简介:摘要:现代信息技术的飞速发展,使得数字集群通信技术在通信领域的应用越来越广泛,特别是在现场指挥调度要求较高的公安、消防、铁路等政府管理部门。陆地集群无线电(TerrestrialTrunkedRadio,TETRA)系统是一种基于数字时分多址技术的无线集群移动通信系统。由于TETRA标准具有非常多的优点,如标准开放、技术和标准成熟及灵活的组网等,所以在全球范围内得到了非常广泛的应用。但无线信道的空间是开放的,因此数字集群通信系统容易遭受系统内外部的电磁干扰,而各种相关电子设备的增加,也让无线信道的环境越来越复杂。在通信过程中,如果干扰信号类型可以被通信方识别,那么就可以采取相应的抗干扰措施,最大限度地规避或抑制干扰。干扰信号种类很多,本文主要针对几种典型的干扰信号——单音干扰信号、多音干扰信号、宽带线性扫频干扰信号和窄带噪声干扰信号,进行分析、研究和识别。
简介:摘要:航空无线电干扰源对飞行安全和通信质量构成了严重威胁,因此识别和抑制这些干扰源具有重要意义。本文分析了航空无线电干扰源的主要类型和特点,并详细介绍了当前用于识别和抑制这些干扰源的技术方法。通过实验和实地测试,我们验证了几种常用方法的有效性,并提出了一种结合多种技术手段的综合解决方案。实验结果表明,该综合解决方案在识别精度和抑制效果上均优于单一技术方法,能够显著提高航空无线电通信的稳定性和安全性。本文的研究成果不仅为航空无线电干扰源的管理提供了理论支持,也为相关技术的发展指明了方向。
简介:摘要随现代数据技术是随着移动通信科技发展而产生的,数据技术具有大数据时代的特征,同时也是通信传输网络的基础。对通信传输网络的运行起着促进作用。对大数据网络中的通信传输干扰信息的识别,能够有效提高网络通信传输性能。对通信传输过程干扰信息进行识别,需要先压缩大数据网络中通信传输信息初始数据集合,选取干扰信号瞬时特征参数,完成对干扰信息的识别。提出基于决策分类器的识别方法,采用大数据网络中不同干扰信号的特征信息来提取的参数数量少,且分类准确率高的特征向量,从而通信传输干扰信息初始数据集合,克服了当前方法直接进行通信传输干扰信息识别运算复杂度高的缺点,选取干扰信号瞬时特征参数组成的决策分类器对通信传输干扰信息进行分类识别。实验结果表明,所提方法能将大数据网络中人为加入的低频干扰、中频干扰和高频干扰信号准确识别出来。
简介:摘 要:随着无源干扰装置不断向自动化与智能化方向发展,无源干扰装置电气设备的管理控制也愈发复杂。传统控制方法在应对多变的工作环境和实时监测需求上存在较大局限性,迫切需要更加智能化的解决方案。人工智能技术的出现为无源干扰装置电气设备的智能识别与自适应控制提供了新的思路。其中,YOLO模型和CNN算法作为深度学习领域的重要成果,能在图像处理和数据分析方面发挥重要作用,为无源干扰装置电气设备的智能化管理提供有效的技术支持。本文以基于人工智能的无源干扰装置电气设备智能识别与自适应控制为研究主题,设计了基于YOLO模型的智能识别模型和基于CNN的自适应控制模型,测试结果表明模型在实际应用中的效果较佳,具有较高的推广价值。