CN114944884A - 一种基于智能反射表面的动态频谱抗干扰*** - Google Patents
一种基于智能反射表面的动态频谱抗干扰*** Download PDFInfo
- Publication number
- CN114944884A CN114944884A CN202210607257.8A CN202210607257A CN114944884A CN 114944884 A CN114944884 A CN 114944884A CN 202210607257 A CN202210607257 A CN 202210607257A CN 114944884 A CN114944884 A CN 114944884A
- Authority
- CN
- China
- Prior art keywords
- interference
- state
- decision
- frequency
- intelligent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 24
- 238000004891 communication Methods 0.000 claims abstract description 47
- 230000005540 biological transmission Effects 0.000 claims abstract description 46
- 230000009471 action Effects 0.000 claims description 15
- 230000008447 perception Effects 0.000 claims description 14
- 230000002787 reinforcement Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000009191 jumping Effects 0.000 claims description 6
- 230000036039 immunity Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 3
- 238000012795 verification Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
- H04K3/00—Jamming of communication; Counter-measures
- H04K3/40—Jamming having variable characteristics
- H04K3/42—Jamming having variable characteristics characterized by the control of the jamming frequency or wavelength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
- H04K3/00—Jamming of communication; Counter-measures
- H04K3/20—Countermeasures against jamming
- H04K3/28—Countermeasures against jamming with jamming and anti-jamming mechanisms both included in a same device or system, e.g. wherein anti-jamming includes prevention of undesired self-jamming resulting from jamming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04K—SECRET COMMUNICATION; JAMMING OF COMMUNICATION
- H04K3/00—Jamming of communication; Counter-measures
- H04K3/80—Jamming or countermeasure characterized by its function
- H04K3/82—Jamming or countermeasure characterized by its function related to preventing surveillance, interception or detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于智能反射表面的动态频谱抗干扰***,包括:干扰机、传输模块和通信用户对;干扰机用于在可用通信信道上,产生一定模式干扰;传输模块用于产生载波信号发射至智能反射表面;通信用户对用于在干扰环境下进行通信,并躲避干扰。本发明的有益效果为:(1)使用基于Dyna‑Q算法的智能抗干扰算法,通信用户得以智能躲避环境中的受干扰信道,保证通信水平稳定;(2)基于智能反射表面,实现2ASK通信***设计。并在平台上验证,拓展智能反射表面相关实际应用,为智能反射表面应用化提供基础。
