张浩然 · Communications Countermeasures Systems Engineer

• 针对BPSK、QPSK、16QAM等6种常见调制方式，设计基于瞬时特征与高阶累积量的联合识别算法，在信噪比≥5dB下识别准确率达96.2%，为后续解码模块提供可靠输入。

• 利用MATLAB完成全链路仿真验证，涵盖帧同步、载波恢复、定时同步与信道解码，在10万帧测试数据中误码率低于0.3%，并将核心算法移植至FPGA实现实时处理。

• 搭建基于FPGA的实时信号处理流水线，集成调制识别与解码模块，处理延时从软件仿真200ms降至硬件实现4.8ms，满足系统5ms实时性指标。

• 开发自适应解码参数配置模块，根据识别出的调制方式自动切换解调链路，支持BPSK/QPSK/16QAM等混合信号流的连续解码，实验室测试中解码成功率提升至92%。

• 设计模块化接口规范，将前端预处理、特征提取、识别判决与解码功能解耦，各算法模块可独立替换与复用，后续算法迭代的集成时间缩短约40%。

• 作为项目负责人，基于2台软件无线电外设（SDR）搭建可重构的通信对抗仿真硬件平台，覆盖BPSK、QPSK、16QAM及OFDM四种调制方式的实时收发链路，支持1~20MHz带宽动态配置。

• 利用GNU Radio和Python设计并实现扫频、噪声、脉冲及灵巧式共5种干扰模式，集成自适应功率控制算法，在典型信噪比（10dB）下平均干扰成功率达93%。

• 开发基于能量检测的频谱感知抗干扰模块，实现通信频点自动切换与误码率监测，抗干扰后误码率从1.2×10⁻²降至4.5×10⁻⁵，提升约两个数量级。

• 编写Python自动化测试脚本完成360组对比实验，采集干扰前/后信噪比、误码率、吞吐量等6项指标数据，生成可视化分析报告，支撑后续算法优化。

• 针对某战术通信系统在强窄带干扰下信号严重畸变的问题，设计基于卷积自编码器的干扰抑制网络，利用TensorFlow框架训练端到端复原模型，在-10dB干信比下将误码率从32.7%降至2.1%，信号波形相关系数提升至0.94。

• 在缺少真实干扰样本的情况下，使用通信原理模型生成20万组含不同中心频率、带宽和功率的窄带干扰数据，结合数据增强技术构建训练集，使模型对未见过干扰的抑制准确率达到89.5%，推理延迟仅0.23ms。

• 实验对比传统自适应滤波与所提方法，在5种典型窄带干扰类型（单音、多音、扫频、脉冲、部分带）上，深度学习平均输出信干噪比提升8.6dB，同时保留99.2%的原始信号能量，无失真复原时长占比从62%提高到97%。

• 将算法封装为轻量级C++推理模块并移植到FPGA原型平台，在100MHz时钟下实现实时处理（吞吐量≥40 MSps），资源占用仅LUT 2.3K、BRAM 16块，满足嵌入式通信设备的低功耗约束。

• 通信原理（95分）

• 信号与系统（93分）

• 数字信号处理（91分）

• 电磁场与电磁波（90分）

• 信息论与编码（89分）；毕设《基于深度学习的OFDM信道估计》获院级优秀毕业论文

在2024年全国大学生电子设计竞赛中获得一等奖，参赛项目为基于软件无线电的跳频通信系统设计与实现。