复杂多径环境下的无人机集群通信波形识别.pdf
《复杂多径环境下的无人机集群通信波形识别.pdf》由会员分享,可在线阅读,更多相关《复杂多径环境下的无人机集群通信波形识别.pdf(9页珍藏版)》请在咨信网上搜索。
1、第 卷第 期 年 月系统工程与电子技术 文章编号:()网址:收稿日期:;修回日期:;网络优先出版日期:。网络优先出版地址:基金项目:国家自然科学基金(,)资助课题通讯作者引用格式:翟茹萍,张书衡,平嘉蓉复杂多径环境下的无人机集群通信波形识别系统工程与电子技术,():犚犲 犳 犲 狉 犲 狀 犮 犲犳 狅 狉犿犪 狋:,():复杂多径环境下的无人机集群通信波形识别翟茹萍,张书衡,平嘉蓉(南京航空航天大学电子信息工程学院,江苏 南京 )摘要:无人机(,)集群通信电磁环境复杂,存在用户干扰、多径衰落与频移等现象,传统加性高斯白噪声信道下的波形识别算法在此场景下性能大幅降低。针对此问题,提出了一种复杂
2、多径环境下的集群通信波形识别算法。首先,建立 脉冲干扰下的集群通信多径衰落信道模型;然后,针对集群用户间存在 脉冲干扰的问题,提取信号广义循环均值和广义循环谱特征,建立复杂多径环境下的集群通信波形特征矩阵;最后,建立稀疏自编码器深度神经网络集群通信波形识别模型。仿真结果表明:提出的算法在 脉冲干扰、多径衰落与频移存在的复杂环境下具有较强的鲁棒性,实现了种集群通信波形的识别,且在信噪比为 时仍能保证 以上的识别准确率。关键词:无人机集群;调制识别;脉冲干扰;稀疏自编码中图分类号:文献标志码:犇犗犐:犠犪 狏 犲 犳 狅 狉犿狉 犲 犮 狅 犵 狀 犻 狋 犻 狅 狀狅 犳狌 狀犿犪 狀 狀 犲
3、犱犪 犲 狉 犻 犪 犾狏 犲 犺 犻 犮 犾 犲狊 狑犪 狉犿犮 狅犿犿狌 狀 犻 犮 犪 狋 犻 狅 狀犻 狀犮 狅犿狆 犾 犲 狓犿狌 犾 狋 犻 狆 犪 狋 犺犲 狀 狏 犻 狉 狅 狀犿犲 狀 狋 ,(犛 犮 犺 狅 狅 犾狅 犳犈 犾 犲 犮 狋 狉 狅 狀 犻 犮 狊犪 狀犱犐 狀犳 狅 狉犿犪 狋 犻 狅 狀犈狀犵 犻 狀 犲 犲 狉 犻 狀犵,犖犪 狀 犼 犻 狀犵犝狀 犻 狏 犲 狉 狊 犻 狋 狔狅 犳犃犲 狉 狅 狀 犪 狌 狋 犻 犮 狊犪 狀犱犃狊 狋 狉 狅 狀 犪 狌 狋 犻 犮 狊,犖犪 狀 犼 犻 狀犵 ,犆犺 犻 狀 犪)犃犫 狊 狋 狉 犪 犮 狋:()
4、,犓犲 狔狑狅 狉 犱 狊:();第 期翟茹萍等:复杂多径环境下的无人机集群通信波形识别 引言无人机集群因高协调性、多功能性、强抗毁性等优势在军事作战领域的地位愈加突出,其威胁态势日趋严峻。因此,研究无人机集群通信波形识别技术具有重要意义。随着通信技术发展,信号的调制类型和复杂性不断增加,传统的调制识别方法因其通用性差、复杂度高,难以满足识别需求,基于深度学习的调制识别方法应运而生。基于深度学习的调制识别方法,除直接将基带信号输入神经网络,还可提取信号的特征输入神经网络,如时频图、星座图、高阶累积量等。等基于高斯信道生成信号星座密度矩阵,采用图像的方式利用残差神经网络实现了种调制信号的识别。等