Description
技术领域
本发明涉及通信抗干扰技术领域,尤其是一种基于智能反射表面的动态频谱抗干扰***。
背景技术
通信抗干扰技术从通信技术发展以来就已经存在。传统抗干扰技术使用例如跳频、扩频等手段实现躲避干扰。但现代干扰智能化使得此类手段无法满足电子对抗场景下和用户间互扰等场景下的现实应用需要。目前出现了更加智能的对抗方法。例如使用强化学习、深度学习等技术结合博弈论相关理论,对通信网络实现抗干扰优化。其中应用Dyna-Q算法的抗干扰算法具有智能化、算法收敛速度快等优点,并能够实时适应环境中干扰。
智能反射表面设备由大规模器件阵列与阵列控制模块构成。其原理是通过控制阵列单元表面PIN二极管的通断,改变单元反射系数,从而整体上动态地控制智能反射表面所反射信号的波束传播特征。因其能替代传统通信器件射频器件,显著降低通信***架设成本等原因,被工业界与学术界广泛关注。
目前,智能反射表面研究中偏向理论研究,平台验证较少,同时也暂未有应用智能反射表面技术构建基于Dyna-Q的动态频谱抗干扰***的平台实现。
发明内容
本发明所要解决的技术问题在于,提供一种基于智能反射表面的动态频谱抗干扰***,提高***抗干扰性能,提高通信***数据传输稳定性。
为解决上述技术问题,本发明提供一种基于智能反射表面的动态频谱抗干扰***,包括:干扰机、传输模块和通信用户对;干扰机用于在可用通信信道上,产生一定模式干扰;传输模块用于产生载波信号发射至智能反射表面;通信用户对用于在干扰环境下进行通信,并躲避干扰。
优选的,传输模块中,初始阶段,在默认中心频率上通过喇叭天线发射载波;获取来自接受用户的频率切换信息;根据频率切换信息,改变自身发射载波中心频率至对应频率,跳回上一步骤,循环进行。
优选的,通信用户对中的发射用户将待发送数据转化成比特流信息,并拆分成数据包,形成待发送比特流,通过电平控制设备识别比特流,输出控制电平,控制智能反射表面的反射系数。
优选的,通信用户对中的接收用户数据业务分为数据传输层与感知决策层两部分同时处理;数据传输层负责接收天线连接无线电信号处理设备,用于接收智能反射表面反射的信号,从中恢复原数据并显示;同时感知决策层负责感知干扰,应用Dyna-Q强化学习算法学习干扰规律,决策实现躲避干扰,决策控制载波信号发生器输出信号的中心频率并改变无线电接收设备接收中心频率,实现发射与接收的协调,智能躲避干扰信号。
优选的,接收用户中的感知决策层应用Dyna-Q强化学习算法学习干扰规律,决策实现躲避干扰具体包括如下步骤:
步骤4、定义Q值表更新公式为
之后到达状态Sk+1;
步骤6、基于Dyna-Q算法,定义k时隙虚拟环境模型Mk(S'k,a'k),其中包含S'k=(ft'(k),fj'(k))为***随机选取的虚拟状态,a'k=fj'(k+1)为***随机选取的虚拟动作,
步骤7、定义状态转移矩阵Tk={t(a|S(k),S(k+1))},其中,t(a|S(k),S(k+1))表示在状态S(k)与动作a情况下,下一状态为S(k+1)的次数,据此在虚拟环境中
其中,argmaxS(t(a|S(k),S(k+1)))表示t(a|S(k),S(k+1))最大值对应的状态,表示可选的下一状态,ε为贪心算法的贪心度,即状态Sk+1有ε概率选择t(a|S(k),S(k+1))最大值对应的状态,有1-ε概率从可选状态中随机选择。
优选的,在单个时隙内,Dyna-Q强化学习算法运行流程如下:
步骤1、传输开始,Q(S,a),M(S,a)初始化,此时初始状态S0(ft(0),fj(0)),初始动作随机选择可用信道进行传输a0∈C;
步骤2、进入循环,设时隙k=0,1,2,…,K-1;感知得到fj(k),按公式(2)获取回报值rk,根据公式(3)选择ak=ft(k+1),按公式(1)更新Q表,更新模型:Mk(Sk,ak)=rk+1,Sk+1,循环n次:S随机赋予之前观测到的状态,得到Sn,按公式(4)采取Sn状态下随机动作an,获取模型中对应回报值与状态rn,Sn+1=M(Sn,an),按公式(1)更新Q表。
优选的,数据传输层中,初始阶段,通过USRP接收智能反射表面反射的2ASK信号;对接收数据进行解调,还原调制信号中含有的数据比特流信息;获取感知决策层产生的换频信息,根据换频信息切换其接收中心频率,跳回上一步骤,循环进行。
