涡街流量计信号处理方法研究与系统设计

将小波变换用于涡街流量计,介绍了基于离散小波变换和连续小波变换功率谱估计的信号处理方法,给出了仿真步骤与结果,并讨论其特点,从而设计了基于DSP的信号处理系统。研究中所用方法适用于其它流量计,基于DSP的信号处理系统具有功能强、速度快及可靠性高等优点。     

信号的DFT对其CFT逼近程度的研究

离散傅立叶变换（ＤＦＴ）或它的快速计算（ＦＦＴ）是信号分析与处理最有力的工具之一,但由于它是用为基频整数倍的Ｎ个频率分量去逼近实际信号的连续傅立叶变换（ＣＦＴ）的值,故用ＤＦＴ估计信号的频谱通常是近似的．本文不仅给出了信号的ＤＦＴ与其ＣＦＴ之间的关系式,而且在此基础上证明了用ＤＦＴ估计信号谱的近似性,给出了用ＤＦＴ精确估计整数频率和非整数频率信号的频谱方法．同时,还研究了窗函数的形状及在离散数据后面补零对用ＤＦＴ估计这些信号ＣＦＴ的影响     

谱分析预测法及其在气象上的应用

介绍有关经典的谱分析及其谱估计方法 ,并应用于天气预报中取得良好效果     

一种基于OFDM的自同步穿墙雷达系统

本文提出了一个自同步的穿墙雷达系统.不同于现有利用外部同步时钟的穿墙雷达系统,它是采用基于正交频分复用(OFDM)的自同步技术和干扰对消算法,来解决有关收发端同步及强干扰对消问题,进而通过多载波融合波达角估计算法,进一步提供了障碍物后人体运动状况的检测性能,在软件无线电平台上,搭建了两发一收测试系统对提出的系统进行了验证.实验结果表明,该系统可实时探测障碍物后1.5m内的人体运动状况.     

低信噪比的空间谱估计通道幅相误差校正算法

针对低信噪比情况下空间谱估计算法性能下降的问题,建立了低信噪比的阵列误差模型.该模型不仅考虑了通道幅相误差对接收信号的影响,还考虑了它对接收机通道噪声的影响.利用该模型提出了一种通道幅相误差校正算法,该算法结合阵列接收数据自相关矩阵的特征值分解和迭代方法,可以在低信噪比情况下准确求得阵列通道幅相误差,使得高分辨率的空间谱估计算法能够很好地应用于毫米波热辐射阵列接收系统.最后通过仿真和实验验证了所建立的阵列误差模型和算法的正确性和有效性.     

AR模型功率谱估计常用算法的性能比较

功率谱估计是分析随机信号的一种重要方法．通过分析AR模型功率谱估计,介绍AR模型参数提取的L-D算法、Burg算法和Marple算法,并利用计算机仿真比较三者的性能．     

基于周期图谱估计的BL Lac天体S50716+714光变周期

收集了BL Lac天体S5 0716+714从1994年到2008年的观测数据,通过周期图法和Welch提出的修正周期图谱估计法分别计算了BL Lac天体S5 0716+714光学I、R、V三个波段的光变周期,不同波段的计算都得到该天体两个较为明显的光变周期。结果表明S5 0716+714存在两个主要光变周期:一个是存在约3.33年的周期,另一个是约2.60年的周期,这一结果较好的与Raiteri等人的结论相吻合。     

新的空时二维谱估计信号模型

针对现有空时二维谱估计算法在信号数增大时均不同程度出现性能上的恶化直至失败的问题,总结了目前通用的空时二维谱估计信号模型,提出了“时域副流形”的概念及相应的信号处理方法。该算法通过时域投影对信号进行预处理,先从时域上对信号进行粗分,从而以较小的代价换取大信号数情况下算法性能的改善。理论分析与仿真结果证明了算法的有效性。     

柴油机振动信号谱估计的自回归方法

介绍了经典谱分析和现代谱分析中自回归 (AR)谱分析的各种常用方法 ,比较了各种方法对模拟信号 (样本总数N =32 )和柴油机爆发信号 (N =12 8)的处理效果。结果表明 ,经典谱分析方法的稳定性好 ,但分辨率受信号样本数影响 ,不适于小样本信号。现代谱分析方法比经典谱分析方法有更高的分辨率 ,因而可用于柴油机小样本数据段的分析 ,但使用时要注意模型阶次 p的选择。当 p太高时 ,各种方法都出现不稳定的现象。自相关法的分辨率略低 ,但其稳定性较好 ,可优先考虑使用。柴油机振动过程中有许多小样本信号 ,如爆发、阀开关、喷油信号等 ,它们引起的振动信号都非常短 ,采用AR谱估计方法是非常合适的     

基于去噪盲分离的多个直扩信号参数估计

噪声条件下多个直扩信号混合情况下的参数估计是传统算法所无法处理的,为此提出将去噪盲分离算法应用于此问题,达到噪声消除和使多个扩频信号相互分离的目的。首先回顾了在低信噪比条件下估计单个直扩信号参数的循环谱估计技术,并且说明了盲分离算法在估计多个混合直扩信号参数的可行性。然后给出了含噪盲分离的基本模型和一种有效算法移偏快速独立分量分析(fast independent component analysis, FASTICA)。接着引出了一个算法框架--去噪盲分离,证明了经典独立成分分析(independent component analysis, ICA)算法可以统一到这个框架中。仿真结果表明了算法的有效性和实用性。