当前位置:主页 > 科技论文 > 信息工程论文 >

基于循环平稳特征的分阶段直扩超宽带信号检测

发布时间:2024-02-05 20:03
  超宽带(Ultra Wideband,UWB)信号检测对实现超宽带定位具有重要意义。针对低信噪比下直扩超宽带信号(Direct Sequence Spread Spectrum UWB,DS-UWB)功率谱密度极低,难以通过传统手段检测的问题,提出了一种基于循环平稳特征的分阶段直扩超宽带信号检测算法。在介绍直扩超宽带的信号模型的基础上,提出了改进循环平稳特征检测方法,分析了二元假设两种情形下灰度图的差异,利用这种差异将两类图像放入卷积神经网络(Convolutional Neural Network,CNN)自行训练提取特征,进而利用训练好的网络进行检测。为更高效检测出信号,采用分阶段检测,即第一阶段先进行能量检测,若未检测到,则进入第二阶段改进循环平稳特征检测。仿真结果表明,在信噪比小于-8 dB时,所提方法的检测性能明显优于传统的循环平稳特征检测。

【文章页数】:5 页

【部分图文】:

图1信号三维循环谱图

图1信号三维循环谱图

由式(20)可知,DS-UWB信号只在循环频率α=k/Tc处有值。DS-UWB信号的三维循环谱图呈现4座峰值,如图1所示。将三维循环谱图归一化为灰度图后,有4块较大的亮度区域,如图2所示。而一般的平稳信号如高斯白噪声不具有这种性质,其循环谱能量集中在α=0轴线上,其余部分为噪声基....


图20dB下信号循环谱密度灰度图

图20dB下信号循环谱密度灰度图

图1信号三维循环谱图图30dB下噪声循环谱密度灰度图


图30dB下噪声循环谱密度灰度图

图30dB下噪声循环谱密度灰度图

图20dB下信号循环谱密度灰度图本文模拟IEEE802.15.3a多径信道,对接收端数据选取合适的特征(循环谱密度)并进行特征映射(转化为灰度图),将其分为训练数据和测试数据,然后用CNN网络对训练数据进行有监督的学习,提取出更加有利于分类的抽象特征,再将测试数据输入到训....


图4基于CNN的改进循环平稳特征检测流程图

图4基于CNN的改进循环平稳特征检测流程图

本文模拟IEEE802.15.3a多径信道,对接收端数据选取合适的特征(循环谱密度)并进行特征映射(转化为灰度图),将其分为训练数据和测试数据,然后用CNN网络对训练数据进行有监督的学习,提取出更加有利于分类的抽象特征,再将测试数据输入到训练好的网络,完成信号检测,具体流程如图....



本文编号:3896128

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3896128.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户aa923***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com