优选的,感知决策层中,通过连接天线的USRP-1接收可用频段上的时域信号;对时域信号进行FFT,获取通信环境中的信号功率谱;将带宽均分为任意个信道,计算得到每个信道的中心频率。根据每段频谱上能量大小识别当前时隙干扰所在信道位置;根据当前干扰信道与通信信道,使用Dyna-Q算法,做出下一时隙的用频决策;将用频决策通知数据传输层USRP-2,同时通知传输模块载波信号发生器。
本发明的有益效果为:(1)使用基于Dyna-Q算法的智能抗干扰算法,通信用户得以智能躲避环境中的受干扰信道,保证通信水平稳定;(2)基于智能反射表面,实现2ASK通信***设计。并在平台上验证,拓展智能反射表面相关实际应用,为智能反射表面应用化提供基础。
附图说明
图1为本发明的***架构示意图。
图2为本发明使用的智能反射表面实物图。
图3为本发明接收端GNU Radio软件界面及图片显示程序主要显示信息示意图。
图4为本发明传输过程中未启用抗干扰功能时受到干扰的图片传输结果示意图。
图5为本发明传输过程中启用抗干扰功能时躲避干扰的图片传输结果示意图。
具体实施方式
如图1所示,一种基于智能反射表面的动态频谱抗干扰***,包括:干扰机、传输模块和通信用户对。其中干扰机用于在可用通信信道上,产生一定模式干扰;传输模块用于产生载波信号发射至智能反射表面;通信用户对用于在干扰环境下进行通信,并躲避干扰。
实施例中,干扰机选择使用Ceyear 1465B-V信号发生器作为干扰信号发射平台干扰机运行包括:在预设中心频率2.125GHz、2.127GHz、2.129GHz、2.131GHz、2.133GHz上产生带宽为1.5MHz、发射增益5dB的扫频干扰。
通信用户对之间选择图片作为待传输业务信息。其中的发射用户将图片包含的像素信息转化成比特流信息,并拆分成数据包,添加包头与包序号形成待发送比特流。比特流通过计算机串口发送至FPGA。FPGA根据输入的比特流输出控制电平,控制智能反射表面的反射系数。实施例中,智能反射表面工作中心频率2.13GHz,PIN二极管接通,反射系数0.40,PIN二极管断开,反射系数0.86。智能反射表面实物图如图2所示。在此基础上,构建2ASK通信***。
进一步地,通信用户对中的发射用户进行发射步骤如下:
步骤1、对待发送图片进行压缩、二值化处理,转化成图片数据比特流。
步骤2、对图片数据比特流按每包96比特的方式进行分包,添加8比特位包头与8比特位包序号信息,形成发送数据比特流。
步骤3、通过串口向FPGA循环发送数据比特流。
传输模块选择使用SMCV100B矢量信号发生器作为载波信号发生器发射平台。载波信号通过喇叭天线发射。经过智能反射表面反射,生成2ASK调制信号。其发射载波在可用信道中选择。
进一步地,传输模块进行传输运行步骤如下:
步骤1、初始阶段,在默认中心频率2.129GHz上通过喇叭天线发射载波,信号发生器发射增益为5dBm。
步骤2、通过网线接口,获取来自接受用户的频率切换信息。
步骤3、根据频率切换信息,改变自身发射载波中心频率至对应频率。跳回步骤2,循环进行。
通信用户对中的接收用户通过喇叭天线连接USRP接收智能反射表面反射的2ASK信号,从中恢复图片数据并显示。同时感知干扰,应用Dyna-Q强化学习算法学习干扰规律,决策实现躲避干扰。通过网口控制载波信号发生器输出信号的中心频率并改变USRP中心频率,实现发射与接收的协调,智能躲避干扰信号。使用的USRP型号为USRP-2920。实施例中,接受用户软件显示主要信息如图3所示。图3(a)展示当前收到的图片信息;图3(b)展示当前以2.129GHz为中心频率,带宽10MHz环境下感知得到的频谱图;图3(c)展示最近20秒内的频谱瀑布图;图3(d)展示由瀑布图生成的干扰与传输频点信息。以当前界面为例,将10MHz频谱均分成5个可用信道。5个信道中,深色表示该信道受到干扰不可用于传输;浅色表示Dyna-Q算法所决策出的传输信道;图3(e)显示当前接收到的比特流,最终会将此处信息传递给图片显示程序,提取图片并显示。
进一步地,通信用户对业务中数据处理分为数据传输层与感知决策层,两层业务同时进行工作。
对于数据传输层,运行步骤如下:
步骤1、初始阶段,通过连接喇叭天线的USRP-1接收智能反射表面反射的2ASK信号。USRP-1接收默认中心频率2.129GHz、接收增益15dB、采样带宽10MHz。
步骤2、在PC端使用GNU Radio对接收数据进行解调,还原调制信号中含有的数据比特流信息。
步骤3、通过UDP端口,将比特流发送至本机图片显示程序。图片显示程序对比特流进行分包,还原出图片信息并显示。
步骤4、USRP-1获取感知决策层产生的换频信息,根据换频信息切换其接收中心频率。跳回步骤2,循环进行。
对于感知决策层,运行步骤如下:
步骤1、通过连接全向天线的USRP-2接收可用频段上的时域信号。USRP-2中心频率2.129GHz,接收增益为15dB,接收带宽为10MHz。
步骤2、对时域信号进行FFT,获取通信环境中,中心频率2.129GHz、带宽10MHz内的信号功率谱。
