摘要 针对调频(frequency modulation, FM)类信号处理问题,提出一种全新的积分变换——双正交梅林变换(biorthogonal Mellin transform, BMT).该变换与傅里叶变换(Fourier transform, FT)、双正交傅里叶变换(biorthogonal Fourier transform, BFT)、梅林变换(Mellin transform, MT)、分数阶傅里叶变换(fractional Fourier transform, FRFT)存在密切关系,能够解决指数为整数或者分数的幂函数调频(power frequency modulation, PFM)信号检测、参数估计、滤波等问题.文中给出了BMT定义、基本性质和典型函数变换结果,设计了一种基于指数采样理论的离散BMT快速计算方法.实验结果表明, BMT构思新颖,理论完备,具有广阔应用前景.

关键词 双正交梅林变换; 双正交傅里叶变换; 梅林变换; 分数阶傅里叶变换; 数值计算; biorthogonal Mellin transform; biorthogonal Fourier transform; Mellin transform; fractional Fourier transform; numerical calculation

摘要 可重构智能表面技术在实现低功耗、高能效通信的“绿色通信”上具有重要意义,已成为下一代无线通信的关键技术.硬件损耗产生的损耗失真会影响通信系统的性能,本文在可重构智能表面辅助的多输入多输出无线通信系统中考虑硬件损耗,优化目标是最大化系统中用户的加权和速率.由于优化问题的多变量耦合效应,采用块坐标下降算法把原问题解耦成两个子问题,分别对发射预编码矩阵和反射相移矩阵交替优化.仿真结果证明了在波束成形优化中考虑硬件损耗的必要性以及将可重构智能表面引入多输入多输出系统的有效性.

关键词 可重构智能表面; 多输入多输出; 硬件损耗; 块坐标下降算法; 最大最小化算法; reconfigurable intelligent surface; multiple-input multiple-output; hardware impairments; block coordinate descent algorithm; majorization-minimization algorithm;

摘要 本文研究了动态环境下基于可见光的运动目标位置和姿态跟踪技术(visible light-based position and orientation tracking, VLP).基于信号模型的传统VLP方法通常依赖于具有固定参数的信号传播模型(signal propagation model, SPM).当定位环境随时间变化时,例如当漫散射和接收机响应增益波动变化时,传统VLP算法性能会剧烈下降.为了应对这一挑战,本文提出了一种基于双向循环卷积网络的VLP算法.该算法通过双向循环结构挖掘连续时刻观测数据的时间特征信息,利用3D卷积网络挖掘观测数据中稳定的空间纹理特征信息,采用记忆细胞存储时空纹理特征信息,并利用遗忘门对记忆细胞中缓存的时空信息进行选择性保留,以此保证对时空纹理信息的长期记忆,从而实现对运动目标的高精度定位跟踪.仿真结果表明,相比于现有可见光定位算法,本算法能充分挖掘并融合观测数据中的时间与空间纹理特征来提升定位跟踪性能,在动态环境条件下,定位精度达到1.5 cm.

关键词 可见光定位; 样本图像; 时空纹理特征; 卷积神经网络; 循环神经网络; visible light-based positioning; sample image; spatial-time texture; convolutional network; recurrent neural network;

摘要 太赫兹宽带混合预编码是未来高速无线传输的关键技术.太赫兹系统带宽较大,因而存在严重的波束分裂现象,限制了用户的通信速率.已有方案主要研究如何克服信道径模型下的波束分裂现象,在存在角度扩展的信道簇模型下性能损失严重.针对这一问题,首先分析比较了信道簇模型下典型太赫兹预编码的性能;接着提出了时相联合优化算法,以克服信道簇模型下的波束分裂现象;最后提供仿真结果验证所提算法的性能.

关键词 太赫兹; 宽带; 波束分裂; 角度扩展; 混合预编码; THz; wideband; beam split; angular spread; hybrid precoding;

摘要 随着物联网的广泛应用,地面物联网已经难以满足海量广域分布设备的接入需求,亟需研究低地球轨道(low-earth orbit, LEO)卫星物联网(satellite Internet of Things, SIoT). LEO-SIoT网络为了实现全球无缝覆盖,会使用几十颗甚至上千颗低轨卫星组成一个卫星星座,但这也造成了严重的星间干扰.本文提出一种结合非正交多址接入(non-orthogonal multiple acces, NOMA)和多波束预编码技术的LEO-SIoT网络,可以支持海量设备接入并抑制波束间和卫星间干扰.然而,卫星获取的信道状态信息(channel state information, CSI)具有信道误差,导致传统的预编码方法无法起到抑制干扰的作用.因此,本文首先以低轨卫星物联网的总功耗为目标函数,并以物联网设备所需速率阈值的中断概率为约束建立星间联合鲁棒预编码优化问题;其次,利用二阶泰勒展开、伯恩斯坦不等式(Bernstein-type inequality, BTI)和惩罚函数等数学方法将原问题转化为近似等效的二阶锥规划(second-order cone program, SOCP)问题;最后,本文提出了一种鲁棒预编码算法来解决SOCP问题.大量仿真结果证明了该算法的有效性和鲁棒性.

关键词 低轨卫星物联网; 鲁棒预编码; 非正交多址接入; 星间协作; LEO satellite IoT; robust precoding; non-orthogonal multiple access; inter-satellite cooperation;

摘要 辐射源个体识别(specific emitter identification, SEI)是指通过提取信号中蕴含的有关其发射来源的硬件指纹信息,来实现对特定信号辐射源的精确识别. SEI技术的关键在于指纹特征的提取.相关研究大多侧重于定义和提取新的指纹特征,较少关注对已有特征的综合利用问题.鉴于不同分析域的特征对辐射源指纹的描述存在互补性,本文提出一种基于多域判別核典型相关分析(multi-domain discriminant kernel canonical correlation analysis, MDKCCA)的辐射源指纹多域特征融合方法,充分利用特征的标签信息以及特征间的互补性,在高维空间完成多域特征的降维与融合.以4个特征分析域8种常见指纹特征为依托,在4种不同类型的实测数据集上验证了算法的性能.结果证明,该方法无需人工特征寻优环节,可大幅降低融合特征的维度,对4类目标的准确识别率均达到95%以上,优于最优单一特征,同时优于基于直接级联或基于PCA (principal component analysis)降维变换的简单特征综合方法、基于神经网络的特征综合方法,以及基于判别相关分析(discriminant canonical correlation,DCA)等方法的特征融合方法.

关键词 辐射源个体识别; 特征融合; 多域辐射源指纹特征; 典型相关分析; 特征提取; specific emitter identification(SEI); feature fusion; multi-domain radio frequency fingerprint feature; canonical correlation analysis(CCA); feature extraction;