CCITT G.721 ADPCM编解码器软件实现

本文论述了 CCITT 1986年10月提出的32kb/s ADPCM 语音压缩编码 G.721建议的基本结构,自适应量化和自适应预测算法基本原理,并利用数字信号处理器 TMS 32010的各种运算技巧,尽量压缩指令执行时间,用计算机模拟标准算法作为调试手段,完成了 G.721标准的编码器和解码器全部功能,达到运算精度与 G.721完全一致,并全部通过了数据测试序列.     

盖氏圆准则信源数估计算法的分析与改进

为了减少盖氏圆准则信源数估计算法的运算量并且提高信源数估计的精度,根据噪声空间与阵列导向矩阵的正交性原理,设计了基于特征空间的信源数估计算法(Estimator Based on Eigenvectors,EBE).EBE构造时空相关矩阵,利用色噪声在时间上相关性比较弱的特点,实现对空间色噪声的抑制.在空间白噪声环境下和空间色噪声环境下测试了EBE信源数估计的性能并且与传统的盖氏圆准则和其它色噪声类信源数估计的一些算法比较,证明了EBE在空间白噪声和空间色噪声环境下的有效性.EBE不仅节省了盖氏圆准则信源数估计中一次特征分解的运算量,并且同时提高了信源数估计的性能.     

基于B—W交换的数据压缩方法

介绍一种基于Ｂ－Ｗ变换的数据压缩方法，该法首先将数据序列作Ｂ－Ｗ变换，使得相同的符号尽量集中在一起，然后再作前移编码，使待编码的序列中含有大量的０符号，从而可采用Ｈｕｆｆｍａｎ编码或算术编码，提高压缩效率，实验表明，这一方法的效率经常用的ＬＺＷ或算术编码的效率有较大的提高。     

基于原模图LDPC码的联合信源信道译码器的硬件实现

采用FPGA(field programmable gate array)设计基于原模图低密度奇偶校验(low density parity check,LDPC)码的联合信源信道译码器,信道部分和信源部分都是由原模图LDPC码组成.在原模图LDPC码联合译码器的硬件实现架构中,通过2步循环扩展得到了适合硬件实现的准循环原模图LDPC码,译码器信息的迭代更新采用TDMP (Turbo decoding message passing)分层译码算法,采用的归一化最小和算法使得P-JSCD(photograph-based joint source and channel decoding)具有部分并行结构.最后,为了降低资源消耗和译码延迟,采用了提前终止迭代策略.基于FPGA平台的硬件实现结果表明,该联合译码器的译码性能非常接近相应的浮点算法,并且最大时钟频率达到193.834 MHz,吞吐量为24.44 Mbit/s.     

空间非均匀噪声下应用Bootstrap技术的信源数检测

针对阵列系统接收数据有限且存在空间非均匀噪声的信源数估计问题,提出一种基于Bootstrap技术和空间正交性的新方法.该方法首先估计任意信号的入射角度,然后对阵列协方差矩阵进行特征分解,提出了以特征向量和阵列流型矢量内积为基础的一系列假设检验,数据分布未知,并且应用Bootstrap方法估计零假设下提出的检测统计量分布.通过仿真证明了所提方法,在低信噪比(SNR)和小快拍数的情况下有较好的性能.     

普适信源,普适划分及语义识别信息

本文通过分析仙农(Shannon)测度,得出“划分”是获取信息的依据和根本方法.利用连续划分由离散信源熵推导连续信源熵,可消除 log△→∞的矛盾.通过讨论模糊划分,得到划分的信息客观度和信息散失度,定量解决了正确选择‘划分’的问题.针对仙农信源及其划分的缺陷,本文提出了普适信源和普适划分,从而可以认知信源输出的语法信息及语义识别信息;并且证明:仙农信息只是后者的近似.     

噪声信道下最佳矢量量化器的人工神经网络实现方案

噪声信道影响下的矢量量化器设计,实际上是一个信源、信道联合编码(joint soruce/channel encoding)问题。本文提出了一种利用人工神经网络ANN(Artificial Neural Network)技术解决联合编码的组合优化问题的方案,该方案较好地解决了有噪声信道条件下的最佳矢量量化器的设计问题。由于将信道传输特性直接引入到神经网络的构造中,因此,对网络进行训练后,最终得到对噪声信道影响具有一定程度的抑制作用的矢量量化器。我们针对BSC信道对所提方案进行了分析和模拟,结果表明,在量化网络设计中,考虑噪声信道影响的因素,可使训练得到的量化网络的量化特性对噪声信道的影响表现出明显的韧性。     

未雨多绸缪 任重而道远

“科技市场会消失吗?”这是科技市场管委会听到的最尖锐、最痛心的话了。然而,在现实的危机到来之前已经意识到危险毕竟是一件让人庆幸的事情。未雨绸缪,总有解决危机的办法。事在人为,天道酬勤。只是这种谋划,要更加科学、更加慎重,更加费神。     

基于盖氏圆方法的宽带信源数目估计

针对低信噪比和小快拍数情况下宽带信号源数目较难精确估计的问题,提出了一种基于盖氏圆方法的宽带信号源数目估计算法(GDECSM)。盖氏圆方法通过利用盖氏半径对矩阵特征值范围的限定关系,能有效区分信号子空间与噪声子空间,在宽带信号源数目估计中能够产生良好的检测效果。仿真实验表明,与基于AIC准则的宽带信源数目估计算法(AICCSM)相比,GDECSM算法在低信噪比和小快拍数时都具有更高的检测概率,运算复杂度也有所降低。     

基于均匀圆阵的循环平稳信号的DOA估计

相干信源的DOA估计一直是一个十分棘手的问题,由此提出了一种基于均匀圆阵的利用信号循环平稳特性进行DOA估计的方法.利用模式空间变换算法以及矩阵分解算法的思想,结合信号的循环平稳特性和Cyclic MUSIC算法,实现在高斯白噪声背景下均匀圆阵相干信源的DOA估计.通过MATLAB仿真验证了该算法具有良好的解相干能力,在低信噪比条件下具有比常规的循环空间平滑算法更好的解相干性能.