基于自适应尺度变换-双稳态随机共振模型的BPSK信号检测算法

为提升在强噪声背景下对二进制相移键控(binary phase shift keying, BPSK)信号的检测性能, 针对主流方法在抑制噪声过程中信号受到一定程度的削弱、信号处理系统引入新噪声导致检测性能下降的问题,提出了基于自适应尺度变换双稳态随机共振模型的BPSK信号检测算法。对于经典的双稳态随机共振系统只能处理小幅度、低频段的周期信号的情况, 首先将双稳态随机共振系统进行尺度变换, 证明在高采样率条件下, 双稳态随机共振系统可应用于高频的BPSK信号, 并基于Neyman-Pearson准则设计了非线性阈值检测系统, 推导且定量表示出检测器的误码率, 以此作为反馈量, 自适应地调节系统参数, 构建了信号检测的完备流程。通过仿真实验验证了尺度变换的可行性以及所提算法的适用性, 为低信噪比条件下的弱BPSK信号检测提供了理论依据。     

虚拟仪器中欠阻尼系统随机共振的应用与优化

针对现实应用中的噪声问题,基于虚拟仪器(Labview)的实验平台,在欠阻尼二阶线性系统中利用随机共振对弱信号进行检测仿真实验,研究表明,该系统输出信噪比呈非单调变化,适当调节系统参数和噪声强度可观察到欠阻尼二阶线性系统中存在随机共振现象,提高了信号的信噪比,进而可以检测到夹杂在噪声中的弱信号.该仿真系统还可以改造成检测实际弱信号的检测系统,与实际应用接轨,并通过遗传算法进行了参数优化,得到了预期理想效果,具有现实应用意义.     

基于BICM-ID-SSD 的多用户编码协同系统性能分析

在多用户协同模型中,将协同伙伴数目与信号空间分集阶数相结合,提出了一种高效的编码协同方案。采用比特交织编码调制技术,目的端通过信号空间分集和迭代译码提升系统性能。推导了衰落信道下协同传输的理论性能一致界,进行了系统性能仿真,并重点分析了信号空间分集阶数、协同程度及星座映射关系对系统性能的影响。理论分析及仿真结果均表明：快衰落信道下,信号空间分集会带来额外的增益;在快、慢两种衰落信道下,通过协同程度的增加及最佳映射关系的选择都可以带来系统性能的提升。     

相关瑞利信道环境下空时编码系统性能分析

主要研究了空时编码系统在相关瑞利衰落信道和高斯噪声环境下的性能。基于Karhunen Loeve去相关变换,将相关的系统子信道系数向量投影到另一组元素间不相关的系数向量。根据所得的去相关的系数向量,得到了系统误码率的解析表达式。同时,将误码率公式表示为有利于数值计算的一元有限积分形式,推广了熟知的不相关瑞利衰落环境下的系统误码率公式。对所得理论结果进行数值仿真,结果表明相关性使系统编码增益降低1～2dB。     

SCTCM及其在卫星移动通信信道下的性能分析

串行级联网格编码调制 (SCTCM)的主要构成部分是串行级联卷积码 (SCCC)和网格编码调制 (TCM)技术 ,在这两者的基础上给出了SCTCM基本编译码结构和设计原则。并结合具体的卫星移动通信信道的复杂时变特性 ,对SCTCM在该信道下的误码率 (BER)性能进行了理论分析 ,给出了误码率的一个上界。最后以 6 4状态的TCM为对照 ,进行了计算机仿真。仿真结果说明SCTCM在卫星移动通信中具有重要的应用价值     

8APSK_TCM编码调制方法在水声传输中的应用

论述了应用于水声信道的网格编码调制技术，分析了影响其性能的主要因素为有效编码长度，最小乘积距离；在此基础上，提出了基于水声信道的8APSK_TCM鳊码调制方法，并在给定的水声信道下进行了仿真，仿真结果表明：8APSK_TCM模式相对于标准的TCM模式在信噪比相同的情况下，降低了系统的误码率，改善了水声通信系统的可靠性。     

离散Hopfield神经网络的手写数字识别研究

利用离散Hopfield神经网络对手写数字识别进行了研究。将受到噪声污染的手写数字储存为二值图像,然后调制成二进制信号通过神经网络进行传输,通过给定权矩阵的Hopfield神经网络进行按址存储,将网络输出的内容再映射为数字图像。实验结果表明:数字图像识别的误码率与调制信号的幅值、码间时间间隔和网络神经元耦合个数成负相关关系,而且随着噪声强度的增加,误码率出现非周期随机共振现象,在一非零最优噪声强度值达到最小,此时数字图像也恢复得更加清晰。这些结果为进一步研究最小误码率优化目标下的Hopfield神经网络自适应权重矩阵提供了实验依据,而且对于神经网络联想记忆中随机因素的作用研究具有重要意义。     

