摘要：本文在深度学习方法应用下提出一种雷达干扰信号分类以及抑制方法。首先在卷积神经网络应用下实现对雷达干扰信号的自动分类,分别为卷积层、池化层以及全连接层,训练完成后得到分类模型。基于此实现关于去干扰网络的设计,进而在重构损失函数应用下去干扰信号。完成设计后,进行实验研究,共选取4类干扰信号以及雷达信号,结果显示本文方法在雷达信号分类中的准确率可以达到96.3%,同时能够保留有效信号,信噪比可以提升到5 dB以上,降噪后数据准确率达到98.2%,可见这一方法不但能够实现雷达干扰信号的自动分类,同时也能够产生有效抑制作用,可以取得良好的降噪效果,更有助于实施雷达信号处理。

摘要：根据分布式无线通信系统特点并综合考察网络范围内移动台路径损失、平均接收功率等性能指标,进行切换算法设计;利用OPNET仿真平台,对系统和算法进行了建模和等效处理,结合光载无线电技术参数对算法和模型等进行针对性修正,增加平均切换次数及最小接收功率等指标进行网络级仿真,验证了算法合理性并总结了理想状况下光载无线电网络的基本特性,提供了一种网络级分析的基本思路。

摘要：根据分布式无线通信系统特点并综合考察网络范围内移动台路径损失、平均接收功率等性能指标，进行切换算法设计；利用OPNET仿真平台，对系统和算法进行了建模和等效处理，结合光载无线电技术参数对算法和模型等进行针对性修正，增加平均切换次数及最小接收功率等指标进行网络级仿真，验证了算法合理性并总结了理想状况下光载无线电网络的基本特性，提供了一种网络级分析的基本思路。