1 中国科学院电工研究所，北京 100190
2 中国科学院大学，北京 100049
随着频率使用设备的激增和大数据时代的到来，频谱管理和控制面临着有效性和准确性的挑战。调制分类技术是频谱管理和控制的基础，也是其关键部分。因此，在大数据场景下进行有效的调制分类技术非常重要。本文不仅考虑了大数据背景下分类模型的有效性，还考虑了复杂电磁环境中噪声的动态性。因此，构建了一个包含不同信噪比下不同信号的大数据集，并利用大数据驱动深度学习模型，最终得到调制分类的结果。该方法只需训练一个模型即可实现调制分类，避免了以往算法中模型训练的冗余。仿真结果验证了该方法的有效性和可靠性。
大数据 非高斯噪声 调制分类 深度学习 big data non-Gaussian noise modulation classification deep learning 太赫兹科学与电子信息学报
2022, 20(1): 16
1 海军航空大学 岸防兵学院,山东 烟台 264001
2 海军航空大学 航空基础学院,山东 烟台 264001
3 中国人民解放军92975部队, 上海 200000
针对在机载捷联惯导系统(SINS)自标定过程中, 量测噪声呈非高斯分布, 导致经典Kalman滤波性能降低的问题, 该文提出了基于最大熵Kalman滤波(MCKF)的机载SINS自标定技术。该方法采用最大相关熵准则(MCC)替代经典Kalman滤波的最小均方误差准则, 有效利用信号的高阶矩信息, 并将其应用于机载SINS自标定系统中。仿真结果表明, 在非高斯噪声条件下, 该方法能够估计出机载SINS待标定参数, 且算法的鲁棒性和误差项估计精度均优于经典Kalman滤波, 具有一定的工程应用价值。
机载捷联惯导系统(SINS) 自标定 最大相关熵准则 Kalman滤波 非高斯噪声 airborne SINS self-calibration maximum correntropy criterion Kalman filter non gaussian noise
西安邮电大学 通信与信息工程学院,西安 710000
多年来一直在使用的船舶自动识别系统(AIS)作为一种海上监视和导航的通信系统, 其服务范围被限制在40海里。近年来, 一种新的基于卫星的AIS被提出, 该系统能提供全球覆盖服务,然而其存在由相对卫星/船舶运动引起的频率偏移问题。为了更好地解决这一问题, 文章提出了一种新的基于多普勒频移估计算法的星载多普勒频移估计算法, 利用二阶矩阵及四阶矩阵等代数运算, 从信号中提取多普勒频移, 并给出了估计表达式。最后, 通过数值仿真验证了该算法的有效性, 仿真结果还验证了该算法的优越性。
自动识别系统 多普勒频移 高斯最小频移键控 非高斯噪声 AIS Doppler shift gaussian minimum shift keying non-gaussian noise
1 西安电子科技大学 技术物理学院,西安 710071
2 空军工程大学 工程学院,西安 710038
通过分析旋光纤喇曼放大器中信号光、抽运光的非线性薛定谔波动方程及放大自发辐射噪音特性，提出一种能同时在旋光纤喇曼放大器中产生预计波形放大自发辐射噪音，又方便计算的方法.根据放大自发辐射噪音时域特性，建立并在波动方程中加入放大自发辐射非高斯噪音模型.在考虑旋光纤双折射的非线性效应同时，通过分步傅里叶法对波动方程求解，计算了旋光纤喇曼放大器中的放大自发辐射噪音，并与实验结果吻合.
放大自发辐射噪音 非高斯噪音 旋光纤喇曼放大器 非线性薛定谔耦合方程 Amplified Spontaneous Emission(ASE) Non-Gaussian noise Spun fiber Raman amplifier Nonlinear Schrdinger Equation(NLSE)
