时变海场景双基SAR回波实时模拟方法研究

基于时变海场景双站散射机理,结合双基合成孔径雷达(SAR,Synthetic Aperture Radar)成像几何模型,提出了一种时变海场景双基SAR射频回波信号实时模拟方法。针对时变海场景的复杂耦合散射,采用多径近似理论建立了双基SAR海面目标回波信号模型,提取了时变海面双基SAR系统响应函数,结合高性能计算技术、同步动态随机存取(SDRAM)技术以及全系统交换设计,实现了时变海场景双基SAR射频回波信号实时模拟,最后仿真测试结果验证了该方法的有效性。     

毫米波高分辨率脉冲雷达信号模拟器研究

本文讨论了一种毫米波高分辨率脉冲雷达信号模拟器的设计和实现。用计算机模拟产生毫米波脉冲雷达在各种环境下的视频回波信号,通过高速D/A转换器将模拟结果直接转换成实时雷达视频回波信号。实验结果表明,该模拟器具有真实性好、实时、高分辨率、参数更改方便和可靠性高等特点,可满足毫米波脉冲雷达的测试需要,并可做其它波段的高分辨率脉冲雷达信号处理系统的信号源。     

基于时频分析与神经网络的实时智能故障诊断系统的软件设计--数据格式转换与信号处理功能的开发

介绍了以振动/声响信号为传感器的采集对象,基于小波(包)及联合时频信号处理和模糊神经网络分类的多用途智能故障诊断系统中的实时数据采集、信号分析与识别诊断等模块的程序设计与实现.作者所开发的实用软件包在现代汽车实时故障诊断中的成功应用证明了其理论与软件开发的正确性和有效性.这里着重介绍智能故障诊断系统的数据格式转换与实时信号处理部分的设计、实现方法.     

基于时频分析与神经网络的实时智能故障诊断系统的软件设计--总体构架与实时数据采集功能的开发

介绍了以振动/声响信号为传感器的采集对象,基于小波(包)及联合时频信号处理和模糊神经网络分类的多用途智能故障诊断系统中的实时数据采集、信号分析与识别诊断等模块的程序设计与实现.作者所开发的实用软件包在现代汽车实时故障诊断中的成功应用证明了其理论与软件开发的正确性和有效性.这里着重介绍智能故障诊断系统的软件框架的设计以及实时数据采集部分的设计、实现方法.     

通道幅相不一致的实时校正方法

针对空间谱估计算法性能对通道幅相不一致敏感的问题,根据实际测向系统接收通道的特点,提出了利用自检信号进行实时校正的方法,将整个通道的校正分为天线到接收通道之间的无源器件预校正和接收通道的实时校正两个部分,先利用0°入射信号和自检信号的接收数据计算得到预校正矩阵,在测向过程中利用自检信号对接收通道进行实时校正。Matlab仿真结果表明实时校正方法可以动态校正通道的幅相不一致误差并且有利于提高MUSIC算法的分辨力,实测数据也表明实时校正方法可以动态的校正通道幅相不一致误差达到提高测向精度的目的。     

无源侦察动态系统仿真研究

提出了一种利用脉冲重复周期变化的规律性进行信号分选、匹配的方法,通过模拟雷达脉冲信号的产生和无源侦察系统的信号处理,对无源侦察系统进行了仿真研究。本系统使用内存拷贝技术对显示信号进行动态刷新,使仿真过程更接近侦察系统的信号实时分析。该系统仿真过程和结果显示皆具有良好的可视性,为侦察设备的终端显示提供了一种新的模式。     

超宽带正交解调接收机信号采集系统设计

根据超宽带信号处理及实现目标识别的需要,设计并实现了一套超宽带脉冲体制正交解调接收机信号采集系统。介绍了系统的硬件和软件设计,提出了I/Q正交解调及脉冲体制超宽带信号幅相误差校正方案,并构建了适于超宽带信号频谱分析的双谱分析模块。实际应用表明,该系统达到了实时高速稳定数据采集的要求。     

城市道路网络的行程时间可靠性

针对现有城市信号控制路网可靠度计算模型难以实用的缺陷,放弃对实时OD矩阵进行交通分配,以路网的各交叉口的真实流量和信号配时为基础,直接估计各个OD对之间的实时的行程时间及其可靠度.然后将城市道路网络视为多功能系统,根据可靠性理论中通用的多功能系统可靠度计算方法,构建了动态路网系统行程时间可靠度估计的框架模型,实现城市路网可靠度的实时估计.由于无须引入难以获取的动态OD矩阵数据,使得模型具有实用性.最后通过真实案例表明了模型的实用性.     

