基于最小二乘的阵元位置误差校正及性能分析

针对独立校准信源波达角未知情况下的阵列位置误差校正问题,提出了一种对信号导向矢量的绝对相位进行最小二乘线性拟合,进而估计出阵元位置误差的算法。并对算法的性能进行了详细分析,推导出位置误差估计的显示表达。该算法在对阵元位置误差进行估计时无需迭代运算,甚至不需要一维搜索,具有较低的运算复杂度。理论分析和仿真结果验证了该算法的有效性。     

基于K-L变换的网络调制识别方法

针对BP网络进行通信信号调制样式识别的场合,在输入层和输出层节点数确定的条件下,提出在网络训练完成后应用K-L变换方法确定网络隐含层的节点数,对网络结构进行优化。利用K-L变换的正交性,去除了网络结构的冗余,给出了该算法的理论推导和具体应用步骤,通过仿真验证了算法的有效性和顽健性。利用BPSK、QPSK、16QAM等数字调制信号,选取了三个特征量,分别用优化前后的网络进行调制识别,实验表明优化前后网络的识别性能基本一致。     

递归的稳健LCMV波束形成算法

提出了一种针对指向误差、阵元位置误差或阵元相位误差的递归的稳健波束形成方法。该方法基于导向矢量展开算法,在采用线性约束LMS算法递归搜索最优权矢量的同时,搜索真实的期望信号导向矢量。导向矢量的计算采用基于梯度搜索的最优化算法。该方法避免了常规LCMV算法的矩阵求逆运算,所需运算量小。对存在几种特定误差情况的计算机仿真结果表明,该方法稳态性能优越,对期望信号导向矢量的误差具有很好的稳健性。     

基于四阶累积量切片的宽带传播算子测向方法

四阶累积量的盲高斯性改善了高斯噪声存在情况下的方位估计算法性能,四阶累积量切片同样具有盲高斯性,结合改进的传播算子法(MPM)不但可以降低算法的运算量,还可以改善算法的性能。首先利用旋转不变方法(RSS)对宽带信号进行聚焦处理,聚焦处理后的矩阵输出再求其四阶累积量切片矩阵,对该矩阵利用改进的传播算子法得到测向结果。论述了四阶累积量切片适用于改进的传播算子法的原理,并通过仿真验证了算法在盲高斯噪声、运算量及测向性能方面的优越性。     

基于DDS技术的FM信号发生器的设计及其FPGA实现

以FPGA为主要硬件,采用直接数字频率合成技术结合嵌入式锁相环,开发出了一种具有数字调制功能的FM信号发生器,并在自行研制的ALTERA Cyclone实验板上得到实现.经调试,该信号发生器的频率分辨率为0.596 HZ,最高输出载波频率达到10 MHz,同时具有输出相位连续,抗干扰能力强等优点.     

数字信号调制技术分析

由于目前数字信号和数字传输技术的普及,而在传输系统中运用到数字信号的调制技术,本文着重介绍常见的几种数字信号的调制方法.     

接地技术对生物医学信号采集影响的对比实验研究

接地就是将某点与一个等电位点或等电位面之间用低电阻导体连接起来,形成电路系统的一个基准电位.良好的接地方式不但可以统一测试系统的基准电位,保护电路系统的安全,减小各部份电路之间因多点接地形成的基准电位差,还可削弱甚至消除电路内外对目标信号的干扰.不良的接地方式不但不能统一基准、消除干扰,还可能因此而引入干扰、破坏电路工作的稳定性和安全性,严重时甚至导致电路系统瘫痪而无法工作.生物医学信号属于微弱信号,对干扰噪声尤其敏感.文章通过实验对比,比较了同一个电路在不同接地条件下,对信号放大和检出的效果,说明在生物医学信号检测中,系统是否良好接地,是整个检测系统能否正常工作的重要保证.     

基于群延迟的前移干扰研究

分析了多种雷达波形匹配滤波器的群延迟特性,从匹配滤波器群延迟的角度解释了干扰相对目标前移的原因．由于线性调频(LFM)雷达匹配滤波器的群延迟对频率敏感,因此可以通过改变信号的频率,进而改变输出的时延特性,实现干扰相对真实目标前移．根据干扰机调制的频率规律不同,提出了3种对LFM脉压雷达的前移干扰样式,包括单个孤立前移假目标干扰、多个孤立前移假目标干扰和覆盖干扰,并由LFM雷达匹配滤波器的群延时函数确定了单个和多个假目标干扰相对真实目标的前移量,及覆盖干扰至真实目标的最近距离和干扰覆盖范围等,然后根据干扰频谱和匹配滤波器频谱的关系,研究了由于调频失配导致的幅度损耗,为确定干扰机有效辐射功率提供理论依据．最后仿真结果验证了理论分析的正确性．     

基于内容分析的音频水印算法

提出了一种基于音频内容分析和离散余弦变换的水印嵌入算法.水印嵌入算法首先对音频信号时域特征进行分析,根据设定的门限确定出若干个相对稳定的特征区域,然后对特征区域数据进行离散余弦变换,最后把水印信息数据嵌入到合适的变换系数中.实验证明该算法具有较强的鲁棒性,可以抵抗普通的信号处理、MP3压缩、时间尺度修改和随机裁剪等攻击.     

基于小波变换的语音信号的特征提取

本文将小波变换用于语音信号目标特征的提取,利用小波变换对语音目标进行小波包分解后提取各频带内的能量特征作为特征向量。实验表明,小波变换使信号的频率特征得到增强,且压缩了特征空间的维数,具有很好的语音信号分类效果。