步骤3、将10MHz带宽均分为5个信道,即每个信道带宽2MHz,中心频率分别为2.125GHz、2.127GHz、2.129GHz、2.131GHz、2.133GHz。根据功率大小识别当前时隙干扰所在位置。
步骤4、根据当前干扰信道与通信信道,使用Dyna-Q算法,做出下一时隙的用频决策。
步骤5、将用频决策通过GNU Radio内部消息格式通知数据传输层USRP-1,同时通过网口通知传输模块载波信号发生器。
实例硬件搭建平台后,对通信***实际传输效果进行测试。分别在感知决策***不启用与启用两种情况下,进行图片传输测试。
感知决策***不启用情况下,测试结果如图4所示。由图4中瀑布图可见,感知决策结果并未通知载波信号发生器与接收用户进行换频,一直保持在2.129GHz进行通信。当扫频干扰到达传输频点时,传输受到明显干扰。判决前时域波形出现噪声。导致图片接收有明显错误。
感知决策***启用情况下,测试结果如图5所示。由图5中瀑布图可见,***将Dyna-Q算法产生的决策结果同时通知接收机USRP-1与载波信号发生器,切换传输信道躲避干扰。从瀑布图与感知决策示意图中均可看出,Dyna-Q算法方法在经过一定学习时间后,能稳定躲避扫频干扰模式。传输波形与接收比特流恢复稳定。图片接收相比受到干扰的情况,无较明显错误出现。
综上所述,本发明实现了基于智能反射表面的智能抗干扰***设计。实现了智能反射表面的2ASK调制***,使用Dyna-Q算法,有效避免了环境中的恶意干扰。硬件搭建上,应用USRP软件无线电平台与GNU Radio软件实现,并在实施例中进行测试,验证了本发明的可行性。
Claims (8)
1.一种基于智能反射表面的动态频谱抗干扰***,其特征在于,包括:干扰机、传输模块和通信用户对;干扰机用于在可用通信信道上,产生一定模式干扰;传输模块用于产生载波信号发射至智能反射表面;通信用户对用于在干扰环境下进行通信,并躲避干扰。
2.如权利要求1所述的基于智能反射表面的动态频谱抗干扰***,其特征在于,传输模块中,初始阶段,在默认中心频率上通过喇叭天线发射载波;获取来自接受用户的频率切换信息;根据频率切换信息,改变自身发射载波中心频率至对应频率,跳回上一步骤,循环进行。
3.如权利要求1所述的基于智能反射表面的动态频谱抗干扰***,其特征在于,通信用户对中的发射用户将待发送数据转化成比特流信息,并拆分成数据包,形成待发送比特流,通过电平控制设备识别比特流,输出控制电平,控制智能反射表面的反射系数。
4.如权利要求1所述的基于智能反射表面的动态频谱抗干扰***,其特征在于,通信用户对中的接收用户数据业务分为数据传输层与感知决策层两部分同时处理;数据传输层负责接收天线连接无线电信号处理设备,用于接收智能反射表面反射的信号,从中恢复原数据并显示;同时感知决策层负责感知干扰,应用Dyna-Q强化学习算法学习干扰规律,决策实现躲避干扰,决策控制载波信号发生器输出信号的中心频率并改变无线电接收设备接收中心频率,实现发射与接收的协调,智能躲避干扰信号。
5.如权利要求4所述的基于智能反射表面的动态频谱抗干扰***,其特征在于,接收用户中的感知决策层应用Dyna-Q强化学习算法学习干扰规律,决策实现躲避干扰具体包括如下步骤:
步骤4、定义Q值表更新公式为
之后到达状态Sk+1;
步骤6、基于Dyna-Q算法,定义k时隙虚拟环境模型Mk(S'k,a'k),其中包含S'k=(ft'(k),fj'(k))为***随机选取的虚拟状态,a'k=fj'(k+1)为***随机选取的虚拟动作,
步骤7、定义状态转移矩阵Tk={t(a|S(k),S(k+1))},其中,t(a|S(k),S(k+1))表示在状态S(k)与动作a情况下,下一状态为S(k+1)的次数,据此在虚拟环境中
6.如权利要求5所述的基于智能反射表面的动态频谱抗干扰***,其特征在于,在单个时隙内,Dyna-Q强化学习算法运行流程如下:
步骤2、进入循环,k=0,1,2,…,K-1;感知得到fj(k),按公式(2)获取回报值rk,根据公式(3)选择ak=ft(k+1),按公式(1)更新Q表,更新模型:Mk(Sk,ak)=rk+1,Sk+1,循环n次:S随机赋予之前观测到的状态,得到Sn,按公式(4)采取Sn状态下随机动作an,获取模型中对应回报值与状态rn,Sn+1=M(Sn,an),按公式(1)更新Q表。
7.如权利要求4所述的基于智能反射表面的动态频谱抗干扰***,其特征在于,数据传输层中,初始阶段,通过USRP接收智能反射表面反射的2ASK信号;对接收数据进行解调,还原调制信号中含有的数据比特流信息;获取感知决策层产生的换频信息,根据换频信息切换其接收中心频率,跳回上一步骤,循环进行。