基于轮廓预提取的直接信息采样与重构

现有直接信息采样（analog to information conversion, AIC）框架未考虑信号的轮廓在重构中占据特殊地位且对输入信号的有效性缺乏判断。针对这一问题,在压缩感知理论框架下,提出基于轮廓预提取的直接信息压缩采样理论。将输入信号的大轮廓用低速采样器件先行提取出来,再对输入信号的细节进行压缩采样。在重构算法方面,提出自适应分段正交匹配追踪算法以解决实时流信号的精确重构问题。从理论上分析了轮廓预提取直接信息压缩采样的有效性和可靠性。仿真结果表明,在同等条件下,通过引入少量轮廓信息的改进型AIC比传统AIC重构性能更好。     

永磁同步交流牵引系统准实时小波降噪应用研究

电流传感器信号是永磁同步电机矢量控制的重要参数,也是永磁同步电机矢量控制能否成功的关键因素。提出一种基于滑动数据窗的准实时小波降噪算法,应用于永磁同步牵引系统中。仿真结果表明,当系统电流传感器信号受到污染时,该降噪算法能有效去除传感器噪声对系统性能的影响,提高系统稳定性,并满足实时性要求。在永磁同步交流牵引控制系统中,利用DSP处理器构建准实时降噪子模块,试验结果表明该方法可以提高控制系统在传感器信号污染下的稳定性。     

一种基于DWT-CWT的CPFSK信号盲符号速率估计算法

提出一种综合利用离散小波变换和连续小波变换来估计CPFSK信号符号速率的新算法.对离散小波变换后的细节信号进行连续小波变换,能够有效地减小噪声的影响,从而实现低信噪比下的符号速率估计.实验结果表明,与单纯使用连续小波变换的方法相比,新算法在低信噪比时具有较好的估计性能.     

基于VMD和特征融合的辐射源信号识别

在日趋复杂的电子对抗中,如何提高雷达辐射源信号(radar emitter signal, RES)识别率和抗噪性能是亟待解决的问题。为此提出了一种变分模态分解(variational mode decomposition, VMD)和特征融合相结合的RES识别方法。首先利用VMD算法对各雷达信号进行分解得到3个本征模态函数(intrinsic mode function, IMF);然后,对这3个IMF分量提取排列熵(permutation entropy, PE)和样本熵(sample entropy, SE)特征进行特征融合，构成六维特征向量；最后利用支持向量机对辐射源信号进行识别。利用6种不同的辐射源信号对该方法进行了验证,仿真实验结果表明,该方法在低信噪比(signal to noise ratio, SNR)下能取得较好的识别率,当SNR不低于0 dB时,六维特征向量的识别率达到100%,具有较强的抗噪性能。     

基于GPU的外辐射源雷达信号处理实时实现方法

随着外辐射源雷达技术的发展,实时处理能力成为制约外辐射源雷达系统性能的重要因素。现有的处理手段仅适用于较小采样率信号以及低速目标的情况,对于数字电视信号等大带宽高采样率的外辐射源雷达信号以及高速小目标的情况很难满足实时性的要求。提出了一种基于图形处理器的外辐射源雷达信号处理实时实现方法,能够提高分块最小均方误差算法和Keystone算法的并行处理能力。通过真实数据验证表明基于所提结构的实现方法能够满足外辐射源雷达信号处理实时性的需求。     

