射频指纹是设备硬件的固有特征, 与发射信号本身无关, 因此常用于通信抗欺骗中。本文基于射频指纹的原理, 采用神经网络对接收机所获得的原始信号样本进行处理, 包括 I/Q序列、幅度/相位、星座图的二值图和星座图的颜色密度图 4种信号表现形式, 达到抗欺骗效果。在信干噪比为-30~30 dB的情况下, 信号的识别准确率最高可达 99.93%。相较于现有文献, 本文所提的基于深度学习的方法可适应不同信干噪比的通信场景, 在欺骗信号与合法信号同时存在的复杂通信环境下实现抗欺骗。

可调谐半导体激光吸收光谱(TDLAS)是一种测量气体浓度和温度的非侵入式测量方法,通常需要在整个谱线上进行扫描,扫描过程中可能存在其他谱线干扰,且测量速度较慢。为克服此问题,可以采用固定波长吸收光谱测量方法。为了研究固定波长法吸收光谱技术测温的效果,采用中心波长位于2.0 μm附近的分布反馈式激光器,开展CO2气体温度测量实验。通过查询数据库模拟待测光谱的线型函数峰值,仿真待测工况下吸收峰值比值与温度的关系,并利用管式炉进行测量。结果显示,该方法的测量温度与设定温度具有高度的一致性,在673~1273 K,测温平均误差为1.22%,证明了固定波长法直接吸收光谱技术应用于温度测量的可行性与准确性。

基于中红外可调谐二极管激光吸收光谱技术研究了实现高信噪比低浓度一氧化氮(NO)的测量方法;选取谱线强度较高的1926 cm ^-1附近的中红外NO吸收谱线,利用带间级联激光器(ICL),使用波长调制法在常温下对NO进行测量;通过改变ICL的调制参数,分析了调制电流在3~25 mA范围内变化时,体积分数为0.46×10 ^-4~1.31×10 ^-4的NO气体的测量结果及信噪比。结果表明:当设定调制电流为11 mA时,信噪比最佳;对体积分数为0.5×10 ^-5~2.0×10 ^-5的NO进行测量时,测量结果具有较高的信噪比。