面向6G时代新通信系统的内生感知

在6G网络发展的背景下,传统的碎片化、粗粒度、不可控的感知难以适应日益复杂的未来无线网络.为适应6G时代的新通信系统,首先对面向6G网络的感知需求进行分析,然后针对需求提出了内生感知的设计思想和系统架构,并且,在内生感知系统架构下给出了基于意图的分级感知和感知服务化的关键技术.所提出的内生感知系统架构和关键技术,能够使...     

用DSC研究1,2-丙二醇及其水溶液的协同松弛行为

为了验证基于位形熵的非线性Adam-Gibbs协同松弛模型(AGV)能否用于描述小分子氢键液体的协同松弛行为, 利用差示扫描量热法(DSC)测量了连续升降温条件下1,2-丙二醇及其四种水溶液在115～230 K之间的比热容, 利用曲线拟合技术获得AGV模型参数. 结果表明, AGV模型可以重现体系的实验比热容数据. 1,2-丙二醇表现出与其水溶液明显不同的松弛行为, 但水含量的变化对松弛行为的影响并不明显. 利用AGV方法和Johari方法分别对协同重排活化能(Δμ')和协同重排域(CRR)尺寸(z*)作了分析. 只有选择比聚合物大得多的某一协同重排位形数, 以AGV方法得到的z*才不至于没有物理意义. Johari方法的分析结果表明, T_g温度下1,2-丙二醇的CRR内有约3个分子, 但对应的协同重排位形数(W*)却较聚合物高出很多. Donth的基于热力学温度波动理论的分析表明, 1,2-丙二醇及其水溶液的CRR尺寸随组分的变化趋势可与Δμ'和非指数参数的分析结果相吻合, 但得到的1,2-丙二醇的CRR内有约350个分子, 从而和Johari的分析结果产生巨大差别.     

基于深度学习的频谱感知研究综述

频谱感知可以提高认知无线电网络的频谱利用率,但传统的频谱感知方法不能在复杂的通信环境中进行快速的频谱感知.因此,借助计算机计算能力的提升,将深度学习应用于频谱感知,以快速、智能地获得感知结果.首先,介绍在频谱感知中应用较为广泛的深度学习模型,包括卷积神经网络、长短期记忆网络和深度强化学习;其次,对近几年基于深度学习频谱...     

基于短时频谱与自相关特征的雷达脉内调制识别

针对雷达脉内调制识别问题,提出了一种基于短时频谱与自相关特征的识别方法.前端采用短时频谱变化与自相关统计作为特征输入,用以表达不同雷达调制的频率变化与相位变化特性,后端采用长短记忆(LSTM)网络作为分类输出,用以提取不同雷达调制中时序变化特性.通过雷达脉冲数据的训练与测试,表明本文所提出的方法在大范围信噪比与多种脉宽...     

弹性光网络中结合预测的多维感知RSA算法

弹性光网络(EON)中的传统路由频谱分配(RSA)算法多考虑路由跳数或频谱资源占用情况,缺乏时域与相邻链路的信息有效利用.提出一种结合预测的多维感知RSA算法,对持续时间已知业务的历史时间信息通过后向传播神经网络预测未来业务的时间信息,在路由时综合考虑时间、频谱和相邻链路资源占用程度.仿真结果表明:与传统RSA算法相比...     

国家无线电监测中心2021年工作会议召开

本刊讯2月4日,国家无线电监测中心、国家无线电频谱管理中心(简称"中心")2021年工作会议在北京召开.会议以习近平新时代中国特色社会主义思想为指导,全面深入贯彻党的十九大和十九届二中、三中、四中、五中全会精神,认真落实全国工业和信息化工作会议要求,总结2020年工作,回顾"十三五"时期取得的成绩,分析把握新形势新要求...     

SAR图像车辆目标多模态联合协同表示分类方法

为提高合成孔径雷达图像车辆目标的识别性能,本文提出一种SAR图像车辆目标多模态联合协同表示分类(Joint Multimode Cooperative Representation Classification,JMCRC)方法.首先采用二维变分模态分解技术将SAR图像分解为分别表征全局信息和边缘信息的多个子模态分量,...     

实测卫星频谱占用状态拟合与预测方法

由于在不同时间、不同空间卫星接收数据底噪是动态起伏的,传统建模固定门限的方法存在缺陷。本文在时间维度上对卫星频谱感知数据的频谱占用模型进行分析,利用自适应阈值法确定噪声门限,对卫星频谱数据进行预处理,得到卫星频谱占用长度序列。为对卫星频谱的态势进行有效的统计分析,利用泊松分布和指数分布方法对频谱占用时间长度序列的概率密度曲线进行拟合,得到了适用于卫星频谱占用时间序列的概率分布模型。基于所得的卫星频谱占用状态模型,通过两状态马尔可夫链计算出卫星信道某一频点的状态转移矩阵,从而预测出信道占用和空闲的概率。利用卫星频谱感知数据构建的数据集进行反向传播(BP)神经网络训练,预测某一频点的占用长度。通过计算BP神经网络与传统的长短期记忆(LSTM)神经网络预测法的均方根误差(RMSE),得到LSTM神经网络的RMSE为2.208 1,BP神经网络的RMSE为0.172 8。评估结果表明,BP神经网络准确度高。     

自适应估计信号个数的频谱信号提取算法

无线电监测频谱数据中包含有大量的信号,准确提取这些信号有利于掌握全频段的频谱使用情况。实际信号的频谱由于受噪声干扰,会出现信号频带内个别频点能量值低于检测门限的情况,此时传统的门限检测算法会将该信号错估为多个信号,产生多个虚假的相邻信号间隔,导致频谱信号提取的准确率下降。对此,根据虚假相邻信号间隔特点,提出一种自适应估计信号个数的频谱信号提取算法,该算法可自动、准确估计频谱监测数据中电磁信号的个数,并将对应的信号及频谱信息提取出来。实验结果表明,该方法具有自适应性、强鲁棒性和高准确性,有效提高了频谱信号提取的准确率,为军、民电磁环境的识别与掌握提供基础的电磁信号数据支撑。