北斗系统C波段导航信号调制方式及性能评估

针对C波段卫星导航信号严格的兼容性约束要求,探索性地将基于椭圆球面波函数的连续相位调制(continuous phase modulation based on prolate spheroidal wave functions, CPM-PSWF)应用于C波段导航。在分析了关键参数对CPM-PSWF信号功率谱特性影响后,初步筛选出4个CPM-PSWF子族作为C波段候选导航信号,并对其导航性能指标进行评估。在权衡C波段信号频谱兼容性和各导航性能指标基础上,提出将“QM2PSWF(10)C=6”且h=0.5的CPM-PSWF信号用作北斗系统C波段的导航信号。研究表明,所提出的CPM-PSWF信号频谱泄露少,带外衰减快,同时在码跟踪精度与抗多径性能方面,较当前C波段非CPM-PSWF候选导航信号更具竞争力。     

分布式光纤声波地震波勘探技术

随着常规和易采油气资源日渐减少,勘探开发复杂地质油气资源,对降低我国油气对外依存度,保障国家能源安全发挥着越来越重要的作用。复杂地质油气藏具有储层更薄、更深,非均质性更强等特性,现有地震波检测技术难以实现有效勘探。设计了一种用于油气地震波勘探开发的分布式光纤声波监测系统,使用光缆作为传感器来检测声音信号,采用基于背向瑞利散射的相位调制解调技术,实现了10 m的空间分辨率、-145.35 dB的声压灵敏度的测试,并进行了地震弹炮实地勘探,完成了地震波信号采集处理,获得了清晰的地层反演信息。     

电子耳蜗的选择性频率幅度调制编码算法

为提高电子耳蜗植入者在噪声下的语音识别能力,提出了一种利用频率调制信息的算法。该算法根据人耳听觉机理,增加了频带选择法则。该法则对不同频带提取出的频率调制信息进行了有选择的传递,并在听觉仿真试验中得到验证:该算法既可以比传统幅度信息编码算法更有效地提高电子耳蜗植入者在噪声下的语音识别能力,又降低了不选择频带而全通道传递频率调制信息算法的复杂度(频率调制信息提取的计算量降低了37.5%),减少了内存占用,使之适合在临床上实时实现。     

低信噪比下数字幅度调制的调制进制快速识别

为了快速自动识别低信噪比下的数字幅度调制进制,提出了一种识别M进制正交幅度调制(M-QAM)和M进制幅度键控(M-A SK)的调制进制的方法。该方法利用优化的缩放尺度对信号进行小波变换,以识别M-QAM和M-A SK信号的调制进制,并进行了仿真。仿真结果表明:仅利用100个观测符号,当信噪比大于或等于-4 dB时,M-QAM信号的正确识别率大于93%;当信噪比大于或等于-10 dB时,M-A SK信号的正确识别率大于90%。这说明该方法在低信噪比下能够快速获得很好的识别性能。     

基于PSAM技术的Turbo系统载波相位恢复

提出一种在瑞利衰落信道下基于PSAM（pilot symbol assisted modulation）技术的Turbo系统载波相位恢复方法.该方法利用PSAM技术引入的导频信号对瑞利衰落信道进行估计,并结合联合Turbo译码和相偏恢复方法对载波相位进行恢复.仿真结果显示该方法以较小的系统开销,对瑞利衰落信道下Turbo系统载波相位进行较好的恢复.     

基于Gabor框架的线性调频信号压缩采样与重构

针对线性调频信号在传统采集过程中存在的高采样频率问题,提出了一种基于Gabor框架的线性调频信号压缩采样与重构方法.首先,利用线性调频信号在Gabor变换下所具有的时频稀疏特性,提出了基于Ga-bor框架的线性调频信号压缩采样系统.基于该采样系统,分析了压缩采样系统工作过程,建立了该系统压缩观测过程数学模型.随后,分析...     

调频连续波引信超宽带电磁脉冲前门耦合效应

针对调频连续波(frequency modulation continuous wave, FMCW)引信在超宽带电磁脉冲环境下易受干扰的问题,将场路联合仿真的方法应用于引信射频前端超宽带电磁脉冲耦合效应研究。仿真实验采用先辐照后注入的方法,首先对引信射频前端模型进行平面波辐照;然后将耦合电压导入引信接收机进行效应分析。实验结果表明,超宽带强电磁脉冲很难对接收机内部元器件造成毁伤,其耦合效应主要体现为干扰效应,当耦合进入接收机中频带的能量足够淹没正常输出信号能量时,引信测距功能会受到干扰。     

概率密度函数的并行软方向判决盲均衡算法

基于Parzen窗方法概率密度函数盲均衡算法比恒模算法具有更好的性能,但一样会出现随机相位旋转现象.利用最大后验概率准则中的相位信息,讨论一种基于Parzen窗方法概率密度函数的并行软方向判决盲均衡算法.高阶QAM调制信号仿真结果表明,算法克服了输出信号出现的随机相位旋转现象,并且算法的收敛速度较PPDF算法快,收敛后均衡器输出的稳态码间干扰也较小.     

基于RBF 神经网络的调制识别

针对通信信号这种非稳定的、信噪比(SNR)变化范围较大的信号,利用遗传算法训练的径向基神经网络分类器对各种调制信号的特征矢量进行分类识别,充分发挥径向基神经网络的广泛映射能力和遗传算法的全局收敛能力,并在遗传算法中加入了梯度下降算子,克服遗传算法收敛速度慢的缺点,加快了遗传算法训练神经网络的速度,使得分类器的识别率和鲁棒性得到明显改善。仿真实验的结果证明了此方法的有效性和可行性。     

一种鲁棒特征提取算法的设计和实现

提出了一种用于语音识别的鲁棒特征提取算法,这种算法基于最小方差无失真响应(MVDR)谱估计技术,它在Mel频率尺度上估计MVDR谱,并对得到的MVDR谱进行调制谱滤波,然后提取其倒谱系数作为特征参数。使用这种算法设计了一个抗噪孤立词语音识别系统,在汽车噪声,人群噪声和高斯白噪声三种噪声环境下,与传统算法按多种信噪比做了对比实验。实验结果表明该系统在这三种噪声环境下的识别率均得到了不同程度的提高。