针对无先验知识下, 混合二进制协议数据帧难以识别分离的问题, 提出了一种基于联合高斯混合模型 (GMM)和自编码器的聚类方法。对于捕获到的未知二进制数据帧, 首先通过栈式自编码器对其进行降维提取特征, 并根据相应判别准则获取最佳聚类个数, 最后使用改进了代价函数的自编码器对二进制数据帧进一步训练以提高聚类准确率。实验表明, 该方法对网络二进制协议数据帧识别的准确率达到 94%以上。

针对基于谱累积量的里德 -所罗门(RS)码识别算法计算量大、识别速度慢的问题，提出一种基于校验和的快速识别方法。首先遍历所有可能的有限域，以每个有限域本原元为唯一码根构造循环码，利用该循环码的二进制校验矩阵计算校验和，通过与设定的阈值进行比较，实现编码域的识别；然后构造以编码域中每个元素为唯一码根的循环码，利用该循环码的二进制校验矩阵计算与该域中每个元素相对应的校验和，并利用 RS码码根的连续性估计连续码根数及起点，从而实现生成多项式的识别。针对最常用的 8阶 RS码进行了仿真试验，仿真结果显示，所提方法相对于谱累积量方法，在数据量相同的前提下，识别速度提高了约一个数量级，识别性能改善了 0.1 dB；而在 0.001误比特率条件下，获得相同识别性能所需的数据量约为原有方法的 1/3。仿真试验结果说明，无论是在识别速度方面，还是在数据量需求方面，所提识别方法都远优于谱累积量方法。

为了解决缩短里德-所罗门(RS)码的识别问题, 提出一种基于任意长度伽罗华域傅里叶变换(GFFT)的识别方法。把限定长度GFFT拓展到任意长度, 在阶数、本原多项式、码长三个维度上计算缩短RS码GFFT谱, 统计谱累积量; 再根据谱累积量的概率分布确定判决阈值, 并进行判决, 从而实现缩短RS码编码参数的识别。仿真结果表明, 当阶数不大于8, 误比特率不大于0.001时, 采用文中识别方法可实现不小于99%的正确识别率。

在多天线信号合成技术中, 合成系统需在中频完成各信号间时延差估计与补偿, 以便进行信号合成, 提高接收质量。分析发现, 利用同一本振对两路信号下变频会引入新的相差, 该相差将导致直接时延估计算法性能下降。通过在直接时延估计算法(ETDE)基础上增加一个相位补偿因子, 将时延与相差进行解耦, 利用相位补偿因子来修正相差, 最终实现无偏时延估计。理论分析与仿真结果均表明, 该算法能够不受相差的影响准确估计时延并进行跟踪, 相比无相差下的直接时延估计算法, 该算法的收敛速度提升+3ω/π2, 并且估计性能改善3 dB以上。

针对数字预失真系统中的环路时延问题，提出一种自适应的小数时延估计算法，可以准确地估计数字预失真系统的环路小数时延，确保数字预失真参数提取的正确性。该算法采用多点平均的方法，消除估算误差对算法性能的影响，从而提高估计算法的精确度和稳定性。仿真结果表明：与以往文献提出的小数时延估计算法相比，提高了小数时延估计的精确度和稳定性，精确度可以达到采样时刻间隔的1.4%。而且，该方法可自适应地更新小数时延，更加容易应用于硬件实现中。