基于双稳阱内随机共振的OFDM信号检测方法研究

为了解决OFDM(orthogonal frequency division multiplexing)传输系统中接收端对微弱OFDM信号的检测问题,本文将双稳阱内随机共振系统与OFDM信号增强和解调过程相结合,推导了多载波信号激励下双稳阱内随机共振系统从零状态变化到势阱状态所需时间的解析表达式,分析了暂态响应导致的多载波信号在一个符号内的能量损失问题;推导了系统稳态输出方程,分析了稳态过程对子载波已调信号叠加直流偏置分量的问题;探讨了在不同系统参数和噪声强度下阱内随机共振对OFDM信号解调性能的影响。仿真结果表明：该方法可有效实现信号与噪声阱内协同作用,提高OFDM信号的检测性能。     

LDPC码最优化译码算法

为了提高离散高斯信道下二进制低密度奇偶校验码（low-density parity-check code, LDPC）最优化译码算法的性能和效率,提出了一种改进的LDPC码最优化译码算法。首先,通过理论分析和数学推导,构建了译码问题的数学模型;然后,论证并给出了针对该模型的最优化译码算法;最后,基于VC6.0平台进行了译码的性能和效率仿真并与其他算法进行比较。仿真结果表明,在误码率性能和译码效率上,新算法优于改进前的算法;在误码率性能上,新算法也优于常用的最小和译码算法。仿真结果与理论分析吻合。     

高速置换索引差分混沌移位键控通信系统

为了提高置换索引差分混沌移位键控系统的数据传输速率和能量效率,提出了高速置换索引差分混沌移位键控通信系统。该系统采用置换矩阵索引多元信息,并携带一个调制位。发射端将参考信号复制P次作为信息承载信号,通过希尔伯特变换,每个信息时隙中多传输N个用户的信息,将信号级联到正交频分复用系统进行正交载波调制,大大提高了系统的数据传输速率;同时推导了该系统在高斯白噪声信道和多径瑞利衰落信道下的误码率表达式。理论分析及仿真结果证明,该系统相比其他置换索引类系统具有高速率、低误码率的良好特性,有更好的应用前景。     

耳蜗神经网络中语音信号传输的刺激条件信息研究

在耳蜗神经网络对语音信号的刺激响应过程中,针对如何区分编码最有效率的语音信号分量问题,提出了刺激条件信息分布计算方法,研究了给定刺激条件下平均不确定性度的减小。实验结果表明:积分发放神经网络膜电位发放的刺激条件信息不仅能够从统计意义上给出平均互信息的大小,而且清晰地表明信号中各分量的编码效率,确定输入信号中对于互信息量起主要作用的事件分量范围以及内部噪声的可利用性,证实噪声强度与最大刺激条件信息量之间的非单调关系,这些研究结果为进一步探索人工耳蜗动作电位发放的解码方案提供了理论依据。     

短波差分跳频系统序列译码的性能分析

基于短波差分跳频系统,提出了一种适于该系统的序列译码方法,并设计了适合序列译码的G函数。在加性白高斯噪声（additive white Gaussion noise, AWGN）信道和频率非选择性瑞利慢衰落信道条件下,对其比特误码率P_b性能进行了理论分析与数值仿真。仿真结果表明差分跳频的频率之间的相关性使其系统获得了一定的误跳纠正能力;如对于可用频率数为4、每跳传输1 bit的差分跳频系统,在AWGN信道条件下,当信噪比约为10 dB时,序列译码的P_b可达到10^-4,相对于逐符号译码的性能改善为2.5 dB;在瑞利信道条件下,当信噪比约为18 dB时,序列译码的P_b可达到10^-3,相对于逐符号译码的性能改善为15 dB,相对于逐符号译码,在短波差分系统中使用序列译码方法的效果更优。     

BICM-OFDM中基于ML算法的迭代信道估计

基于最大似然估计(ML),提出了一种新的联合译码的迭代信道估计算法。该算法利用比特交织编码调制(BICM)中迭代译码的硬判决信息,进行信道估计与译码之间的信息交换。在基于BICM的OFDM系统(BICM-OFDM)中,在短波宽带信道下的仿真结果表明,经过4次迭代,系统的误码率性能收敛。与传统ML算法相比,算法可有效的提高估计精度。     

