GNSS接收机离散化处理对解扩性能影响的研究

建立了扩频信号防混叠滤波、采样和量化与解扩输出关系的数学解析模型,推导得到解扩输出信噪比的解析表达式。分析与仿真表明,当量化位数大于等于4比特,解扩得到总的信噪比损失可以分解为由量化引起的损失和滤波加采样引起损失的乘积,且量化器最优限幅系数只与量化位数相关;当量化位数小于4比特时,信噪比损失在一定条件下可近似为量化损失和滤波加采样损失的乘积。当量化位数大于4比特、滤波器带宽大于5倍码率、采样频率大于4倍码率时,再增大上述参数引起的信噪比损失波动小于0.05dB,对解扩性能提升不明显。本文结论可为实用型GNSS接收机前端离散化处理优化设计提供理论指导。     

GNSS接收机离散化处理对解扩性能的影响

建立扩频信号防混叠滤波、采样、量化与解扩输出关系的数学解析模型,推导得到解扩输出信噪比的解析表达式。分析与仿真表明,当量化位数大于等于4 bit,解扩得到总的信噪比损失可以分解为由量化引起的损失和滤波加采样引起损失的乘积,且量化器最优限幅系数只与量化位数相关;当量化位数小于4 bit时,信噪比损失在一定条件下可近似为量化损失和滤波加采样损失的乘积。当量化位数大于4 bit、滤波器带宽大于5倍码率、采样频率大于4倍码率时,再增大上述参数引起的信噪比损失波动小于0.05 dB,对解扩性能提升不明显。该结论可为实用型全球导航卫星系统接收机前端离散化处理优化设计提供理论指导。     

改进的OFDM雷达通信一体化信号峰均比抑制方法

正交频分复用（orthogonal frequency division multiplexing,OFDM）信号是雷达通信一体化系统常用的发射波形之一,但是其峰均比较高,影响发射机的工作效率。传统的限幅法虽然可以降低系统OFDM信号的峰均比（peak-to-average power ratio,PAPR）,但会造成误码率（bit error rate,BER）增大和带外频谱泄露的问题。对传统的限幅法进行改进,将高于门限的信号进行抑制,通过迭代滤波消除带外信号弥散造成的频谱效率下降的问题。将改进峰均比抑制方法与传统峰均比抑制方法进行比较,验证了所提方法的低峰均比性能、误码率性能和模糊函数性能。仿真实验表明,所提方法通过合理设置限幅门限和选择迭代滤波次数,可以有效降低OFDM信号的PAPR,并且对雷达探测性能和通信性能影响较小。     

电场引信的动作判据分析

讨论了海洋船舶交变电场衰减的基本特征.根据海洋对不同频率电场信号的穿透深度不一样的原理,分析推导了电场引信点火动作的判决依据.引信设计时选择不同的频率信号进行处理,使用电场模量门限、电场上升斜率、不同频率电场上升斜率比及其组合等参数可以简便地控制电场引信,使电场引信具有良好的动作区域性.     

卫星导航接收机中积分清零器的性能分析

为了使跟踪环路得到最高的输入信噪比,卫星导航接收机在时延估计时应使用匹配滤波器。但出于节省硬件资源的考虑,卫星导航接收机通常采用积分清零器完成相关运算。然而积分清零器相对于匹配滤波器存在性能损耗,对此目前尚无量化的结论。本文推导出积分清零器性能损耗的解析表达式,并使用Monte Carlo仿真的方法验证结论的正确性。理论和仿真结果表明当采样率为2倍的前端带宽时,积分清零器相比匹配滤波存在约0.44dB的损耗,当采样率提高到4倍信号带宽时,积分清零器的性能损耗几乎可以忽略。该结论对卫星导航接收机的设计具有重要的意义。     

一种基于方差分析的颜色量化方法研究

颜色量化技术是计算机图形学和图像处理中最常遇到的问题之一。本文提出了一种新的多维数据聚类方法，即基于方差分析的颜色量化方法，并将该方法与其他五种常用颜色量化方法进行了比较，给出了具体的颜色量化误差，研究结果表明，本文所提出方法在较好保持图像质量的前提下，具有较小的量化误差。     

基于最小资源损耗的武器目标动态分配

传统的以联合毁伤概率最大或被打击目标总期望生存值最小作为武器目标分配函数容易造成武器过饱和攻击,导致资源浪费。针对该问题,将对来袭目标的毁伤概率作为约束条件,以资源损耗最小为优化目标建立模型,并设计了动态变化的武器弹药资源量化描述。在武器目标动态分配过程中,针对时空约束对分配的影响,设计了基于资源损耗最小的武器目标动态分配算法。仿真结果表明:该算法在对时空约束和随机事件的处理时,操作简单、易于编程实现。     

一种小波变换域中最优门限的取法

在信号小波变换编码中,一般对高频小波系数ｘ先作阈值处理,即对给定的门限Ｔ＞０;若｜ｘ｜≤Ｔ,则令ｘ＝０。在本文中,从理论上给出了一种最优门限Ｔｏｐｔ,Ｔｏｐｔ使得重构误差信号的平均能量达到最小。     

一种基于编码器的全阶观测器测速方法

在考虑系统的摩擦损耗和负载扰动的情况下,给出了旋转电机的通用机械运动模型,并根据控制系统理论和编码器输出信号的特点,经数学推导得到了编码器测速系统的全阶观测器模型,提出了观测器位置信号的量化方法,最终得到了全阶观测器测速系统的控制框图。仿真分析表明:该全阶观测器测速精度远高于传统的编码器直接测速方法的测速精度,特别是在低精度编码器的测速系统中,当系统转动惯量已知时,基于编码器的全阶观测器可极大地提高系统的测速性能。     

坦克分队作战要素量化研究

为实现坦克分队作战指挥的自动决策和科学决策,针对坦克分队火力优化控制作战要素估计这一先期环节,从环境、武器、目标3个方面,进行4种量化处理:环境信息量化处理、武器信息量化处理、目标信息量化处理与打击效率评估.量化结果可为坦克分队火力优化控制提供数据支持,并为指挥决策自动化奠定良好基础.     