5、在高斯信道下利用高阶累积量特征和深度神经网络(,)实现了种数字调制信号的识别。郝云飞基于稀疏自编码(,)网络和生成对抗网络提出重构判别网络,结合高阶谱在高斯信道下实现了种无人机调制信号的开集识别。王自维等将无人机遥控信号的时频图输入 模型,在低信噪比下实现了相移键控(,)、频移键控(,)、正交振幅调制(,)信号的类间识别和类内识别。然而,上述基于深度学习的调制识别方法存在以下问题:计算量较大,如提取信号时频图特征时计算量较大;考虑的信道条件过于理想,通常在高斯信道下,;低信噪比下识别性能较差,。无人机集群通信电磁环境复杂,不可避免地会出现时延、频移、用户干扰等现象。目前国内外针对无人机集群通信
6、波形识别的研究极少,而现有的调制识别算法因其存在信道条件过于理想、信噪比低、鲁棒性差等问题,难以满足无人机集群通信波形识别的要求,因此本文提出了一种复杂多径环境下的无人机集群通信波形识别算法。该算法在低信噪比下抗干扰能力强,在战场环境下,尤其是敌方采用小功率发射机或信号传播损耗较大的场景下具备应用价值。本文第部分为引言;第部分为系统模型,建立了 脉冲干扰下无人机集群通信多径衰落信道;第部分基于广义循环平稳特征建立了复杂多径环境下的无人机集群通信波形特征矩阵;第部分建立了网络无人机集群通信波形识别模型;第部分为仿真结果与分析;第部分为结论。系统模型本文考虑的无人机集群通信场景如图所示,集群内的多
7、个用户利用正交的方式进行通信,如当集群内的用户犝和犝进行通信时,侦收机可分别获得两个用户发送的信号。集群内所有用户采用同种调制方式,包括二进制(,)、正交(,)、二进制幅度键控(,)、最小频移键控(,)。图集群通信场景 无人机集群通信的电磁环境复杂,不可避免地会产生多径衰落、时延、频移和用户间干扰等现象。本文采用经典的抽头延迟线(,)信道模型,其中无人机多径衰落信道基于 无线电信道模型规范 设置信道参数,用户间干扰采用 脉冲噪声。多径衰落信道无人机多径衰落信道的冲激响应可表示为犺(狋)犔犾犘槡犾犑犾(狋)(狋犾)()式中:犘犾、犾和犑犾(狋)分别为第犾条多径所对应的抽头功率、时延和平坦衰落信号
8、发生器的输出(通过 模型 实现),且犾犔,犔为多径信道的可分辨路径数。规范根据实测数据提供了种信道模型参数,分别适用于非视距(,)场景和视距(,)场景。该报告规定可通过调节均方根(,)时延扩展获得指定场景下的抽头时延:犾犾,()式中:犾,为模型中第犾个抽头所对应的标准化时延;为特定场景下的时延扩展。对于含径的信道模型,用户可通过调节犓因子获得指定的犓 。在调节犓因子后,该模型每个抽头对应的功率将调节为犘犾犘犾,犓 犓 ()式中:犘犾,为模型中第犾个抽头所对应的功率;犓 为特定场景下的犓因子值;犓 为该模型现在的犓因子值。犃 犾 狆 犺 犪脉冲干扰本文采用 稳定分布脉冲噪声描述用户间的干扰:(狋
9、)狀狋 (狋)(狋,)()(狌,),狌,烅烄烆()系统工程与电子技术第 卷式中:为特征指数;为分散系数;为偏斜参数;为位置参数;(狋)为符号函数。本文采用,的对称 稳定分布噪声,定义混合信噪比(,)为犕 (狊)()式中:狊为信号的平均功率。接收信号处理流程侦收机截获的无人机通信信号可表示为狉(狋)犔犾犘槡犾犑犾(狋)狓(狋犾)狀(狋)()式中:狓(狋)为发送的调制信号;狀(狋)为 脉冲干扰。图为无人机集群通信波形识别的系统框图,调制信号在经过 脉冲干扰下的多径衰落信道后被侦收机截获;随后,提取信号的广义循环均值和广义循环谱特征,并构建无人机集群通信波形特征矩阵;最终,通过神经网络识别无人机集群
