【摘 要】
：
水声多载波通信技术是当今水下通信中应用最为广泛的一种技术，具有传输速率高、鲁棒性好以及传播距离远等优点。但是，水声通信信道具有带宽受限、多径效应严重、多普勒效应严重等特点，多载波通信在水声通信方面依然面临着许多挑战。其中严重的多普勒效应对多载波通信影响巨大。 本文设计了一种新型的多载波调制方式，提升系统传输效率，并添加合适的多普勒估计补偿技术，用于水声通信系统中，提升多载波通信系统的传输性能。本
论文部分内容阅读
水声多载波通信技术是当今水下通信中应用最为广泛的一种技术，具有传输速率高、鲁棒性好以及传播距离远等优点。但是，水声通信信道具有带宽受限、多径效应严重、多普勒效应严重等特点，多载波通信在水声通信方面依然面临着许多挑战。其中严重的多普勒效应对多载波通信影响巨大。
本文设计了一种新型的多载波调制方式，提升系统传输效率，并添加合适的多普勒估计补偿技术，用于水声通信系统中，提升多载波通信系统的传输性能。本文设计的新型多载波调制技术以字典矩阵代替传统正交频分复用技术中的离散傅里叶逆变换(IFFT)矩阵，使发送信号更加适合水声信道，且节省了频谱资源。仿真实验表明，该方法有着比传统正交频分复用技术更好的误码率性能。
与陆地无线信道相比，水声信道中多普勒效应更加明显，严重影响子载波之间的正交性，降低通信系统的性能。本文采用基于多普勒敏感信号的前导码结构对水声信道中的多普勒扩展因子进行估计，并做出相应的补偿，提高通信系统的性能。仿真结果表明，添加多普勒补偿技术可以大大的提高水声通信系统的可靠性。
在仿真实验的基础上，本文基于声卡和数据采集器设计了实际水声通信系统，在实验室水池中与校园人工湖中进行了实际验证，验证了该方法的可行性。
其他文献
在表面安装技术(Surface-Mount Technology，SMT)工艺流程中有一种效率低下但极其重要的的自检防错机制，该机制需要检测人员以印刷电路板(Printed Circuit Board，PCB)的位号图为基准对生产的首个产品样板进行检测，重点是元器件的极性方向。在实际检测过程中，工作人员仅能在元器件数量较少的情况下进行有效检测。为了使检测人员能对产品样板实现更高效的检测，本文提出了
近些年来，人脸识别取得巨大的进步，这得益于深度神经网络的飞速发展，尤其是卷积神经网络的发展。卷积神经网络在人脸识别领域具有很好的鲁棒性，适应多场景的识别，在一定程度上可以有效减少因为光线、角度等导致的识别率下降。卷积神经网络在人脸识别任务中发挥着重要的作用。本文以基于卷积神经网络的人脸识别算法为研究课题，重点研究了人脸识别中的深度网络、损失函数等问题。 一个高效的特征提取网络对于人脸识别任务具有
在数字图像拍摄过程中，当拍摄对象与感光元件的空间频率接近时，往往会出现摩尔纹现象。由于电子屏幕具有网格状采样的特点,因此拍摄电子屏幕更易出现摩尔纹现象。本文称相机拍摄电子屏幕时出现的摩尔纹为屏幕图像摩尔纹，其色彩和形态多变，与图像内容难以区分，严重影响了成像的视觉质量。当今时代，用相机记录屏幕内容已成为一种快捷、重要的记录方式，因此研究屏幕图像摩尔纹的去除算法具有重要意义。 目前屏幕图像摩尔纹去
道路交通标志是保证驾驶安全、交通顺畅所设置的指示性标志，遵守交通标志的指示是每个驾驶员的义务，然而由于漏看或误判交通标志所造成的交通违章时有发生，甚至有时还会造成严重的交通事故，危害人身财产安全。因此，交通标志检测算法的研究显得尤为重要。随着计算机视觉理论不断发展，卷积神经网络被广泛应用于目标检测领域，在交通标志检测课题上得到了广泛的应用与发展。应用于无人驾驶或辅助驾驶领域的交通标志检测算法成为了
近年来声源定位技术发展迅猛，已经成为声学和阵列信号处理领域的热点问题，其在语音增强、视频会议、鸣笛抓拍、智能机器人、智能家居等领域已经被广泛应用。 声源定位技术是在模拟动物双耳效应的基础上，融合音频信号处理、阵列信号处理、机器学习、数字信号处理等多个学科的一项技术，通过麦克风阵列获取目标声源发出的信息参数，测定声源到麦克风阵列中心的距离以及方向角和俯仰角，实现对目标声源的识别、跟踪与定位。本文以
近年来，面对现代化城市监控系统日益增长的多媒体数据，例如图像、音频、视频等数据，如何快速且高效地处理海量数据成为当前亟待解决的问题之一。尤其是如何精确地分析来往的行人，进而快速甄别出对人民生命财产安全有危害的人和物是完善城市安防的关键。行人属性识别技术能够根据行人图像得到行人所具有的属性。然而现有的大多数行人属性识别的方法将其看作是图像的多分类任务，将属性看作是独立的部分，忽略了不同属性之间的关联
水声无线传感器网络(UAWSNs)具有重要的实用价值，能够应用在海洋环境测量、海啸预警、海洋军事国防等领域。UAWSNs是无线传感器网络(WSNs)在水下环境的拓广。UAWSNs的水声信道情况要比陆地无线信道复杂得多，传统的WSNs的网络协议往往不能直接应用到UAWSNs中。 在UAWSNs中，水声信号传输速率低，传输延迟长，可用带宽窄，多径效应严重。移动水声通信会伴随严重的多普勒效应。为了保证
目前大多数张量填充方法均假设缺失元素的位置服从随机分布，但实际中张量数据不仅存在随机元素缺失的情况，还可能存在整条纤维或整个切片缺失的情况，即结构性缺失，此时仅利用低秩约束不足以填充这种结构性缺失，还需要针对这种结构性缺失加入其它的先验约束。为此，本文利用张量的TensorTrain(TT)和Tucker展开方式，以低秩矩阵填充和稀疏表示理论为基础，提出了一种针对既带有随机缺失又带有结构性缺失元素
在许多现代通信系统中，常采用在发射机中对发射信号进行卷积编码、在接收机中对接收信号进行Viterbi译码的方式来保证通信的可靠性。其中，Viterbi译码算法能高效地纠正由于信道噪声和其他干扰因素引起的错误，是实现低误码率的关键。基于应用场景的不同，Viterbi译码器可在基于SRAM的现场可编程门阵列(SRAM based Field Programmable Gate Array， SRAM-
大数据与深度学习的发展极大促进了图像分类技术的进步。由于深度学习的数据驱动和监督式学习特性，在训练阶段需要大规模标注样本。然而，现实世界包含数以万计的类别，人工标注需要极高人力物力，且对于某些稀缺类别，往往难以获取充足样本支撑训练。为此，无需标注样本即可对新类别进行预测的零样本学习(Zero-shot Learning，ZSL)逐渐受到关注。零样本学习模仿人类可利用辅助语义信息对未见事物进行推断的