8.如权利要求4所述的基于智能反射表面的动态频谱抗干扰***,其特征在于,感知决策层中,通过连接天线的USRP-1接收可用频段上的时域信号;对时域信号进行FFT,获取通信环境中的信号功率谱;将带宽均分为任意个信道,计算得到每个信道的中心频率。根据每段频谱上能量大小识别当前时隙干扰所在信道位置;根据当前干扰信道与通信信道,使用Dyna-Q算法,做出下一时隙的用频决策;将用频决策通知数据传输层USRP-2,同时通知传输模块载波信号发生器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210607257.8A CN114944884A (zh) | 2022-05-31 | 2022-05-31 | 一种基于智能反射表面的动态频谱抗干扰*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210607257.8A CN114944884A (zh) | 2022-05-31 | 2022-05-31 | 一种基于智能反射表面的动态频谱抗干扰*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114944884A true CN114944884A (zh) | 2022-08-26 |
Family
ID=82909278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210607257.8A Pending CN114944884A (zh) | 2022-05-31 | 2022-05-31 | 一种基于智能反射表面的动态频谱抗干扰*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114944884A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109274456A (zh) * | 2018-09-10 | 2019-01-25 | 电子科技大学 | 一种基于强化学习的不完全信息智能抗干扰方法 |
CN110380802A (zh) * | 2019-06-14 | 2019-10-25 | 中国人民解放军陆军工程大学 | 基于软件无线电平台的单用户动态频谱抗干扰***及方法 |
US20200153535A1 (en) * | 2018-11-09 | 2020-05-14 | Bluecom Systems and Consulting LLC | Reinforcement learning based cognitive anti-jamming communications system and method |
CN112636007A (zh) * | 2020-12-16 | 2021-04-09 | 浙江沃科电子科技有限公司 | 一种基于sinr的抗干扰卫星通信相控阵列天线 |
CN113472419A (zh) * | 2021-06-23 | 2021-10-01 | 西北工业大学 | 一种基于空基可重构智能表面的安全传输方法及*** |
CN114124259A (zh) * | 2021-08-13 | 2022-03-01 | 南京邮电大学 | 基于不完整信息的智能反射表面的干扰测试方法 |
CN114172547A (zh) * | 2021-12-16 | 2022-03-11 | 华南理工大学 | 基于智能反射面的无线携能通信混合预编码设计方法 |
-
2022
- 2022-05-31 CN CN202210607257.8A patent/CN114944884A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109274456A (zh) * | 2018-09-10 | 2019-01-25 | 电子科技大学 | 一种基于强化学习的不完全信息智能抗干扰方法 |
US20200153535A1 (en) * | 2018-11-09 | 2020-05-14 | Bluecom Systems and Consulting LLC | Reinforcement learning based cognitive anti-jamming communications system and method |
CN110380802A (zh) * | 2019-06-14 | 2019-10-25 | 中国人民解放军陆军工程大学 | 基于软件无线电平台的单用户动态频谱抗干扰***及方法 |
CN112636007A (zh) * | 2020-12-16 | 2021-04-09 | 浙江沃科电子科技有限公司 | 一种基于sinr的抗干扰卫星通信相控阵列天线 |
CN113472419A (zh) * | 2021-06-23 | 2021-10-01 | 西北工业大学 | 一种基于空基可重构智能表面的安全传输方法及*** |
CN114124259A (zh) * | 2021-08-13 | 2022-03-01 | 南京邮电大学 | 基于不完整信息的智能反射表面的干扰测试方法 |
