采样前置GIC椭圆带通滤波器的研制

介绍了作为语音识别系统的基本环节之一——采样前置带通滤波器的研制情况,对采样前置滤波器的滤波特性的确定原则进行了讨论,提出应如何选择带通滤波器的上限截上频率和采样速率,确保混叠发生在感兴趣频带之外,借以减小混叠误差。所研制的采样前置GIC 椭圆带通滤波器由八阶高通和九阶低通滤波器串联构成,所用的运算放大器数目较多。为了得到预期的滤波特性,保证各运算放大器工作在合理的状态,作者设计了零电平调整电路,使得滤波器的调试变得容易,性能指标满足要求。     

一种低功耗CMOS LNA优化设计方法

基于SMIC 0.18 CMOS工艺,设计了一个工作频率为5.8 GHz的差分低噪声放大器。针对低功耗电路的设计要求,通过在输入级增加电容实现了限定功耗下的输入和噪声同时匹配。仿真结果表明,设计的低噪声放大器具有良好的综合性能指标。增益为22.47 d B,噪声系数为1.167 d B,输入反射系数(S11)、输出反射系数(S22)、反向隔离度(S12)分别为-24.74 d B、-17.37 d B、-31.52 d B。在1.5 V电源电压下,功耗为17.3 m W。     

一种多用户多输入多输出系统下行链路线性预编码方法

针对多用户多输入多输出系统下行链路线性预编码的信干噪比最大化方法中,共信道干扰抑制和噪声抑制不能有效平衡的问题,提出将其中的噪声方差项修正为以噪声方差为变量的分段线性函数的改进方案.该方案通过对噪声方差项的分段修正,在噪声方差的值较小时依然能够保持共信道干扰抑制和噪声抑制间的平衡,从而使系统的误比特率性能和容量得到进一步提高.仿真结果表明,与信干噪比最大化法相比,所提方案对于基站天线数为5、移动用户数为3、移动用户天线数均为2的多用户系统,在平均误比特率为10-4水平上可以获得2 dB的性能增益,当信噪比为10dB时,可以使系统的各态历经容量增加1 b.(s.Hz)-1.     

分布式多输入多输出雷达的侦察分析

分布式多输入多输出(MIMO)雷达利用空间分集增益,提高检测和估计的性能,从而在电子对抗中产生了诸多优势。该文针对分布式MIMO雷达的侦察问题,首先提出了一套完整的侦察方案,建立起侦察一方与雷达一方的互动机制。该方案采用一个接收阵列采集雷达信号,并通过对雷达发射机数目和方位的估计,实现在空间上对多个雷达信号的分离,继而判断出是否存在分布式MIMO雷达。分别从侦察一方与雷达一方的角度出发,提出侦察与反侦察的策略和算法。研究结果表明:采用相对更多的接收阵元数以及选用改进的波达方向估计算法可以提高侦察能力;采用非均匀、大范围的MIMO雷达布阵方式以及利用MIMO雷达的选择性分集和波形优化可以提高雷达的反侦察能力。     

基于非理想信道状态信息的鲁棒矢量预编码设计

在多用户多输入多输出（MIMO）系统中,提出一种适用于非理想信道的鲁棒矢量预编码设计方法.使用非理想信道模型,发射端仅获得部分信道状态信息,即已知信道估计值及信道误差值的一阶和二阶统计量,利用已知的信道条件并最小化收发信号的均方误差,推导出鲁棒的矢量预编码矩阵和扰动矢量.仿真表明,该鲁棒预编码方法比传统方法具有更好的性能.     

基于变换空间法的结构参数识别及地震输入反演

针对地震作用下结构参数识别及未知输入反演问题,本研究提出一种仅观测部分自由度绝对加速度响应识别结构参数及反演未知输入的方法.首先,该方法基于变换空间法和最小二乘法,直接识别一层以上的结构阻尼和刚度参数;然后,利用识别得到的模态信息,求解一层刚度参数;最后,将动力方程转变到变换空间内,建立相邻采样时刻地震动输入的相关关系...     

基于最大比传输预编码天线分组技术的大规模多入多出系统能效研究

大规模多输入多输出(MIMO)系统中,大型天线阵列之间的强天线相关性会导致系统性能降低.针对下行链路场景,提出基于最大比传输预编码的联合天线分组和天线选择算法,把大规模天线阵列划分为若干组,在每组中基于信道矩阵最大列范数选择天线,构造所选天线与接收天线间的信道矩阵,并计算对应的预编码矩阵.建立能效模型,分析联合天线分组...     

五轴汽车同相位程度对转向性能的影响分析

根据多轴汽车轴数较多,转向控制复杂的特点,提出了以汽车转向中心与第1轴的距离D以及前轮偏转角作为输入控制变量,基于阿克曼定理实现全部车轮绕同一瞬时转向中心做圆周运动,通过改变D值实现多种相位的转向模式。在此基础上利用ADAMS建立了5轴汽车的动力学模型,利用Simulink建立了控制策略,进行了不同D值、不同车速的角阶跃转向响应仿真,发现多轴汽车在高速行驶时后轮采用同相位参与转向,可以降低横摆角速度,提高操纵稳定性,并且在进行同相位转向时,D值对操纵稳定性有较大影响,选择合适的D值可以提高汽车的转向安全性或操纵灵敏性。     

A self-similar local neuro-fuzzy model for short-term demand forecasting

This paper proposes a selfsimilar local neurofuzzy （SSLNF） model with mutual informati onbased input selection algorithm for the shortterm electricity demand forecasting. The proposed self similar model is composed of a number of local models, each being a local linear neurofuzzy （LLNF） model, and their associated validity functions and can be interpreted itself as an LLNF model. The proposed model is trained by a nested local liner model tree （NLOLIMOT） learning algorithm which partitions the input space into axisorthogonal subdomains and then fits an LLNF model and its associated validity function on each subdomain. Furthermore, the proposed approach allows different input spaces for rule premises （validity functions） and consequents （local models）. This appealing property is employed to assign the candidate input variables （i.e., previous load and temperature） which influence shortterm electricity demand in linear and nonlinear ways to local models and validity functions, respectively. Numerical results from shortterm load forecasting in the New England in 2002 demonstrated the accuracy of the SSLNF model for the STLF applications.     

汉语点字（盲文）的计算机处理

介绍了计算机处理盲文的方法，包括汉语点字方案、点字编码方案、点字机内码的形成及点字的计算机输入方法。