【摘 要】
：
随着信息技术的飞速发展,国防领域正面对着复杂多变的战场环境,广频谱、宽频带、非线性的电子战场为传统宽带频谱感知装备带来了新的挑战。模数转换器因受限于采样定理,所以需要更高的采样率,而产生的海量数据也将增加后端处理能力的压力。基于压缩感知理论可实现低于奈奎斯特速率,对稀疏信号进行采样和重构,因此可缓解上述压力。微波光子学因为具有瞬时带宽大、稳定性强、抗电磁干扰等特点,经过优势互补,产生了光子辅助压缩
论文部分内容阅读
随着信息技术的飞速发展,国防领域正面对着复杂多变的战场环境,广频谱、宽频带、非线性的电子战场为传统宽带频谱感知装备带来了新的挑战。模数转换器因受限于采样定理,所以需要更高的采样率,而产生的海量数据也将增加后端处理能力的压力。基于压缩感知理论可实现低于奈奎斯特速率,对稀疏信号进行采样和重构,因此可缓解上述压力。微波光子学因为具有瞬时带宽大、稳定性强、抗电磁干扰等特点,经过优势互补,产生了光子辅助压缩感知技术,这项技术也成为了一项具有战略研究意义的课题。为解决现有系统存在的复杂度高、实时性差、难以集成且成本高等问题,本文利用光脉冲在多模光纤传输时空间到频率的复杂映射对光谱进行随机编码,基于频率-时间映射理论,使用光子时域拉伸技术等价实现光脉冲的时域随机调制。此方式具有被动式随机编码、大带宽和低成本等优势。待测信号调制后,进一步色散展宽产生时域叠加,完成光上积分运算。单通道的结构简化了系统,使得可单次测量快速获取数据进行重构。本文主要研究成果和创新点如下:（1）剖析系统原理,并进行数学模型抽象,以实验结合仿真的方式论证方案的可行性,可实现以0.2GS/s采样率对4.8GHz内多音信号准确识别,仿真发现此系统相比于压缩比的变化,对噪声水平的变化更加敏感,且过度色散将会导致系统性能恶化。（2）在仿真基础上,设计系统参数搭建实验平台,利用多模光纤随机编码光谱构造测量矩阵,并研究其校准方式。测试系统性能,最终实现以15GS/s采样率对25GHz内单音信号的重构,以4.8GS/s采样率对9.6GHz内多音信号的感知识别,识别误差为～100MHz。对影响系统性能的因素作了深入分析,提出改良方案。此外,实验发现当前系统对2米内多模光纤的长度变化不敏感。本系统具有感知带宽大、结构简单成本低、单次测量实时感知等特点,面对复杂多变的电磁环境,具有较大应用前景,对于未来小型化、集成化装备的研究具有参考意义。
其他文献
随着全球定位系统的发展,地理路由技术在无线自组网中广泛应用。基于地理位置的贪婪周边无状态路由协议（Greedy Perimeter Stateless Routing,GPSR）是采用节点信息为主、拓扑信息为辅的路由策略,不需要建立和维护路由表,能够适应拓扑高速变化的无线自组网。但是考虑到无线自组网通信的多跳特性和网络节点逐步扩展到无人机等电池供能的节点,基于地理位置的路由策略在安全性和节能性方面
金纳米棒（AuNRs）以其优异的等离子体和物理化学性质而闻名,因此已广泛应用于各个领域,包括光谱学、传感、诊断学、生物技术和催化反应。它们在制备化学样品和生物传感器时尤其首选,因为它们的形状是可调控的,并且它们的局域表面等离子体共振（LSPR）峰是可调的。然而,由于Au NRs的相对较大的尺寸和形状分布,纵向等离激元共振可能难以组装和不均匀展宽。此外,Au NRs的电场局域化还不够强,限制了其在等