CN114172547A (zh) * | 2021-12-16 | 2022-03-11 | 华南理工大学 | 基于智能反射面的无线携能通信混合预编码设计方法 |
Non-Patent Citations (3)
Title |
---|
YIJIA LIU等: "Metasurface-Based Modulation With Enhanced Interference Resilience", 《IEEE COMMUNICATIONS LETTERS》, vol. 27, no. 5, 10 March 2023 (2023-03-10) * |
孙艺夫等: "基于智能反射面的无线抗干扰通信方法", 《电波科学学报》, vol. 36, no. 6, 31 December 2021 (2021-12-31) * |
张双义;沈箬怡;陈学强;田华;张潇;杜吉庆;: "基于强化学习的功率与信道联合干扰方法研究", 通信技术, no. 08, 10 August 2020 (2020-08-10) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2024063249A (ja) | 不完全な電磁経路を通じた信号の搬送 | |
CN110554618B (zh) | 一种基于雷达暗室的通信***仿真方法 | |
US20030219002A1 (en) | Communication system, communication control apparatus and communication terminal apparatus | |
US20230163830A1 (en) | Coordination-Free mmWave Beam Management With Deep Waveform Learning | |
CN109429235B (zh) | 一种波束扫描方法、网络侧设备及移动通信终端 | |
CN103346989A (zh) | 基于多路跳频的单通道盲源分离抗干扰通信***及方法 | |
CN102804649A (zh) | 在可见光通信***中根据数据传输量产生可见信号的装置和方法 | |
Chen et al. | Wi-Fi sensing based on IEEE 802.11 bf | |
WO2020032507A1 (ko) | 비면허 대역에서 무선 링크 모니터링을 위한 참조 신호를 송수신하는 방법 및 이를 위한 장치 | |
JP4198034B2 (ja) | 情報符号送信装置 | |
Iliev et al. | Artificial intelligence in wireless communications-evolution towards 6G mobile networks | |
TWI639318B (zh) | 光學傳送器及傳送方法 | |
JP2001217743A (ja) | データ通信装置 | |
CN114944884A (zh) | 一种基于智能反射表面的动态频谱抗干扰*** | |
KR20230122122A (ko) | 레이더 통신 일체화 신호 송신 방법, 수신 방법 및기기 | |
Struye et al. | Opportunities and challenges for virtual reality streaming over millimeter-wave: An experimental analysis | |
CN112039572B (zh) | 天线模式的切换方法、装置、接收机及存储介质 | |
US20080274732A1 (en) | Digital Radiocommunication Method and System, Particulary for Mobile Ground Stations | |
Wiklundh et al. | EMC challenges with 6G | |
CN111107573B (zh) | 基于usrp的智能干扰机半实物仿真实验***及实验方法 | |
Mohammed et al. | Adversarial learning for hiding wireless signals | |
CN111182554A (zh) | 一种通信频率调整方法、基带处理器、电子设备和芯片 | |
CN216565154U (zh) | 一种光节点 | |
Liu et al. | Anti-jamming Research of UAV Communication Based on Link-16 Datalink | |
CN110048740B (zh) | 一种扩频通信方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |