模型参考控制在两级驱动伺服系统中的应用

基于计算机硬盘的两级驱动伺服系统，采用模型参考控制改善VCM伺服环的输出，并将其回馈给MA伺服环作为输入，利用MA高频宽、响应快等优点，调节VCM输出及位置误差信号，获得较为理想的复合输出结果。实验仿真结果验证了本文控制算法的有效性。     

面向未来网络技术的新一代布线系统

6类布线系统是面向未来高速网络技术的布线系统，随着6类系统测试标准的制定，6类布线系统的应用将越来越普遍，使用高带宽的6类布线系统实现千兆到桌面的应用，将大大减少在网络设备上的投资．本文从3个方面分别介绍了采用6类布线系统的意义、6类系统相对于超5类系统在性能方面的改进和投资6类系统建设的几点经验和建议．     

多天线OFDM系统的线性优化

从Jakes信道模型出发,用KKT优化方法,从信道部分特性已知的情况推导了多天线OFDM系统中发射机与接收机的线性最优化设计问题。仿真比较了多天线OFDM系统的各个子载波之间采用合作的线性优化与非合作的线性优化两种方法在不同最大多普勒频移和反馈时延下发送符号的均方误差。仿真结果表明,当信道特性部分已知时,子载波之间合作的线性优化较之非合作的线性优化有更小的均方误差。可为存在反馈时延的多天线OFDM系统设计提供指导     

基于DPCA、ATI和MUSIC的动目标检测方法

针对SAR(合成孔径雷达)动目标检测,提出一种DPCA(中心相位偏置天线)、ATI(沿迹干涉)和MUSIC(多信号分类)相结合的三孔径动目标检测方法。该方法首先采用DPCA技术消除杂波干扰、检测运动目标,然后用ATI和MUSIC方法确定目标的位置和速度。理论分析和计算机仿真表明,该方法是有效的,不仅能够检测运动目标,而且能够精确估计其运动参数。     

星际链路天线的建模与仿真

理论结合工程实践，介绍了卫星通信网络中的星际链路的特点及各种关键因素，重点讨论了星际链路天线的仿真模型，分别建立了天线方向图模型和天线增益模型，并给出了NS下的仿真分析方法，提高了NS下卫星通信网络的仿真精度。     

采用传播图论建模方法的Massive MIMO室内场景传播特性

大规模多天线(Massive MIMO)技术在基站端配置大规模天线阵列,能够大幅度提升数据传输速度和系统容量,实现无线传播信道中的空间和时间资源的最大化利用.有关Massive MIMO无线传播信道的研究,对大规模多天线的应用、系统的设计与部署具有重要意义.本文采用传播图论信道建模的方法,研究Massive MIMO在实际传播信道中的性能表现,既能很好的避免信道实测带来的繁重工作,又能有效反映Massive MIMO的无线信道衰落特性.分别在高频点6GHz和低频点1.472 5GHz对选定的室内传播场景进行了信道建模与仿真,由传播图论建模方法得到了信道冲激响应,并进行参数提取,分别从角度域和时延域分析了大规模多天线系统的信道传播特性,并通过分析信道奇异值扩展的分布,证明了实际传播环境中天线数目增多信道的正交性显著增强.     

基于卷积神经网络的多天线Polar码联合解调-解码方案

为了验证运用神经网络进行信道解码的可行性,利用其提高短码长Polar码的译码准确率,提出了一种基于卷积神经网络(convolutional neural network,CNN)的多天线(multiple-input multiple-output)Polar码新颖联合解调-解码方案.搭建了一种包括4个卷积层,2个全连接层和1个输出层的卷积神经网络,采用最小均方误差作为损失函数,通过计算机生成了Polar码编码的多天线数据并对网络进行训练,使训练得到的神经网络能很好地提取出Polar码比特间的关系特征,从而拟合出Polar码译码函数.仿真结果表明,在相同信噪比条件下,基于CNN的Po-lar码联合解调-解码方案的误码率优于已有的基于全连接神经网络方案;所提方案在不同码率的仿真实验中的误码率皆优于基于全连接神经网络方案,损失曲线的收敛速度更快,显示了基于CNN的Polar码联合解调-解码方案具有更好的泛化能力和学习能力.     

一种新型结构一体化设计卫通平板天线

卫通平板天线被广泛应用于高机动性移动载体平台上,与传统天线结构布局方案相比,新型结构一体化设计方案优势明显。其在满足天线的使用功能要求的同时,提升了天线的结构性能。利用MSC软件建立天线的力学分析模型,对新型天线结构强度进行了校核。新型方案对其他站型天线的一体化设计具有一定的指导意义。     

一种基于IP多播的MPEG-4实时网络监控系统

监控系统的应用领域越来越广泛,尤其对网络监控的需求日益增加,网络监控系统具有数据量大和客户分散等特点,对带宽和实时性都有很高的要求．IP多播技术不但节省了宝贵的网络带宽,减少了网络流量,而且有效地减轻了服务器和网络上非接收点的负担．     

基于免疫神经网络的雷达天线扫描方式的识别

采用了免疫RBF网络进行雷达天线扫描方式的识别.计算机仿真结果表明,对目前常见的几种简单的雷达天线扫描方式,免疫RBF网络系统在输入信噪比为4dB时的识别率已经达到99.13%,而它的网络训练步数仅需99步,具有非常优越的性能.