Hybrid pilots assisted channel estimation algorithm for MIMO-OFDM systems

Abstract: A hybrid pilots assisted channel estimation algorithm for multiple input multiple output (MIMO) orthogonal frequency division multiplexing (OFDM) systems under low signal-to-noise ratio (SNR) and arbitrary Doppler spread scenarios is proposed. Motivated by the dissatisfactory performance of the optimal pilots (OPs) designed under static channels over multiple OFDM symbols imposed by fast fading channels, the proposed scheme first assumes that the virtual pilot tones superimposed at data locations over specific subcarriers are transmitted from all antennas, then the virtual received pilot signals at the corresponding locations can be obtained by making full use of the time and frequency domain correlations of the frequency responses of the time varying dispersive fading channels and the received signals at pilot subcarriers, finally the channel parameters are derived from the combination of the real and virtual received pilot signals over one OFDM symbol based on least square (LS) criterion. Simulation results illustrate that the proposed method is insensitive to Doppler spread and can effectively ameliorate the mean square error (MSE) floor inherent to the previous method, meanwhile its performance outmatches that of OPs at low SNR region under static channels.     

基于去噪盲分离的多个直扩信号参数估计

噪声条件下多个直扩信号混合情况下的参数估计是传统算法所无法处理的,为此提出将去噪盲分离算法应用于此问题,达到噪声消除和使多个扩频信号相互分离的目的。首先回顾了在低信噪比条件下估计单个直扩信号参数的循环谱估计技术,并且说明了盲分离算法在估计多个混合直扩信号参数的可行性。然后给出了含噪盲分离的基本模型和一种有效算法移偏快速独立分量分析(fast independent component analysis, FASTICA)。接着引出了一个算法框架--去噪盲分离,证明了经典独立成分分析(independent component analysis, ICA)算法可以统一到这个框架中。仿真结果表明了算法的有效性和实用性。     

Digital modulation classification using multi-layer perceptron and time-frequency features

Considering that real communication signals corrupted by noise are generally nonstationary, and time-frequency distributions are especially suitable for the analysis of nonstationary signals, time-frequency distributions are introduced for the modulation classification of communication signals. The extracted time-frequency features have good classification information, and they are insensitive to signal to noise ratio (SNR) variation. According to good classification by the correct rate of a neural network classifier, a multilayer perceptron (MLP) classifier with better generalization, as well as, addition of time-frequency features set for classifying six different modulation types has been proposed. Computer simulations show that the MLP classifier outperforms the decision-theoretic classifier at low SNRs, and the classification experiments for real MPSK signals verify engineering significance of the MLP classifier.     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

时间反转镜分类研究及其在水声通信中的应用

时间反转镜可在没有任何先验知识的情况下具有自适应匹配声信道的作用。主动式时间反转镜(ATRM)要求阵元收发合置,且信号需两次经过信道,效率低下,而阵处理则进一步增加了系统的复杂性,难以满足水声通信节点追求结构简单、低功耗的要求。为克服上述弊端,提出应用单阵元被动式时间反转镜(PTRM)和虚拟式时间反转镜(VTRM),并对单阵元时间反转镜的聚焦增益进行了讨论。计算机仿真结果表明,单阵元时间反转镜可聚焦多途信号,实时实现自适应信道均衡,从而抑制码间干扰、提高信噪比。     

跳频信号的相参与非相参积累时频差估计方法

跳频信号载频随时间变化发生跳变, 因此跳频信号具有丰富的频域信息,而且其在时域上为连续信号, 相比单跳信号也具有更丰富的时域信息。时频差估计精度与信号在时频域上的分布情况以及信号能量和噪声有关。时差估计主要与信号频域分布有关, 而频差估计主要与信号时域分布有关。跳频信号时频域信息丰富, 多跳相参积累后, 时频差参数估计能够充分利用信号的时频域信息, 克服单跳信号时频差估计精度不高的问题。针对跳频信号的时频差估计问题, 首先分析了单跳基带信号的互模糊函数, 再从时差与频差的维度推导了多跳基带信号互模糊函数的相位差异, 最后通过频差归一化与相位对齐补偿提出了多跳信号互模糊函数相参积累的时频差估计算法。同时, 在不满足相参积累的条件下, 分析了跳频信号的非相参时频差估计方法, 并理论分析了两种跳频信号时频差参数估计方法性能与信号各参数的关系。仿真结果表明跳频信号相参时频差估计算法性能最优, 非相参方法的估计性能其次, 单跳信号的估计性能最差, 验证了理论性能分析结果的正确性。