VCS3020S语音通信系统分析

文章对VCS3020S语音通信系统体系的结构特点进行了分析,以进一步了解该系统的工作原理、了解未来综合空中交通服务网络中语音通信应用的特点。     

原煤仓料位测量系统与PLC结合运用实现自动配煤

为降低输煤系统工人的劳动强度,减少职业有害因素对他们身体的危害,实现自动配煤或远程控制配煤已经刻不容缓。文章介绍的配煤系统是利用PLC的可编辑控制功能,依据准确的煤位信号实现配煤系统的自动化。通过光缆的通讯,还可实现现场与控制室之间的远程监控,达到控制方式多元化。     

浅谈我国铁路通信信号发展趋势

随着信息时代的到来,铁路的发展也在日新月异的变化着,铁路通信信号的发展趋势正在向一体化、多信息化、功能集成化、高度自动化的方向前进。文章主要从计算机联锁设备、列车自动控制系统、调度指挥系统三个部分对信号系统进行了分析和阐述。     

鲁棒的高速物理随机数发生器

基于宽带混沌激光作为物理熵源, 提出一个性能稳定的高速物理随机数发生器实现方案. 利用差分比较器对宽带混沌信号延迟作差, 再经由时钟控制的触发器进行采样保持以及后续异或处理, 实验获得了速率为1.44 Gbit/s 的随机数. 该方案免去了精确的阈值电压调节过程, 利用差分比较纠正了混沌幅值概率密度分布的偏差, 使混沌幅值分布的中值偏斜度系数为γ= 1.5×10^-6. 此实验系统可抗外界波动信号的干扰, 能够连续稳定工作至少12 h.     

包络分析在超宽带信号采集中的应用

室内环境下超宽带信号具有丰富的多径分量,在时域中这些分量表现出簇（cluster）的形式,簇在时域上类似于幅度调制,可采用包络分析法对其进行分析。介绍了利用小波变换进行超宽带信号包络分析的方法,给出了接收信号包络的时域表达式,并对低信噪比下超宽带信号进行了包络提取,结果显示该方法实现了簇内多径分量的合并,并具有很强的去噪作用。包络分析方法对于那些难以建立模型的传输环境以及能够建立模型但难以提取参数的场合下超宽带信号的采集具有重要的意义,它指出了传统的包络分析技术可用于超宽带信号的采集。     

基于优化肌电特征的无声语音信号识别

提出了一种基于遗传算法(GA)和fisher投影的最佳可鉴别基的求解方法.将原始特征向量向着最佳可鉴别基投影可得到具有最佳可分性的新的特征向量.从颧肌和二腹肌前腹的皮肤表面检测无声发出6个汉语元音的表面肌电信号(SEMG),以该肌电信号的AR模型系数、倒谱系数和美尔倒谱系数作为原始特征向量.使用遗传算法找出了原始特征的次优组合,并组成新的特征向量.将GA找出的次优特征向量向着fisher最佳可鉴别基投影可得到最佳鉴别特征向量.最后用改进的BP神经网络作为分类器得到了较好的识别效果.     

微桥量热计测量铝薄膜热容

用表面硅微加工工艺研制了一种用于薄膜热容测量的新型微桥量热计,热性能测试与分析表明,微桥量热计温度响应快,温度均匀性较好,采用脉冲量热法,通过测量量热计的热功耗、瞬态温度以及稳态热功耗,可计算量热计和样品薄膜的热容．在真空中300～420K测量了40～1150nm厚的Al薄膜热容,并测量了样品的贡量,获得了样品的比热容,1150nm厚的Al薄膜比热容与Al体材料比热容的文献值吻合较好．随着厚度的减小,Al薄膜的比热容增强,这种现象在高温时更为显著．     

基于参考独立分量分析的语音增强方法

参考独立分量分析（independent component analysis with reference,ICA—R）将源信号的先验知识以参考信号的形式引入学习算法中,可以从混合信号中仅抽取期望的源信号．基于ICA—R提出了一种语音增强新方法．通过比较语音信号和多种噪声信号的特点,合理地构造了具有语音信号重要特性的参考信号,进而应用ICA—R从多种加性噪声中抽取了期望增强的语音信号．计算机仿真和性能分析结果均表明了该方法的有效性．     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力,使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度,提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先,对跳频信号进行短时傅里叶变换获取谱图。然后,从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明,此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference,EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。