运用多速率处理技术实现软件无线电接收机的数字解调

软件无线电接收机是基于一个通用可编程硬件平台,通过软件来实现各种通信标准。对软件无线电中的关键技术———高速数据采集技术、多速率数字信号处理技术进行了探讨,结合目前器件水平,设计出基于多速率处理技术宽带信号的软件无线电解决方案,即专用可编程器件结合通用DSP处理器完成对中频数字信号解调功能。以AM信号为例进行仿真分析表明:对于宽带中频信号,用低于其信号最高频率的速率采样,数字解调后,完全能够恢复出原始的信号,能较好地完成AM信号的接收解调,满足设计要求。     

数字下变频器HSP50214B在软件无线电中的应用

介绍了数字下变频器HSP50214B的内部结构及其在软件无线电中的应用．首先阐述了HSP50214B模块具有的数字混频、滤波、自动增益控制等功能，通过解调AM信号的一个实例，设计了一个DSP与下变频器的电路，并给出了下变频器部分控制字，展示了下变频器在软件无线电中强大的功能和良好的可编程性。     

混沌调制通信系统解调技术比较研究

将滤波算法和自适应解调算法相结合,比较研究了混沌调制通信系统的几种解调技术.仿真结果表明,将自适应滤波算法和自适应解调原理相结合的方法能够较好抑制信道噪声,并能有效地提取混沌系统的系统参数和恢复消息信号.     

差分检波算法在软件无线电中的应用

根据差分检波原理提出了一种软件无线电中移频键控信号的快速解调算法,理论分析和仿真结果证实了该算法的有效性,与数字化正交解调算法相比,省去了本地载波恢复,计算量小,易于实现,能很好地满足软件无线电中软件编程的要求．     

DSP技术在软件无线电接收机中的应用

ＤＳＰ（数字信号处理）技术正日益广泛地应用于现代通信的各个领域．本文介绍了ＤＳＰ技术在软件无线电接收机中的应用,分析了软件无线电接收机中采用ＤＳＰ技术完成信号滤波、解调等功能的方法,并归纳了实现相应功能的ＤＳＰ数学模型及软件流程     

基于形态小波的高精度重力仪信号快速滤波算法

为了有效抑制高精度重力测量信号中的各种强噪声以获得高精度重力信息,在分析形态小波滤波算法的基础上,结合FFT算法提出了一种快速形态小波滤波算法,并应用于高精度重力仪信号处理中.在滤波过程中,首先在常规小波分解算法各层间增加形态滤波器,以提高小波算法抑制脉冲干扰的能力.然后,将常规小波分解和重构算法进行重组,并参考FFT算法规则设计了一种快速形态小波分解重构算法,以提高小波分解和重构的计算效率.最后,通过仿真试验,将快速形态小波滤波算法与传统小波滤波算法进行性能对比.理论分析和仿真试验结果表明.快速形态小波算法的滤波效果优于传统小波滤波,其运算速度优于Mallat算法.     

基于广义形态滤波的低电压芯片电泳电色谱信号去噪研究

低电压芯片电泳电色谱信号检测过程中常伴随随机、周期性激励信号干扰、基线漂移等干扰问题,为低电压芯片电泳电色谱信号的检测带来很大的困难.为了从强干扰噪声中有效提取低电压芯片电泳电色谱分离图谱,有效抑制噪声干扰,提高测量精确度及稳定性,结合低电压芯片非接触电导检测器输出信号特点,将数学形态滤波算法应用到含有强噪声干扰的芯片电泳电色谱信号去噪中.仿真结果表明:数学形态滤波能有效消除芯片电泳电色谱信号的随机、周期性激励信号干扰、基线漂移等多种噪声,能很好地保留原色谱峰信号的基本特征.由于该方法原理简单、运算速度快,易于硬件实现,适合于强背景噪声条件下的低电压芯片电泳信号实时检测.     

基于EMD和LMS自适应形态滤波的滚动轴承故障诊断

针对铁道车辆走行部的滚动轴承故障特征,其故障信号通常被调制到高频,且还有大量噪声,提出了一种EMD(EmpiricalMode Decomposition)分解和基于LMS(least mean square)算法的自适应广义形态学滤波相结合的方法。先采用EMD分解得到高频信号,将低频干扰和噪声相分离;再使用LMS算法的形态学滤波和闭运算的方法进行形态解调。最后对其进行频谱分析,提取出故障特征。通过仿真实验和实例表明该方法能够有效的消除大量噪声和低频干扰,提取出滚动轴承故障特征。该方法计算速度快,易于实现,具有较好的实用价值。     

NLMS算法在轨道电路信号解调中的应用

针对目前轨道电路FSK信号解调中传统解调方法解调精度不足的问题,在对自适应滤波理论研究的基础上,提出采用基于NLMS算法的自适应滤波模块,利用传统频谱分析法得出轨道电路FSK信号的载频信息作为自适应滤波模块的期望信号,通过提取其中一个载频分量从而还原调制方波,经过计算后得出调制频率,实现信号的解调。仿真结果证明NLMS算法不仅实现了轨道电路FSK信号高精度的解调,并且解决了传统LMS算法在轨道电路FSK信号解调中收敛速度慢的缺陷,具有良好的抗噪性能。     

微波复合调制信号解调算法分析与实现

围绕复合调制信号解调算法与软件实现展开详细的讨论.首先介绍调幅、调频的解调算法.通过相干解调和非相干解调算法的对比,说明了相干解调算法的优越性,并在相干解调算法的基础上,进一步提出了正交解调算法和正切解调算法.利用LabVIEW数据流图的编程方式,编制了二次正交解调算法的软件,实现复合调制信号的数字化解调.通过仿真与实验结果,充分表明,采用二次正交解调算法对复合调制信号进行数字解调,能得到较好的解调效果.     

