基于批处理和Teager Kaiser算子的BOC信号联合捕获算法

针对较低信噪比条件下二进制偏移载波信号的捕获问题,提出了一种基于批处理和Teager Kaiser(TK)算子的联合捕获算法。该方法首先对接收信号和组合扩频码进行批处理和平均处理,并将接收信号转换到频域进行多次循环移位;然后,将得到的最佳频偏补偿序列与组合扩频码进行圆周相关运算得到最大相关值;最后,引入相关峰能量最大值与次大值的比值作为门限判决变量,比较了所提 TK算子法、差分相干累积算法和批处理算法的检测概率。仿真结果表明,在同一条件下,TK算子法检测概率比差分相干算法提高了约2 dB,比批处理算法提高了约6 dB,并减少了捕获时间。     

基于FDM的多进制多用户DCSK

基于传统的多用户差分混沌移位键控(differential chaos shift keying,DCSK),本文提出一种新型的多进制多用户DCSK 混沌扩频通信方案。该方案在发送端将二进制码元转换为多进制码元,极大提高了二进制码元的传输速率,并利用频分复用实现多用户传输。接收端将所有用户参考信号合并作为新的参考信号,分别与各个用户进行相关解调。仿真结果表明,增加用户数可以有效改善多进制多用户DCSK系统的误码性能,该方案具有一定的实际应用价值。     

在现代高校图书馆管理中引入Z理论的设想

Z理论以其先进的管理理念得到各国管理界和管理学者的注意,并产生了深远的影响。可以说,Z理论为高校图书馆管理指明了一个方向。本文阐述了Z理论的涵义和内容,分析了Z理论在现代高校图书馆管理中运用的实际意义,并指出在现代高校图书馆管理中应遵循的原则。     

一种新的窗函数法设计余弦调制滤波器组系统

针对用传统的窗函数法,设计滤波器组存在设计复杂、性能不理想等缺点,提出了一种新的余弦调制滤波器组设计方法。该方法采用了一种在理想滤波器的过渡带内插样条函数的窗函数法设计原型滤波器,放松精确重构的限制条件,将余弦调制滤波器组的设计问题转化为无约束的目标函数的优化问题;再用量子粒子群优化算法优化目标函数,求得最优参数通带截止频率,设计出有限冲激响应（finite impulse response, FIR）原型滤波器。仿真实验表明,用本文算法设计的余弦调制滤波器组在幅度失真、混叠失真、信噪比、重构误差等方面都明显优于用传统的“砖墙式”理想滤波器设计的余弦调制滤波器组,用本方法设计的余弦调制传输复用器在通信系统中的应用也有很好的性能。     

基于多主分量神经网络的同步DS-CDMA伪码盲估计

针对批处理方法在实现非等功率同步直接序列码分多址(direct sequence code division multiple access, DS-CDMA)信号伪码序列盲估计时存在的复杂度高、收敛速度慢的问题,引入了3种多主分量神经网络(Sanger NN、LEAP NN和APEX NN)。首先将已分段的一周期DS-CDMA信号作为神经网络的输入信号,用神经网络各权值向量的符号函数代表DS-CDMA信号各用户的伪码序列,然后通过不断输入信号来反复训练权值向量直至收敛,最终DS-CDMA信号各用户的伪码序列就可以通过各权值向量的符号函数重建出来。此外,本文提出了一种在递归最小二乘(recursive least square, RLS)意义下的最优变步长收敛模型,极大地提高了网络的收敛速度。理论分析与仿真实验表明:将3种神经网络用于同步非等功率DS CDMA信号伪码盲估计时的复杂度均明〖JP2〗显降低,且LEAP NN与Sanger NN均可有效地实现-20 dB信噪比、10个用户下的同步非等功率DS-CDMA〖JP〗伪码盲估计,APEX NN则相对较差,此外,LEAP NN消耗内存较大、收敛速度快,APEX NN相反,Sanger NN则介于两者之间。     

TDDM-BOC信号副载波类型识别及参数盲估计

针对低信噪比下二进制偏移载波时分数据调制(time division data modulation-binary offset carrier,TDDM-BOC)信号的副载波类型盲识别及参数盲估计问题,提出了一种改进的基于循环谱包络的方法。该方法首先建立副载波分别为正弦和余弦时的TDDM-BOC信号模型,然后推导其对应的循环谱包络,最后通过在循环频率域的一维搜索即可完成副载波的类型识别以及伪码速率和副载波速率的盲估计。仿真分析表明,对于TDDM-BOC(10,5)信号,该方法能在低信噪比下对副载波类型进行有效识别并且实现伪码速率、副载波速率的有效估计。     

高速降噪差分混沌键控系统

差分混沌键控(differential chaos shift keying, DCSK)系统的最大缺点是参考信号和数据信号消耗了相同比例的能量和数据传输速率。为了克服这一缺点,提出了一种高速降噪的差分混沌键控(high rate noise reduction differential chaos shift keying, HRNR-DCSK)系统。该系统将数据信号扩展为多个时隙,每个时隙传输不同的数据比特,并且参考时隙的长度随着传输比特数量的增加而缩短,最后在接收端通过降低接收信号噪声的方差来提高系统的误码率(bit error rate,BER)性能。该方式提高了数据传输速率,降低了比特能量。采用高斯近似法(Gaussian approximation, GA)推导出加性高斯白噪声(additive white Gaussian noise,AWGN)信道以及瑞利信道中的比特BER公式并进行仿真。理论分析和仿真表明:在两种信道中理论推导和仿真曲线有较好的吻合,同时HRNR-DCSK系统能有效改善系统的传输速率,在混沌通信领域具有一定的应用前景。     

基于改进Rake模型的多径BOC信号精确捕获方法

针对多径二进制偏移载波(binary offset carrier,BOC)信号自相关函数的多峰性导致的捕获模糊性问题,提出了一种基于改进Rake模型的精确捕获方法。该方法依据Rake接收机可以有效利用多径分量的优点,首先将接收的多径BOC信号分离后经过带有载波相位估计功能的Rake模型,得到了采用最大比合并方法后的近似单径信号,然后采用带有频偏校正的相关重构方法对BOC信号进行捕获,并详细阐述了相关重构原理。理论和计算机仿真分析表明,在同一条件下,该方法较其他方法具有精度高、易实现的优点,且BOC信号阶数越高效果越好。     

基于多特征融合的MIMO-OFDM系统单-混信号调制识别算法

为解决非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)系统的单-混信号调制识别问题,提出一种基于多特征融合和决策融合的调制识别方法。首先,利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)算法从接收端恢复发送信号;然后,提取恢复后信号的四次方谱、循环谱和高阶累积量作为输入样本,利用多特征融合网络对输入样本进行训练;最后,使用决策融合策略根据每条支路输出得到最终判决结果。仿真实验结果表明,所提方法可以对MIMO-OFDM系统中的7种信号进行有效识别,在信噪比为10 dB时识别精度可达99.4%。     

直扩信号的谱检测和神经网络估计

论述了二次谱理论、谱相关理论和神经网络方法在直接序列扩频(DS/SS)信号的检测与估计中的应用,提出了利用谱分析结合神经网络的方法来实现对低信噪比DS/SS信号的参数及其伪码(PN)序列的估计.计算机模拟结果表明,该方法在较低的输入信噪比条件下能良好地工作.