10、通信波形,输出实时分类结果。图无人机集群通信波形识别系统框图 特征矩阵构建 无人机集群通信波形特征在无线移动通信中,数字信号经采样、调制、编码等预处理过程后,其循环均值和循环谱特征通常会随时间呈周期性变化。定义接收信号狉(狋)的循环均值为犕狉犜犜犜犕狉(狋)狋狋()式中:犽犜为循环频率;犕狉(狋)为信号狉(狋)的均值。信号狉(狋)的循环谱密度 犛狉(犳)表示为犛狉(犳)犚狉()犳()式中:犚狉()为信号狉(狋)的循环自相关函数,定义为犚狉()犜犜犜犜狉狋()狉狋()狋狋()当时,循环谱密度退化为功率谱密度。由于 稳定分布噪声的二阶及以上各阶统计量趋于无穷,需对接收信号进行非线性变换,将噪声无穷
11、的幅值限制在有限的区间内,以获得有效的信号特征。经非线性变换 后的信号为狉(狋)狉(狋)狉(狋)()式中:时,的噪声抑制效果较好。信号经非线性处理后的特征被称为广义循环均值和广义循环谱。表为不同调制类型信号循环均值与循环谱特征离散峰值所对应的循环频率。其中,犳犮为中心频率,犚犫为码元速率。表不同调制信号循环平稳特征犜 犪 犫 犾 犲犆狔 犮 犾 狅 狊 狋 犪 狋 犻 狅 狀 犪 狉 狔犳 犲 犪 狋 狌 狉 犲 狊狅 犳犱 犻 犳 犳 犲 狉 犲 狀 狋犿狅 犱 狌 犾 犪 狋 犻 狅 狀狊 犻 犵 狀 犪 犾 狊调制类型循环均值犳截面的循环谱犳犮犳犮无离散峰值(犳犮犚犫)无离散峰值无离散峰
12、值犳犮犳犿(犳犮犳犿)无离散峰值(犳犮犚犫)集群通信波形特征矩阵根据表,选择神经网络的输入特征参数:对于不同调制信号的循环均值特征,以循环均值的离散峰值个数、平均循环均值和最大离散峰值作为特征参数;对于不同调制信号的循环谱特征,以犳截面且时的离散峰值作为特征参数,即犳犮,犳犮犚犫和犳犮犚犫处的循环谱密度峰值。本文中无人机通信频率为,此时大气损耗极小,可认为电磁波在自由空间传播。考虑无人机集群内存在犖个正在通信的用户,其发射功率、接收功率和载波频率均相同,无人机用户犝犝犖分别距侦收机犱犱犖,则集群内任意用户犝狀相对于无人机用户犝的接收信号功率差犘()定义为犘犺狆犔狆犺狆 犱犱狀()式中:犺狆为由
13、时变信道导致的接收信号功率差;犔狆为由两用户距侦收机的距离不同而导致的路径损耗差。以无人机用户的混合信噪比犕为标准,定义犕下的无人机集群通信波形特征矩阵为犝,犝,犝犖,犝犖,犝犛,犝犛,犝犛犖,犝犛犖,犝,犝,犝犖,犝犖,犝犛,犝犛,犝犛犖,犝犛犖,犝,犝,犝犖,犝犖,犝犛,犝犛,犝犛犖,犝犛犖,熿燀燄燅()式中:犝犛,表示混合信噪比为犕时,采用调制的无人机用户的第犛个样本信号的特征;犝犛犖,表示混合信噪比为犕犘时,采用调制的无人机用户犖的第犛个样本信号的特征。第 期翟茹萍等:复杂多径环境下的无人机集群通信波形识别 基于犛犃犈的集群通信波形识别本文采用具有稀疏特性的模型的自编码器 完成无人机集
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 复杂 环境 无人机 集群 通信 波形 识别
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。