“二代小波变换算法”在激光雷达回波信号去噪中的应用

提出了一种新的基于二代小波的消噪算法,可以有效地消除激光回波信号中的噪声.仿真结果表明,该算法可以有效地提高信噪比,降低激光回波信号中所含有的噪声,与传统小波去噪算法相比,该算法计算简单,适合于实时处理.     

基于小波变换的图像增强算法

结合小波变换中相关系数理论,提出了一种基于小波变换的图像增强算法,该算法先区分小波域中由细节及噪声产生的高频系数,对由细节产生的信息进行增强,对噪声进行抑制·解决了通常算法中增强细节信号的同时也放大了噪声这个问题·实验表明,该算法在得到很好的图像增强的同时,能很好地抑制噪声,对于多噪声环境下的弱细节信号能达到很好的增强效果·     

一维小波的信号处理在海水中总有机碳测量中的应用研究

结合海水中总有机碳测定的信号除噪问题，对基于小波变换的信号除噪基本原理和方法进行了研究。算法由Visual C++编制完成，通过对采集的信号进行分解，去除其中的高频信号，最后再重构回信号，实现了一维小波的信号处理。实验证明，该算法简捷有效，能达到降低干扰的目的。     

风力机气动噪声测量分析

针对风力机气动调幅噪声,提出了一种新的测量和分析方法。在风力机前部左右45°位置测量调幅噪声。对测量数据高通滤波后,求取瞬时d BC值;傅里叶变换后得到调幅噪声幅值和叶片通过频率。采用此方法对1.5 MW风力机气动噪声进行测量分析,发现风机气动调幅噪声与来流风速和湍流有很强的关联。新方法有助于建立风力发电机组的气动噪声测量标准,以更好的控制风力机的调幅噪声。     

基于AD9854的多功能信号源设计

为了实现高性价比、低相噪和低杂散的数字化信号源,提出了以直接数字频率合成芯片AD9854为核心的设计方案.系统最大限度地挖掘了AD9854的潜力,将数字信号处理器、可编程逻辑器件和先进先出存储器与AD9854紧密结合,输出正弦信号的最高频率为110 MHz、谐波失真小于-30 dBc.能够完成调幅、调频和频移键控等调制功能.     

单通道RLS算法自适应噪声消除及其遗忘因子的确定

利用RLS算法实现了单通道的自适应噪声消除,并且根据语音信号短时平稳的性质,提出了针对语音信号噪声消除计算RLS算法遗忘因子的方法。实验证明,基于该遗忘因子的RLS算法单通道自适应滤波器能够达到较好的语音降噪效果。     

基于改进稀疏度估计模型的压缩感知去噪算法

针对带有高斯白噪声的宽带信号,提出改进基于二项分布的稀疏度估计模型,使其能够适用于带有噪声的信号,并根据稀疏度上界确定采样数目以保证信号能够被准确重构;利用估计的稀疏度上界,改进自适应阈值去噪算法,降低噪声折叠对信号重构的影响。仿真表明,对带有高斯白噪声的宽带稀疏信号,所提算法能够较为准确地估计出稀疏度上界,在保证信号重构精度的前提下,减少了采样数目,同时也降低了自适应阈值去噪算法的计算开销。     

带钢表面检测中压缩感知图像去噪方法

带钢表面图像中存在高斯噪声、椒盐噪声,以及信号的稀疏性问题,为此研究一种压缩感知图像去噪方法,建立基于分段正则化OMP算法的图像去噪模型,经过边裂、孔洞、辊印三种典型缺陷图像去噪处理的仿真实验和对比分析,结果表明在信号稀疏度未知的情况下仍然能够有效可靠地重构信号,保证全局优化的同时提高了算法的运算速度;特别是峰值信噪比(PSNR)值较高,可以有效的滤除噪声污染,改善图像质量,并能满足图像实时处理要求。     

基于FastICA的低信噪比雷达信号分选算法

针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(FastICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.     

一种变步长符号梯度脉冲噪声对消算法

针对最小均方误差(least mean square,LMS)自适应噪声对消器在脉冲噪声干扰条件下实现噪声对消失效的问题,提出了一种变步长符号梯度最小均方误差(variable step size sign LMS,VSSLMS)脉冲噪声对消算法?VSSLMS算法利用符号函数对误差信号?参考噪声信号取符号运算构成符号梯度? 符号算子的量化操作可以抑制脉冲噪声对自适应算法的影响,为进一步提高VSSLMS脉冲噪声对消性能,采用误差功率归一化准则设计步长控制函数,给出了一种变步长算法,该算法能减小由于符号算子引入的量化误差对收敛速度和收敛精度的影响?利用计算机仿真把提出的VSSLMS脉冲噪声对消算法与改进的归一化LMP算法(MNLMP)进行了比较,结果表明,VSSLMS算法具有更快的收敛速度,同时具有与MNLMP算法相近的稳态剩余误差?因此,VSSLMS算法在脉冲噪声对消中具有实际应用价值?