物联网技术的快速发展使得大量互联网应用应运而生,伴随着大量的物理设备而产生大量的数据流。如数据流处理不及时则会丧失部分有价值的信息。本文对光纤授时运控系统中的设备进行建模,利用本体语言描述其类、实例及关系等信息。同时对事件进行建模并建立事件属性同知识属性之间的关系,利用逻辑推理的手段进行事件流的处理,发现其中隐藏的复杂事件。本文的工作主要包括以下四个方面:（1）本体描述语言建模与知识管理。分析授时
近年来,5G通信系统发展迅猛,且带宽需求高的应用数量迅速增长。混合光纤无线（Fiber-Wireless,Fi-Wi）接入技术被视为有潜力的下一代接入网络,其有望缓解日益增加的带宽压力并应对各种无处不在的业务请求带来的挑战。Fi-Wi网络技术为用户提供了建立高质量连接的可能性,同时保证了网络灵活性和经济性。然而,由于Fi-Wi网络的光与无线子网之间存在网络结构和资源类型异构现象,该异构网络的整体管
世界发展进入21世纪,传感器技术不断地向前发展,传感器节点的规模也逐渐扩大,各节点之间能够进行无线通信,构成了无线传感器网络（Wireless Sensor Network,WSN）,它们通常部署在某些特定环境下,用来完成不同的功能,例如交通治理,环境监测等。在无线传感器网络中,其位置信息也是至关重要的一环,但是由于环境的复杂性,传感器节点的GPS信号往往会缺失,且使用GPS设备定位成本高,没有运
图结构数据在实际生活中有着广泛的应用,人们可以挖掘丰富的关联关系并将其建模成图模型,图机器学习算法通过充分利用这些结构信息,从而挖掘更多有价值的信息来提供更加精确的结果。虽然图机器学习算法利用节点间的依赖关系来辅助决策,但是图模型的复杂结构同样提高了算法可解释性技术的难度,现有的图模型可解释性算法未能将决策结果公平地归因到参与决策的因素上,并且多数方法都致力于简化计算,忽略了从人类感知角度的反事实
随着大量新兴5G应用的出现和移动互联网的快速发展,网络流量爆炸式增长,对延迟的要求日益严苛,靠近终端用户的城域光网络正在迅速升级并开始承担分配不同的网络和IT资源的功能。近年兴起的多接入边缘计算（Multi-access Edge Computing,MEC）技术,可以在网络边缘提供云计算能力,使用户设备能够以较低的延迟访问计算资源,并解决与骨干网拥塞相关的问题。因此,由城域光网络互连的多接入边缘
随着光通信系统规模的不断扩大、传输速率的不断提高以及通信容量的不断增加,具有高量子效率和高响应带宽特性的光探测器（Photodetector,PD）成为人们研究的焦点。研究者们已经提出了许多方案来提升光探测器的性能。例如,可以通过减小吸收区的面积以及延长耗尽层的长度来减少电容或减少吸收区的厚度来缩短载流子的输运时间等方式来提升光探测器的带宽。研究表明,入射光场的分布会对光探测器的内部电场与载流子分
5G移动通信技术致力于应对不断涌现的新兴业务场景,满足垂直行业差异化的服务质量需求。为此,网络切片技术作为一种有前景的解决方案被提出。然而,现有无线接入网（Radio Access Network,RAN）集中式的架构使得光纤链路或处理池中服务器发生故障时将造成多个RAN切片无法正常提供服务,这对无人驾驶、工业互联及自动化等高可靠应用场景造成的损失是无法弥补的。因此,如何构建高生存性的RAN切片,
光传送网（Optical Transport Network,OTN）作为以密集波分复用技术为基础的网络系统,通过具有调度能力的交叉连接矩阵来增强其组网能力,是新一代传送网的主要技术。其既可以对大颗粒的业务进行直接调度,又可以提供大容量的带宽。正因为此,一旦发生网络故障会导致大量数据丢失以及核心信息传输受阻,从而造成重大经济损失和不良社会影响。因此对OTN进行光纤线路监测的需求变得愈发迫切,而且将