采用矢量网络分析的超宽带脉冲传播特性测量方法

介绍了一种采用矢量网络分析对超宽带脉冲传播特性进行测量的方法。首先通过测 量,得到收发天线之间环路的频域响应;然后设计合适的激励脉冲波形,通过傅里叶变换至 频域,经过一系列算法处理,得到接收信号的频域函数;最后经过傅里叶逆变换,恢复出超 宽带信号时域波形。研究了这种方法的基本流程,解决了实际应用中存在的一些问题,并在 此基础上构建了测试系统。对超宽带信号的直线传播和反射进行了测试,测试结果验证了该 方法的有效性及其优势。     

脉冲超宽带技术在航天测控系统中的应用

针对当前航天测控系统安全性不足的问题,将脉冲超宽带技术应用于航天测控系统中,构建了一种新的脉冲超宽带测控体制。建立了基本的脉冲超宽带测控信号模型,对脉冲超宽带测控系统的性能和传输链路进行了分析。给出了脉冲超宽带测控系统结构框图,介绍了系统工作过程。针对并行信号捕获方法资源消耗大的不足,提出了两步并行捕获方法。分析表明,脉冲超宽带技术可用于航天测控系统中,完成测距测速和数据传输任务。脉冲超宽带测控系统可有效提高测控系统的隐蔽性和抗干扰能力,同时提高测距精度。在信号捕获方面,与并行捕获方法相比,两步并行捕获方法的硬件资源消耗得到大大降低,同时还可保证较快的捕获速度,但会产生一定的信噪比损失。     

基于新限速抽样的超宽带通信系统信道时延估计

提出了利用新限速抽样率理论解决信道估计问题,建立了既可用于宽带也可用于窄带信道估计的框架,此框架的抽样率低于奈奎斯特速率。通过实例展示了利用奈奎斯特速率抽样而工作在低于奈奎斯特抽样率的算法性能,减少了功耗,也降低了算法的复杂性。     

超宽带快速跳频信号侦察技术

在现有的器件水平下,采用多通道并行采集再进行数字信道化的方法对接收信号进行并行处理,可以完成极高频/超高频(EHF/SHF)频段战略战术通信中跳频带宽高达数吉赫、跳速高达每秒数万跳的超宽带快速跳频信号实时检测;同时,采用多通道高速采集、海量存储方法存储海量数据,再采用相应跳频信号分析方法可以完成信号分析和解跳解调以及信号解译。研究实践证明,该方法是目前进行超宽带快速跳频信号进行侦察的有效手段。     

传输参考超宽带信号功率谱的改善设计

通过对传输参考超宽带(TR-UWB)信号功率谱密度特性的理论分析,发现离散谱的消除和限波 带 的产生能有效降低对同频段其它无线通信系统的干扰。将参考部分随机化可以消除频谱中 的离散谱部分,并优选跳时码产生5.2 GHz频段的限波。仿真结果表明,通过这种方法离 散谱得以明显消除,5.2 GHz频段的限波对该频段其它通信系统的干扰降低了30 dB 以上。该方法简单灵活,改善后的频谱特性可以满足传输参考超宽带系统与其它无线通信 系统共存的需要。     

一种小规模超宽带相控阵天线设计

目前基于阵元间强耦合效应已设计出超宽带相控阵天线,但是其规模较大。针对规模小或者在扫描方向上规模小,如何增强阵元间耦合而实现超宽带相控阵天线的问题,采用平衡对踵Vivaldi天线(BAVA)作为天线单元,优化天线单元辐射金属的形状,并采用镜像法布阵天线单元设计出一个小规模4×16的斜极化超宽带相控阵天线。仿真和试验结果表明,采用的方法可以增强小规模超宽带相控阵天线的阵元间耦合效应,实现频率0.8f0~2.0f0驻波比小于2,法向增益达17.34~23.0 dBi,在±45°范围内实现无栅瓣扫描。该小规模超宽带相控阵天线已在实际工程中应用。     

基于累积和的改进超宽带循环平稳检测算法

针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题,提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图,与噪声对应的灰度图比较差异,再将两类图像放入卷积神经网络（Convolutional Neural Network,CNN）自行训练提取特征,解决门限难以确定的问题。若分析三维循环谱的时间块长过短,将导致信号灰度图特征在有无噪声情况下区别不大;若块长过长会导致检测延迟较大。为此,采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量,自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比,仿真表明所提算法在低信噪比下性能最优。     

超宽带室内定位算法

为了解决室内密集多径环境下人员定位精度差这一问题,设计并实现了一种基于脉冲超宽带与能量检测接收机的信号到达时间估计算法。根据在IEEE802.12.4a标准室内家居环境下得到的超宽带信号,深入分析了信号的偏度、翘度与均方差特性。根据信号特性与信噪比之间的关系,算法能够实现高精度的信号传播时间估计。该算法充分考虑了积分周期与信号传播环境如视距与非视距对信号传播时间造成的影响。通过实验分析对比,该算法对信号传播时间估计具有更好的鲁棒性,目标运动速度和形变具有很好的鲁棒性,能够提供更高的精度。相较于阈值估计算法,该算法在低信噪比环境下最优能够提高10 ns的估计精度。