基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

在电路,信号与系统分析中卷积积分的计算方法种种

卷积积分作为一种数学工具，在信号与系统分析理论中占有重要地位。本文详细介绍了几种在电路，信号与系统分析中常用的计算卷积的方法，并讨论了各种方法的适用范围及优缺点。     

卷积型积分微分方程解的渐近稳定性

研究了一类卷积型积分微分方程，利用李雅普诺夫方法，给出了判定n维系统中卷积型积分微分方程的零解一致渐近稳定性的定理以及其Volterra方程的零解渐近稳定性的定理，推广了已有的结果。     

一个关于矩母函数序的注记

证明了NBUMg寿命分布类关于卷积运算的封闭性,并比较了当元件属于NBUMg寿命分布类时,年龄更换策略的NBUMg性质.     

广义分布空间中卷积算子可解之充要条件

Ｅｈｒｅｎｐｒｅｉｓ及Ｈｏｒｍａｎｄｅｒ在Ｓｃｈｗａｒｔｚ缓增分布空间中讨论了卷积算子的可解。本文充分利用Ｂｅｕｒｌｉｎｇ广义分布空间中的Ｆｏｕｒｉｅｒ－Ｌａｐｌａｃｅ变换的性质，在Ｂｅｕｒｌｉｎｇ广义分布空间中讨论了卷积算子可解的几个等价条件，进而导出了卷积算子可解的充要条件，并推广了Ｈｏｒｍａｎｄｅｒ的某些结果     

周期信号的孔径抖动及其去除

孔径抖动是指模数转换器采样周期之间出现的相位抖动 ,是由各时钟周期边沿出现时刻的不确定性导致的。当输入信号频率较高时孔径抖动是模数转换器信噪比下降的一个重要原因。对数据采集系统中的孔径抖动进行了仿真实验 ,介绍了反卷积算法 ,并利用反卷积算法对周期信号的孔径抖动进行了去除。仿真结果表明该方法是有效可行的