基于周期平稳信号特性的神经网络波束形成技术

绝大多数通信信号都具有周期平稳信号特性,SCORE算法就是一种利用周期平稳信号特性的优良的波束形成算法.然而,对于矩阵运算和矩阵求逆的巨大运算量的要求限制了它的应用.文中根据神经网络理论提出了一种神经网络波束形成技术(NNBFT),较好地解决了这一问题.仿真结果表明其性能优良,抗干扰性强     

引导学生理解信号频谱的概念和意义

针对教学难点,就如何引导学生有效理解信号频谱的概念和频域分析的意义,提出信号频域分析的教学思路和方法.即先用单个正弦信号说明频谱的定义,从信号分解的角度理解频谱与信号的关系,再分析周期信号频谱的特点,进而引导出求非周期信号频谱的傅里叶变换,说明其意义,通过傅里叶变换的性质强调频域分析的实际应用.     

矩阵在离散时间信号频谱分析中的应用

在经典信号处理理论中,按照连续和离散、周期和非周期将信号分为了连续周期信号、连续非周期信号、离散周期序列和离散非周期序列.对这些信号进行频谱分析.分别成为连续时间傅里叶级数(FS)、连续时间傅里叶变换(FT)、离散傅里叶级数(DFS)和离散时间傅里叶变换(DTFT).     

应用循环平稳特性的宽带信号DOA估计

针对循环平稳宽带信号DOA估计问题,结合信号的循环平稳特性和共轭循环平稳特性,采用子空间分解方法研究宽带信号DOA估计方法. 该方法同时利用宽带信号循环平稳和共轭循环平稳两方面信息构造出扩展循环相关矩阵,采用常规方法得到宽带信号的方位谱,继承了Cyclic MUSIC算法的优点,当处理宽带信号源时不需要估计最佳延时时间. 仿真结果表明该方法具有良好的宽带信号选择能力和分辨能力,能抑制大功率干扰信号,估计性能较好.     

矩阵在离散时间信号频谱分析中的应用

<正>在经典信号处理理论中,按照连续和离散、周期和非周期将信号分为了连续周期信号、连续非周期信号、离散周期序列和离散非周期序列。对这些信号进行频谱分析,分别成为连续时间傅里叶级数(FS)、连续时间傅里叶变换(FT)、离散傅里叶级数(DFS)和离散时间傅里叶变换(DTFT)。信号的傅里叶分析可以实现将信号     

船舶辐射噪声的非平稳ARMA模型的建立

分析了船舶辐射噪声信号的特点,提出了一种简单、新颖的适用于船舶辐射噪声的非平稳ARMA模型.对海上实录的三大类船舶辐射噪声建立ARMA模型的实验结果表明该非平稳模型不仅具有较简单的形式,而且具有较高的精度.     

Hilbert-Huang变换及其应用研究

讨论了几种非线性非平稳信号的时频分析方法,重点介绍了经验模态分解方法及Hilbert-Huang变换,并对Hilbert-Huang变换的时频分析特性进行了计算机模拟仿真分析.给出了Hilbert-Huang变换在心音信号分析中的应用实例,实验结果验证了该方法的有效性和优越性,具有一定的工程应用价值.     

利用循环相关特征的自适应模糊调制分类

针对非平稳数字调制信号,提出一种高阶正交循环累量特征,具有“屏蔽”干扰和噪声的特性. 采用模糊神经网络非线性动态建模的调制识别器,根据特征训练样本的大致分布状况建立蕴涵初始经验的模糊推理系统结构,再嵌入神经网络的结构和自适应学习算法对模糊系统参数进行调整和优化,完成模糊神经网络模型的逼近求精. 对MASK, MPSK, MFSK, MQAM 等信号进行仿真实验,结果表明系统在信噪比等环境参数变化较大的情况下适应性和容错性良好. 相对于神经网络等识别器,具有初始经验的系统结构更明确,建模周期较短,算法识别率和效率有明显提高.     

一种稳健的语音传输路径自适应建模系统及应用

针对语音信号的特点,提出一种稳健的语音传输路径自适应建模系统.它在引入宽带平稳训练信号克服非平稳输入自适应建模失配的基础上,用小延时预测滤波消除自适应建模的语音干扰,同时用补偿滤波来修正预测滤波导致的训练成分失真.计算机仿真表明,该建模系统在回声抵消、语音增强等领域均有很好的应用前景.     

喘振频域特性的实验研究

对离心压缩机从平稳工况向喘振过渡的动态压力信号,首先利用相关积分法定量确定喘振各发展阶段;然后采用FFT-FT提高过渡段和喘振段信号的频率分辨率,从而计算出准确的喘振先兆和喘振频率;最后对整段信号进行连续频谱细化分析.结果表明,过渡阶段和喘振阶段的主频均在所确定的频率附近波动.本文的研究将为喘振频域监测指标的选择提供科学的依据.