“信号与系统”与“数字信号处理”的知识点整合

"信号与系统"和"数字信号处理"是通信专业的2门核心课程,它们联系非常紧密,内容上存在一定程度上的重复。对2门课程的知识体系及其间的联系进行了分析,在此基础上对2门课程的知识结构进行了重新整合。实践表明,通过知识点的整合,有效地减少了重复的教学内容,解决了教学内容多与教学课时少的矛盾,极大地提高了授课效率。     

分布式MIMO体制天波超视距雷达仿真系统

针对电离层动态性对天波超视距雷达检测概率和探测精度的影响，构建了一种基于分布式多输入多输出(multiple input multiple output, MIMO)体制的完整天波超视距雷达仿真系统。通过搭建模块化仿真框架和可视化展示界面，集成电离层数据接口，实现信号发射、电离层反射、信号接收、信号处理和目标检测的功能。最后对雷达系统探测性能进行评估，利用仿真实例验证了整体雷达仿真系统的可行性。该系统的实现对于分布式MIMO天波超视距雷达的性能评估、布站优化、装备发展论证具有一定的工程指导意义。     

基于Beta混合模型的声学回声抑制

为解决全双工模式下声学回声抑制问题,采用Beta混合模型对两个互相关函数特征量建模.通过估计近端目标语音存在概率,控制双端讲话状态下回声抑制算法的房间冲激响应函数的更新.同时引入一种改进的软判决方法,将语音存在概率与增益函数结合,提高回声估计的准确性,抑制更多的残留回声.客观评价准则评估表明:采用基于Beta混合模型的双端讲话检测算法具有比较低的错误概率,且对房间冲激响应的变化具有较好的鲁棒性,在提高近端目标语音质量的同时达到了更好的回声抑制效果.     

浅析计算机网络技术在广播信号处理中的应用

伴随着社会经济的快速发展,人们的生活和计算机技术紧密联系起来,而且,计算机网络技术也有了很大程度的发展,在很多领域中都运用了计算机网络技术。计算机网络技术在电视广播信号处理中也有着重要的应用。本文首先概述了电视广播信号,以及论述了广播电视的网络技术应用以及存在的意义,并阐述了计算机网络技术在广播信号处理中的应用。     

采用可编程逻辑器件实现数字滤波

介绍了一种利用ALTERA公司的复杂可编程逻辑器件（CPLD）快速卷积法实现数字滤波器的设计。     

轧机偏心补偿控制信息相域滤波提取方法

在深入分析机架偏心作用机制的基础上,提出了轧机偏心补偿控制信息相域滤波提取方法,它利用机架偏心轧制作用强度与轧制过程中轧辊的机械转动相位密切相关的特点,将轧机的时域轧制数据转换为以轧辊转动相位为参变量的数据进行处理.在线性化相域空间中,与轧辊偏心作用相关的信号呈现出显著的周期化特征,而其余的原时域周期信号在转换过程中均被非周期化.在线性化相域空间中,将轧辊转动轧制作用的往复周期作为指定的循环统计量统计周期.理论分析表明,基于统计方法能够有效地消除噪声的影响,同时抑制非指定线性化相域循环分量,实现机架偏心特性信息的有效获取,其实质是线性化相域空间中的梳状滤波器滤波.依据统计获取的机架偏心特征信息可以为轧机偏心补偿提供一定的数据参考.     

RS与GIS支持下的流域景观格局动态变化研究

<正>随着勘探的不断深入和地质认识的不断深化,勘探目标变得越来越复杂,陆续在高能干扰严重的地区(如城镇、矿区等)进行了勘探,在这些地方采用去高能干扰进行资料处理,可以提高原始资料的信噪比和分辨率。去高能干扰在数字信号处理中有着广泛的应用,最早的应用是语言信号处理,用来滤除尖峰噪声,提高语言     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference,EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

心电信号小波分析

心电信号是一种非平稳并具有很多奇异点的微弱信号。小波变换中的模极大值消噪法具有非线性及自适应性,小波的这种特性对于类似于心电信号这种非平稳微弱信号是十分适用的。针对传统的消噪方法在处理心电信号时的局限性,研究了小波变换的时-频局部化特性及基于多分辨率分析的信号小波分解和重构算法———Mallat算法。采用小波分析的模极大值法实现对QRS波R峰值点的检测,以及对心电信号的消噪处理。通过试验研究可知,运用小波进行QRS波检测,QRS波的识别率高达99.9%,经过消噪重构后的心电信号信噪比较原始信号有较大提高。