定长度的多帧AOA-RSS数据,然后利用卷积神经网络(Convolutional neural networks,CNN)进行特征提取,避免了单帧信号定位中误差波动较大的问题。最后,通过大量实际测试,验证了所提方法的有效性。实验结果表明,在典型室内环境中,与仅采用RSS数据或者AOA信息的指纹定位算法相比,本文算法的分类准确率由91.6%提高到了96.4%,定位精度从1.3 m提高到了0.3 m;与传统基于模型的AOA-RSS联合定位相比,本文算法能较好解决实测中多径效应等干扰因素的影响,定位精度从1.1 m提高到了0.3 m。

关键词：室内定位深度学习卷积神经网络联合定位时间序列