冯熳
- 作品数：45 被引量：111H指数：6
- 供职机构：东南大学更多>>
- 发文基金：国家自然科学基金中国博士后科学基金国家高技术研究发展计划更多>>
- 相关领域：电子电信自动化与计算机技术航空宇航科学技术金属学及工艺更多>>
- 基于Q-learning及其改进算法的信道决策方法
- 2020年
- 信道决策是智能抗干扰通信系统的重要组成部分。针对信道决策问题,文章提出一种基于Q-learning及其改进算法的决策方法,在干扰类型及信道模型未知的情况下,通过和信道交互完成信道决策;针对固定模式干扰情况下收敛速度慢的问题,进一步提出一种改进的Q-learning算法。实验结果表明,与传统频率自适应系统相比,通过学习干扰系统的信道切换策略直接切换到未被干扰的信道,可有效减少信道反馈时间,提高工作效率。
- 马海波俞力周新冯熳
- 关键词：智能通信抗干扰通信
- 一种基于扩展二元相移键控传输系统的多径分离方法
- 本发明提供一种基于扩展二元相移键控调制系统的多径分离方法，该方法包括步骤：根据各径信号的增益和相位跳变所占载波周期数计算各延时径与主径的分离距离；设置第i径信号的码元起点与主径信号的同一码元的码元起点相距的载波周期数x<...
- 冯熳彭珊汪英
- 文献传递
- 智能天线中导频符号辅助的载波频偏估计被引量：1
- 2004年
- 首先定量分析了智能天线的阵元和导频符号数目增减对频偏估计性能的影响 ;然后借助于自适应阵加权结构 ,提出了一种存在共信道干扰 (CCI)时 ,导频辅助估计频偏的新算法 ,该方法的自适应权只是中间变量 ,所以并不需要系统真正采用自适应结构 ,也不需要已知天线阵列流形。计算机仿真表明 ,该算法可以充分地利用多阵元和导频符号 ,有效抑制了CCI ,使频偏估计性能接近于克莱美 -罗界。
- 李军廖桂生郭庆华冯熳
- 关键词：智能天线载波频偏估计共信道干扰
- 一种基于地理位置的离线双Q学习路由方法
- 本发明结合强化学习探索与双Q学习思想，公开了一种基于地理位置的离线双Q学习路由方法，包括如下步骤：信标交互与奖励表的计算，经验获取与Q值表的更新，邻居最大Q值的同步及路由决策。在强化学习算法中将数据包映射为智能体，智能体...
- 冯熳陈不了
- 统一的BPSK信号功率谱分析被引量：4
- 2008年
- 二进制移相键控BPSK调制是载波相位按基带脉冲而键控改变的一种数字调制方式,其功率谱推导在传统上也是按照将基带脉冲的频谱左右频移进行的,因而要求频移后的谱没有混叠,即只有高载频才能忽略近似性,具有一定的局限。本文按照直接载波调制的思路,推导出BPSK已调信号功率谱的准确表达式,既消除了高载频的限制,也统一了对于BPSK功率谱的基带分析和载波分析方法。仿真结果表明了新表达式的正确性。
- 冯熳吴乐南
- 关键词：二进制移相键控功率谱基带调制载波调制
- 多元位置随机极性MCP-EBPSK调制和解调方法
- 本发明公开了一种多元位置随机极性MCP-EBPSK调制和解调方法，以修正的随机极性连续相位扩展的二元相移键控调制方式为基础，其包括多元位置随机极性的MCP-EBPSK调制器及多元位置随机极性的MCP-EBPSK信号解调器...
- 吴乐南靳一冯熳邓蕾
- 一种用于统一二元调制信号的解调方法
- 一种用于统一二元调制信号的解调方法包括一个窄带数字带通滤波器和一个门限检测器：窄带数字带通滤波器由一个或多个IIR数字滤波器基本环节级联构成，每个基本环节利用一对谐振频率非常靠近的零点和极点产生相频特性曲线上的零群时延点...
- 吴乐南冯熳马力
- 文献传递
- EBPSK解调器的抗频偏特性研究
- 2010年
- 研究了载波频偏对于EBPSK传输体制的影响,通过实验证实了基于冲击滤波器的EBPSK解调器可容忍一定的频偏,必要时可省去锁相环。
- 吴金铃冯熳吴乐南
- 关键词：EBPSK解调器频偏数字滤波器
- 序列蒙特卡罗方法及其在通信中的应用
- 近年来,随着数字处理芯片性能的快速提高,序列蒙特卡罗方法在工程中的应用更加广泛,尤其是在信号处理、统计学、经济学等领域中引起了众多学者的关注.一般的时变系统都可以被看作是一动态状态空间模型,对于线性高斯模型,卡尔曼滤波可...
- 冯熳
- 关键词：通信信号处理重采样粒子滤波
- 文献传递
- 基于奇异值分解与神经网络的干扰识别被引量：4
- 2020年
- 无线通信中的抗干扰技术对通信的稳定性和安全性都具有重要意义,干扰识别作为抗干扰技术的重要环节一直是研究的热点。该文提出一种基于奇异值分解与神经网络的干扰识别方法,该方法只计算信号矩阵的奇异值即完成特征提取,与传统方法相比节省了多个谱特性的计算量。仿真结果表明:基于奇异值分解与神经网络的干扰识别方法与传统方法相比在干信比为0 dB左右的条件下识别准确率有10%~25%的提高。
- 冯熳王梓楠
- 关键词：神经网络奇异值分解