单载波二维码分与频分多址系统及其性能分析

提出一种单载波二维码分与频分多址(single carrier two dimensional code and frequency division multiple access, SC-2DCFDMA)系统,借助时频二维扩频矩阵解决普通单载波码分与频分多址(single carrier code and frequency division multiple access, SC-CFDMA)系统中扩频因子与子带宽度之间的矛盾;构建了SC-2DCFDMA系统发送端与接收端的数学模型;分析了其在加性高斯白噪声信道和频率选择性信道下的理论误码率。仿真结果表明,理论与仿真误码率曲线吻合;在相同的扩频因子条件下,SC-2DCFDMA系统具有比SC-CFDMA系统更窄的用户子带宽度和更优的误码率性能;在多用户场景下,虽然信道的频率选择性会造成频域扩频码的正交性损失,但这种损失可由时域扩频码的正交性来弥补,从而使得SC-2DCFDMA系统的多用户性能优于SC-CFDMA系统。     

自适应小波阈值在磁记忆信号降噪处理中的应用

用金属磁记忆方法检测时信号常常被各种噪声污染,为了降低噪声的干扰,对传统阈值方法的局限性进行了分析,并在改进阈值函数的基础上提出了一种自适应小波阈值降噪方法。通过仿真实验对该方法的性能进行了验证,然后将其应用于磁记忆信号的降噪处理中,结果表明算法较好地剔除了信号中的噪声,提高了重建信号的噪声抑制率,降低了信号的失真率,是一种可行的磁记忆信号降噪方法。     

LDPC码最小和译码算法的整数量化

低密度奇偶校验码(low density parity check codes, LDPC)以其接近香农极限的性能和相对简单的译码结构得到信道编码界的广泛关注。对LDPC码的最小和算法进行了深入地研究,通过多种方法量化译码时的初始消息,最终使得每次迭代的校验消息与变量消息都变为整数,实现了基于整数运算的最小和译码算法,并进行了对比分析。仿真表明,量化后的最小和算法中的所有变量都用固定长度的整数表示,因而便于硬件实现,在其译码性能比和积译码(sum product decoding, SP)性能下降不大的情况下大大提高了译码速度;平均互信息越大的量化方法,其量化分层电平也越佳;最大平均互信息量化下的最小和译码算法性能最好,最大平均互信息量化是一类能最大可能获得信源信息条件下的最佳量化方法,且不增加译码复杂度。     

基于WBP-CNN算法的LDPC译码

针对低密度奇偶校验(low density parity check, LDPC)码在相关噪声条件下译码误比特率上升的问题,结合传统译码算法与卷积神经网络(convolutional neural network, CNN)设计了新的译码器。该译码器在置信传播(belief propagation, BP)算法中引入加权比特翻转(weighted bit-flipping, WBF)算法,生成加权BP(weighted BP,WBP)结构以解决码字临界处误比特率较高的问题。然后通过CNN降低噪声,在WBP和CNN之间迭代处理接收信号,使信号估计值不断逼近真实值以降低相关噪声的影响。通过仿真发现,与BP算法相比,所提算法能够有效降低相关噪声条件下LDPC译码的误比特率。     

星载微波辐射计输入信号的仿真

星载微波辐射计的天线提供的是宽带噪声功率信号。为了对微波辐射计进行星载条件下的仿真研究，本文采用伪随机信号来仿真微波辐射计的输入信号。所仿真的输入微波辐射计仿真模型与实际噪声信号输入到实际微波辐射计系统的对比结果表明了其良好的线性度，目标辐射信号的特征可用适当分布的随机噪声的数字特征表现，能用于进一步的仿真研究。     

基于WBP-CNN算法的LDPC译码

针对低密度奇偶校验(low density parity check, LDPC)码在相关噪声条件下译码误比特率上升的问题,结合传统译码算法与卷积神经网络(convolutional neural network, CNN)设计了新的译码器。该译码器在置信传播(belief propagation, BP)算法中引入加权比特翻转(weighted bit-flipping, WBF)算法,生成加权BP(weighted BP,WBP)结构以解决码字临界处误比特率较高的问题。然后通过CNN降低噪声,在WBP和CNN之间迭代处理接收信号,使信号估计值不断逼近真实值以降低相关噪声的影响。通过仿真发现,与BP算法相比,所提算法能够有效降低相关噪声条件下LDPC译码的误比特率。     

基于去特征处理的信源数估计算法

在实际测向系统中,由于阵列中各阵元的相互干扰,阵列接收的噪声为空域相关色噪声,由于系统热噪声和散弹噪声的存在,导致阵列接收的噪声同时包含空域相关色噪声与白噪声。传统针对空域相关色噪声的信源数估计算法在白噪声背景下的估计性能往往下降。针对这一问题,提出了一种基于去特征处理的信源数估计方法。该方法对数据协方差矩阵进行去特征处理,得到一组与特征值相对应的新数据协方差矩阵,利用新数据协方差矩阵在信号和噪声子空间上的投影矩阵构造判决函数,进而实现信源数估计。仿真实验及对比数据表明该方法在包含有白噪声成分的色噪声背景下能够有效进行信源数估计,其突出优势表现在小快拍数、低信噪比条件下仍能准确估计信源数,而没有明显增加算法的运算量。