电缆调制解调器中数字式8M宽带高频头的研制

分析了6M数字式高频头的电路结构和特点，提出了8M带宽的数字式高频头设计方案，并用专用集成芯片实现了该方案，实验证明了该方案的可行性。     

基于联合特征参数的数字调制识别优化算法

针对数字调制识别在低信噪比下的应用,提出了一种基于联合特征参数的数字调制识别优化算法。该算法利用调制信号的高阶累积量和时域瞬时信息,并结合星座图特征进行特征提取,采用弹性反向传播（resilient back-propagation, RPROP）算法训练的反向传播（back propagation, BP）神经网络对多进制数字幅度调制（M-ary amplitude shift keying, MASK）、多进制数字频率调制（M-ary frequency shift keying, MFSK）、多进制数字相位调制（M-ary phase shift keying, MPSK）、多进制正交幅度调制（M-ary quadrature amplitude modulation, MQAM）共4类12种信号进行分类识别。仿真结果表明,当信噪比低至-2 dB时,提出的调制识别优化算法可使12种数字调制信号的正确识别率均达97%以上,极大地改善了低信噪比下的识别性能。     

一种新的低信噪比下的数字调制识别方法

针对数字调制识别在低信噪比下的应用,提出一种新的基于瞬时信息的调制识别算法。该算法一方面提出采用小波滤波器对信号的瞬时信息进行消噪处理,提高了调制识别算法在低信噪比下的识别能力;另一方面利用已有算法的3个特征参数σ_ap、σ_aa、和σ_fa以及在已有算法基础上改进的3个新的特征参数Ra、Rp和Rf,简化了识别过程,改善了低信噪比下的识别效果。仿真结果表明,该算法在信噪比低到5dB时,也能达到95.4%以上的识别率。     

基于DMF的Rake接收机的捕获性能分析

对数字匹配滤波器(DMF)的Rake接收机的捕获性能进行了深入讨论,利用状态转移图推导出频率选择性信道下Rake接收机的平均捕获时间的表达式,并进行了数值分析.得出的主要结论是:DMF的Rake接收机具有很快的捕获速度;对于频率选择性信道,接收信号存在可以分离的多径分量,采用Rake接收机的检测性能要比常规接收机的检测性能好;Rake接收机的抽头数越多,平均捕获时间就越长,捕获性能就越差; Rake接收机的抽头数越多,门限取值范围就越宽.     

基于小波包的24 GHz LFMCW雷达测距方法

信号在毫米波段的快速衰减是影响毫米波雷达测距范围的重要因素之一。为了增加基于线性调频连续波（linear frequency modulation continuous wave， LFMCW）技术的毫米波雷达的有效作用距离，采用小波包分析与快速傅里叶变换相结合的方法对雷达目标进行测距。给出了该方法的实现步骤，并在1 GHz带宽的24 GHz LFMCW雷达实验平台上验证了该方法的有效性。实验结果表明，与经典的差拍傅里叶测距方法相比，本文方法可以将实验雷达的有效作用范围从1~30 m扩大至1~60 m。     

RS_Turbo级联码的性能仿真分析

为了利用RS码在高信噪比时的性能优势和Turbo码在低信噪比时的性能优势，从而进一步提高系统的抗误码性能，将RS码和Turbo码串行级联，并搭建了级联OFDM的WiMax系统进行仿真验证。高阶调制的解调采用最大对数似然比软解调算法，分析了级联码在不同调制模式下基于高斯白噪声和衰落信道的误码性能。仿真结果表明，该系统相对于RS码与卷积码的级联系统有2-3dB的编码增益，而且降低了Turbo码的迭代次数，克服了误码平台现象，达到降低系统复杂度和延时要求。     

群时延和放大器非线性对TDRSS系统误码性能的影响

为研究群时延失真和行波管放大器(TWTA)非线性两者对TDRS系统误码性能影响的关系,首先介绍了群时延和TWTA非线性的概念以及对应的数学推导;然后使用MATLAB/SIMULINK仿真软件包搭建基于TDRS系统的群时延失真和TWTA非线性特性的联合仿真模型;通过对QPSK调制信号在该模型下的仿真分析,得出了群时延失真和TWTA非线性特性对TDRS系统误码性能的影响是不相关的关系。     

电缆调制解调器中数字式8M带宽高频头的研制*

分析了GM数字式高频头的电路结构和特点,提出了8M带宽的数字式高频头设计方案,并用专用集成芯片实现了该方案,实验证明了该方案的可行性.     

基于均方误差的变步长恒模盲均衡算法仿真

阐述了用于信道盲均衡中恒模算法的数学模型和基本原理,在此基础上进一步研究其改进的变步长算法.采用的改进算法是以剩余均方误差作为调整步长的参量,解决了传统恒模算法中,由于采用固定步长而造成的收敛速度与收敛精度之间的矛盾.在分析不同步长对算法收敛性能的影响的时候,使用了集平均的处理方式,使得均方误差学习曲线变得较为平滑,易于比较.理论分析和计算机仿真实验均表明该算法与传统的恒模算法相比,具有更快的收敛速度和更小的稳态剩余误差.     

基于高阶累积量和小波变换的调制识别算法

针对当前调制识别算法在低信噪比下识别率不高的问题,提出结合高阶累积量和小波变换的混合调制识别算法。该算法利用了小波变换提取的两个特征参数,以及基于四阶和六阶累积量构造出一个新的特征参数,并应用反向传播神经网络分类器对调制信号进行识别。仿真结果证明,该算法能够在信噪比低至2 dB时,识别率仍可达到98%以上,由此证明了该方法的有效性和稳健性。