线板结构辐射发射分析与研究

电磁兼容实验和实际电子设备中存在较多的线板结构,而电子设备的低频(30~200 MHz)电磁辐射发射主要通过这种结构辐射出去。因此,通过美军标MIL-STD-461F实验对这种线板结构进行了研究,采用全波电磁仿真和实际测试相结合的方法分析线板结构参数对电磁辐射结果的影响。首先仿真了双锥天线及其天线系数并与校准的结果进行了对比;然后仿真了天线处于不同极化方式时,线缆距离金属板的高度和线缆长度等参数对辐射发射的影响,并与实验结果进行了对比。研究有助于电磁兼容工程师更好的理解电子设备电磁辐射水平,进而更好地进行电磁兼容设计。     

基于萤火虫群优化的小波常模盲均衡算法

提出基于萤火虫群优化的小波常模盲均衡算法(GSO-WT-CMA),利用萤火虫群优化(GSO)算法良好的全局搜索能力来优化均衡器的初始权向量,结合正交小波变换(WT)降低信号自相关性,有效改善了常数模盲均衡算法(CMA)容易陷入局部最小值、收敛速度慢、稳态误差大等问题.水声仿真结果表明,新算法具有收敛速度快,均方误差小,能获得全局最优解等优点.     

基于PSO-BP神经网络的探空湿度太阳辐射误差修正

采用计算流体动力学(CFD)软件仿真太阳辐射偏干误差可获得无线探空仪的湿度修正因子,提高了湿度廓线的精度,有助于提升天气预报、气候预测及气象灾害预报预警能力。但湿度修正因子存在明显的时空分布特性,采用CFD方法对每条湿度廓线进行修正计算量庞大。针对这一问题,以CFD软件仿真出典型气压、太阳辐射量和太阳高度角下的温度误差作为数据样本,通过粒子群优化(PSO)的BP神经网络构建预测模型,对探空湿度太阳辐射温度误差进行预测,并利用饱和水汽压逼近公式推算湿度测量的修正因子。研究结果表明,以南京探空站某一天的探空数据作为测试对象,CFD计算和PSO-BP预测的湿度测量太阳辐射误差吻合度较好,说明PSO-BP神经网络预测方法能够对湿度廓线的太阳辐射偏干误差进行有效修正,而且可显著提高修正效率。     

基于轻量化卷积神经网络模型的云与云阴影检测方法

大多数遥感影像数据不可避免地受到云层的污染导致数据的失效。因此,对云进行检测是非常必要的预处理步骤。随着航天技术的飞速发展,更加轻便的卫星被设计出来,为了在这些算力有限的微小卫星上配备遥感影像预处理模型。设计一种高精度、算力要求低的轻量化云与云阴影检测网络模型具有重要意义。针对上述问题,本研究提出一种基于深度可分离卷积的轻量化卷积神经网络模型（Lightweight M-shaped Network,L-MNet）,L-MNet网络模型是在M-Net（ M-shaped Network）网络模型的基础上引入深度可分离卷积（Depthwise Separable Convolution）,设计一种深度可分离卷积模块（DS-Conv Block）,以减小算法的复杂度及计算量。实验结果表明,本研究所提方法在保证检测精度的前提下,可以有效减小像素级云检测的模型大小及计算量,有助于实现微小卫星在轨云检测的任务。     

基于自给式呼吸器的语音减噪改进方法

针对传统减噪方法在处理自给式呼吸器通信时语音音质不清晰、噪声干扰严重的问题,提出了一种基于自给式呼吸器的语音减噪改进方法,并进行了实验验证。在该改进方法中,先定义一个新的判决变量为相关函数能量,利用该变量进行语音端点检测,然后根据检测结果,分别对有话段语音信号采取声压差值减噪处理,对无话段噪声信号采用静默处理。实测实验结果表明,对于自给式呼吸器采集到的语音信号,改进方法的准确性与鲁棒性要优于传统语音减噪方法。     

基于频控阵的多普勒波束锐化高度表设计

多普勒波束锐化(Doppler beam sharpening, DBS)是飞行器实施地形跟随或地形回避的重要技术。针对飞行器高度表在DBS工作模式的射频隐身需求, 利用频率分集阵列(frequency diversity array, FDA)研究了基于射频隐身的DBS高度表。首先通过研究FDA的辐射方向图特性, 分析了FDA的频率增量依赖特性及其距离周期性对DBS模式的影响。以此为基础, 给出了对于DBS高度表的约束条件, 包括了FDA阵元间频率增量、脉冲重复频率、脉宽等, 同时建立了FDA-DBS高度表的射频隐身模型。仿真表明, 相对于相控阵和多输入多输出等阵列, 基于FDA的DBS高度表具有优秀的射频隐身性能。     

移动IP在校园网的应用设计

分析了移动IP的基本原理,从实际应用的角度详细阐述了移动IP在校园网中的设计与实现过程,重点对网络架构设计、技术选择、上联方式设计等进行了分析设计。     

空域色噪声下的多输入多输出雷达角度估计

由于多输入多输出(multiple input multiple output, MIMO)雷达的空域色噪声协方差矩阵通常为非对角矩阵,因此在色噪声下信号子空间与噪声子空间无法有效分离,从而致使传统算法无法有效估计目标角度。为此,首先利用信号协方差矩阵的低秩性和色噪声协方差矩阵的稀疏性来抑制空域色噪声。然后,根据MIMO雷达数据的内在多维结构特性,建立四阶张量CP(canonical or parallel factor analysis, CANDECOMP/PARAFAC)分解模型。针对传统交替最小二乘算法对数值病态性较为敏感而导致CP分解精度低的问题,利用张量因子矩阵之间的共轭关系来降低求解的病态敏感度,提高张量分解的稳健性。最后,利用最小二乘拟合法从因子矩阵的估计值中得到目标角度。仿真结果表明,所提算法能够对色噪声有效抑制并提高了角度估计的精度。     

基于相关矩阵行列式分析的GSC二元麦克风阵列语音增强算法

为了提高广义旁瓣相消器语音增强算法在二元麦克风阵列中的噪声抑制能力,提出了一种基于相关矩阵行列式分析的GSC二元麦克风阵列语音增强算法,该方法首先对二元阵列的输入进行相关矩阵行列式分析,利用基于语音活动检测和信噪比估计确定系数的维纳滤波器改进GSC结构的固定波束成形支路的输出,再利用基于相关矩阵行列式分析的语音活动检测更新自适应噪声抵消器系数,提高GSC结构中自适应支路噪声估计的准确性.实验结果表明,相较于近些年来其他二元麦克风阵列的语音增强方法,该方法在多个噪声源和复杂类型噪声条件下的语音质量更高,信号失真更小,处理后的语音更接近目标语音.     

基于截断迁移与并行残差网络的调制识别算法

针对卷积神经网络提取的信号时序特征受限问题，提出一种截断迁移的数据预处理算法，将采样矩阵一端的距离单位截断，迁移到另一端，依次合并成新的矩阵，使卷积神经网络提取到更多的采样点，比较更多的符号信息。同时提出一种改进的并行残差神经网络，通过两路并行的支路同时关注水平和垂直2个方向的特征。结果表明，该算法比普通卷积网络提高约10%的准确率，改进的网络在信噪比为14 dB时，准确率为93.78%，信噪比大于0 dB时，准确率均在91%以上。