一种基于泰勒级数的HPA失真模型的非线性校正方法

本文提出一种高功率放大器非线性校正方法.它采用预失真技术,消除HPA失真模型的Taylor表达式中产生非线性的奇次方项,实现HPA的非线性校正.仿真结果表明,较好地补偿了HPA的非线性失真.     

基于半导体光放大器的光学向量矩阵乘法器的实现方法

提出了一种基于半导体光放大器(SOA)的光学向量矩阵乘法器(OVMM)的实现方法。与传统的向量矩阵乘法器相比,本文方法采用的是非空间光的实现方案,且SOA的增益补偿作用可对计算所得的光功率进行校正,从而提高计算精度。对提出的方法进行了1×2向量与2×2矩阵乘法运算的实验验证,结果表明可以实现向量矩阵乘法器的运算功能。利用SOA的大范围增益可调特性,可有效提高信号动态范围,利于多路信号间均匀性的改善,且易于集成。     

数字电视广播系统中ASI-SPI的设计与实现

给出了一种新型的ASI信号转换成SPI信号的设计方案.本方案采用Cypress的CY7B933接收ASI信号,CPLD进行逻辑时序控制,FIFO和后继应用系统的无缝接口,所实现的系统具有很高的抗干扰能力,有较强的检错和错误恢复能力.详细阐述了系统的软、硬件的结构和实现方法.     

基于多层联合降噪的信号处理方法

针对旋挖钻机钻杆振动信号具有非线性、非平稳的特点,以及多源振动耦合影响,提出了一种基于多层联合信号降噪方法,对振动信号进行降噪处理。首先,采用局域均值分解(local mean decomposition, LMD),得到一系列乘积函数(product functions, PF),根据计算得出的相关系数,挑选出含噪声成分最多的PF分量,舍弃残余分量,实现第一层降噪;其次,利用小波阈值降噪(wavelet threshold denoising, WTD),对挑选分量实现了第二层降噪;最后,将WTD重构信号设为奇异值分解(singular value decomposition, SVD)的前置处理单元,实现第三层降噪。基于MATLAB仿真实验与轴承数据降噪实验,分别使用EMD-SVD、LMD-SVD两种算法对目标信号进行降噪处理,LMD-WTD-SVD方法可以提高信噪比,并对比波形图与频谱图结果表明,此方法是一种更有效的降噪方法。     

基于查找表的基带自适应预校正方法的系统仿真

本文提出了一种高功率放大器的非线性预校正系统设计方案.本系统基于复数增益的查找表,通过射频解调后的基带IQ信号与原始基带IQ信号的比对来更新查找表,从而实现数字基带信号的自适应预失真.Matlab仿真结果表明,本校正方法收敛速度快,校正效果明显,较好地补偿了高功率放大器的幅度失真和相位失真.     

传感器信号非线性的软件补偿

针对传感器信号中存在的非线性误差,对采用软件校正的特点和实现方法进行了研究。文中详述了将最小二乘曲线拟合方法应用于传感器非线性校正的方法和优缺点,并提出了将最小二乘曲线拟合与线性插值相结合的方法,最后,通过一个工程实例描述了在实际工程中利用曲线拟合实现传感器非线性补偿的过程。     

基于DDS和PLL技术实现的L波段高码速率(16Mb/s)最小频移键控调制源

介绍了一种实现MSK调制信号的方法。该方法结合了DDS和PLL技术的特点,采用二次混频方案,实现了码速率达16Mb/s的L波段(1 030MHz和1 090MHz)MSK调制信号源。对调制后的信号质量进行了测试,并通过测试结果对DDS系统时钟与FPGA系统时钟同步的重要性进行了说明。测试结果表明该信号源的EVM RMS值最大为6.7%(在1 030MHz时测得),最小仅为2.3%(在1 090MHz时测得),并且当DDS系统时钟与FPGA系统时钟同步时,其调制信号的信号质量要大大优于两者不同步时的信号质量。     

基于Wigner分布和经验模态分解的谐波分析方法

在电力系统中,谐波对电网的危害日益严重,准确地对电力系统谐波进行检测有着重要的意义。Wigner分布是采用非线性变换处理非平稳信号一种常用的时频分析方法。本文将Wigner分布与经验模态分解结合起来,将经验模态分解作为Wigner分布的一个预处理环节,将信号分解为一系列固有模态函数,分别对单个固有模态函数进行Wigner分布。该方法用于多分量谐波的信号分析,具有很好的时频聚集性,且能够很好的抑制交叉项的干扰。仿真结果表明了该方法的有效性。     

基于变分态分解与灰狼优化支持向量机的齿轮箱故障诊断

由于行星齿轮齿轮箱的振动信号具有非平稳、非线性特性,在复杂工况下,会对其早期微弱的故障信号造成干扰,不能正确地识别出故障信息。为解决以上问题,采用基于变分模态分解(variational mode decomposition, VMD)与灰狼优化支持向量机的故障诊断方法。利用中心频率近似方法,求解出了变分模态分解的参数K,对分解出的本征模态函数(intrinsic mode function, IMF)分量进行相关性分析,优选出分量进行信号重构。将重构信号进行故障特征提取,利用灰狼优化支持向量机的方法进行故障模式识别。实验结果表明：采用所提方法对行星齿轮箱的故障识别准确率达到99.375%。     

Hilbert-Huang变换及其滤波特性研究

Hilbert-Huang变换是最新发展起来的处理非线性非平稳信号的时频分析方法.其基本的实现分为两步,经验模态分解和瞬时频率的求解.这种方法的核心部分是经验模态分解,任何复杂的信号都可以分解为有限数目并且具有一定物理意义的本征模态函数,对这些本征模态函数作Hilbert变换即可得到每一个本征模态函数的瞬时频率.经验模态分解方法是一个以信号极值特征尺度为度量的时空滤波过程,它充分保留了信号的局部特征,在信号的滤波和去噪中具有较大的优势.本文讨论了Hilbert-Huang变换时空滤波的实现过程,仿真验证了该方法的优越性.