面向边缘的分类DCT变换在视频编码中的应用

DCT+运动估计与补偿方法是实用的视频编码方法。目前包括甚低速视频编码标准H.263在内的多种视频标准均采用这种方法。考虑到视觉对于边缘信息的敏感性,我们根据边缘特性对编码块进行分类量化,使得边缘附近的量化噪声具有边缘相似性,从而最优地保留对于视觉敏感的DCT系数,在保证编码效率的同时较大地提高了重建图像质量     

语音矢量量化编码

语音矢量量化编码是一项新技术,具有很大的实用价值。本文简要地阐述矢量量化原理之后,着重介绍语音波形矢量量化编码、语音参数矢量量化编码、以及混合形式矢量量化编码,综述近年来国内外学者在这几个方面取得的一些成果,预测它们的发展动向。     

改进的杜佩指数法的单舰作战效能评估

在对杜佩定量判断模型(QJM)进行改进的基础上,提出了一种单舰作战效能的整体评估方法.通过判断矩阵考虑进了经典的杜佩指数法不能描述的"软"因素,然后利用特征向量求得各自权重,最后根据权重确定各部分战斗指数.本法极具针对性与说服性,是一种新型的部队战斗效能量化评估手段,对简单军事系统的效能评估工作有一定借鉴意义.     

基于数据压缩的LSP参数高效量化算法

文中为解决超长帧编码系统中联合帧数过多导致LSP参数量化性能下降这个问题,将多项式拟合引入超长帧编码系统中,利用多项式拟合压缩LSP参数矩阵,以降低量化时实际联合的帧数。再用分裂矩阵量化器进行量化。仿真结果表明,在120 bps的参数量化速率下,此算法的量化性能优于矩阵量化算法(MQ),平均谱失真比MQ算法降低了0.0719 dB,平均分段信噪比提高了0.1971 dB。     

关于塔式网络矢量量化中格点的标号

在格型矢量量化中,用格点作为量化矢量,构成码书。为了存储或传输量化输出,必须对格点进行标号。我们在数据压缩课题研究中,对塔式网格矢量量化中格点的标号进行了探索,给出了常用的几种网络诸如ZL、DL、E8、A16等格点的标号算法。     

两种数字水印算法的比较

分别介绍迭加水印方案和量化水印方案,对每种方案一些常见算法予以说明,阐明其优缺点,对两种水印方案的相同点和不同点进行了研究。通过实验证明,两种水印方案的PSNR比较相似：迭加水印检测的相关值分布比较扩散,受高斯影响大;量化水印检测的相关值比较稳定,受高斯噪声的影响小。     

子波域中图象数据的矢量量化

介绍了子波变换的基本理论及特点,并用它对图象进行三层分解。矢量量化优于标量量化。它已成功地应用于图象的数据压缩。文中应用失显量化法量化图象于波域数据,取得较满意的压缩效果。     

基于学习矢量量化(LVQ)神经网络的雷达体制识别

由于现代战争中雷达体制的多样化、复杂化及其综合应用使得雷达体制识别中要处理大量复杂的高维数据,学习矢量量化(LVQ)神经网络不仅能处理有监督分类,而且相对于其他神经网络能以较小的计算量处理大量输入数据,所以采用LVQ对雷达体制进行识别,同时针对LVQ学习速率的变化可能引起学习算法不稳定,采用修正的学习速率算法.在简要介绍雷达体制和LVQ的基础上构造了LVQ神经网络对雷达体制进行分类.通过与径向基神经网络(RBFN)识别算法的仿真对比,证实了方法的有效性.     

基于模糊C-划分和3D小波变换的视频编码方法

在传统矢量量化的基础上,引入噪声模型的影响,结合模糊数学理论,提出了一种基于模糊C-划分的混合噪声模型的矢量量化方法,并将其应用到视频编码中。文中视频编码方法采用了运动补偿与3D小波变换相结合。主要对基于模糊C-划分的混合噪声模型的矢量量化进行了分析。实验结果表明,该方法在视频压缩中具有良好的效果。     

注意力机制量化剪枝优化方法

面向基于注意力机制模型的巨大计算和访存开销问题,研究量化和剪枝协同优化的模型压缩技术,提出针对注意力机制中查询、键、值、概率共四个激活值矩阵的对称线性定点量化方法。同时,提出概率矩阵剪枝方法和渐进式剪枝策略,有效降低剪枝精度损失。在不同数据集上的实验结果表明,针对典型基于注意力机制模型BERT,在较低或者没有精度损失的情况下该优化方法可达到4位或8位定点量化、0.93～0.98的稀疏度,大幅度降低模型计算量,为加速量化稀疏模型的推理奠定良好的基础。