摘要：非合作第三方水下标准协议信号识别在水声通信信号识别中具有重要研究意义。针对浅海水声JANUS信号的特征提取因易受脉冲噪声和多径效应等复杂水声环境影响而导致识别率低下的问题,提出一种分数低阶时频谱和ResNet18(Residual Network 18)相结合的迁移学习识别方法。首先,选取JANUS固定前导作为识别对象,设计分数低阶傅里叶同步压缩变换(FLOFSST),以分数低阶操作抑制脉冲噪声,以时频重排特性增强时频集中性。其次,将基于ImageNet的ResNet18预训练模型微调,迁移至JANUS信号和常见水声信号时频图集。仿真表明所提算法在信噪比为-10 dB时JANUS信号的识别率为96.15%,能够有效抑制脉冲噪声并减小多径效应影响,比传统算法识别性能好。海试中JANUS信号识别率达90.00%,证明算法识别准确率和网络的泛化性较高。

摘要：针对实际超低频接收机不仅受非高斯噪声的影响,还受接收机内部和外部环境中高斯噪声影响的问题,对噪声采用非高斯分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种利用马尔可夫链蒙特卡洛方法的超低频信号码元盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步估计信道衰落系数和噪声模型参数,并实现对信号码元的检测。算法迭代效率快、精度高。通过与最优检测算法性能比较,盲检测算法性能优异,对超低频信号接收具有重要的现实意义。

摘要：Class B噪声模型是描述大气噪声的一种很好的统计物理模型。该文采用非线性回归算法估计Class B模型的参数。该算法从Class B噪声模型的特征函数出发,推导非线性回归模型,并优化算法迭代过程。同时设计了初始值估计方案,加速了算法的收敛。并采用特殊设计的序列计算对数特征函数,解决了特征函数估计的零点波动的问题。仿真和实测结果表明,该算法收敛快,精度高,有很高的实用价值。

摘要：针对在低频信道下多天线信号检测问题,提出一种新型的多维大气噪声模型的参数估计算法.通过推导贝叶斯模型,设计马尔科夫链蒙特卡罗算法,并在迭代中采用Gibbs和Metropolis-Hasting混合抽样的方法,能够有效估计出多维噪声模型的参数.多维大气噪声模型建模为应用广泛的亚高斯分布.仿真实验表明:该算法能迅速收敛于真实值,估计器相对误差能被有效控制,且易于并行实现.

摘要：大气噪声是低频通信中的主要干扰,且具有严重非高斯分布特性,对非高斯噪声模型的参数估计对于提高低频接收机的性能具有重要意义。设计了估计非高斯混合模型参数的马尔可夫链蒙特卡罗(Markov chainMonte Carlo,MCMC)算法,该算法通过构建贝叶斯层次模型,利用Gibbs抽样和M-H抽样更新迭代参数。利用乘积特性,将稳定分布作为等价的高斯分布来处理,并在层次模型中设置多个额外参数,以增强其灵活性。仿真实验与实测数据表明,该算法迭代收敛快、精度高,有很高的实用价值。

摘要：为了解决低频非高斯噪声信道下的信号传输问题,提出了一种新型的自适应接收机设计。通过设计马尔科夫链蒙特卡罗(MCMC)算法,并采用训练序列估计信道衰减系数和噪声模型参数,进而对信号进行检测。非高斯噪声模型选用了应用广泛的α稳定分布和高斯分布的混合模型。仿真结果表明:本文设计的自适应接收机能够逼近已知信道参数条件下的最优接收机的性能。

摘要：研究了C1ass A统计物理模型,对该模型的参数估计提出了一种最大似然方法,利用FFT的优势降低运算量,通过对观测数据进行分类计算以保证精度要求,并设计了初始值估计方案.仿真实验表明,该方法精度高,迭代次数少,有较高的应用价值.

摘要：为解决多天线最佳接收下的多维非高斯噪声参数估计问题,提出了基于群蒙特卡洛的大气噪声二维模型参数估计方案,通过联合设计蒙特卡洛马尔科夫链和优化重要性重采样算法,实现噪声模型的全局最优参数估计。针对该算法高强度运算需求,在GPU平台上对核心运算作细粒度并行计算处理并优化设计,使运算速度大幅提升,以满足实时处理要求。仿真实验结果表明,该算法迭代收敛快,精度高,各参数估计相对误差普遍小于0.02,最大相对误差可控制在0.05以内,运算速度较传统计算有大幅度的提高,可充分满足低频通信系统中实时计算的要求。

摘要：针对实际甚低频和超低频接收机受非高斯噪声影响的问题,采用有限混合高斯噪声模型,建立了信号检测模型,并设计了一种基于马尔可夫链蒙特卡罗方法的信号盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样更新参数,同步检测信道衰落系数、噪声模型参数和信号,该算法迭代速度快、精度高。通过与理论误码率性能比较,盲检测算法性能优异,对甚低频和超低频信号接收具有重要的现实意义。

摘要：数据采集系统的设计以FT245BM芯片为核心,数据流通过USB传输。该系统通过AD采集外部信号,在FPGA中形成数据流,经FT245BM封装后通过USB上传至PC机。同时在PC机上设计的人机界面十分友好,交互性强。系统性能测试显示,采集系统实时传输速率可达1.5MBps以上。结果证明,整个系统高速稳定,安全可靠,有很高的实用价值。