基于Laguerre滤波的雷达通道均衡方法

传统雷达通道均衡采用自适应FIR滤波器作为均衡器,当理想脉冲响应序列很长时,其逼近效果不理想,计算量大。Laguerre滤波器兼具FIR和IIR结构的优点,通过在单位圆内固定一极点保证了系统的稳定,又因为引入了全通滤波环节,使其能够用较少的阶数逼近长脉冲序列响应。推导了Laguerre滤波器的自适应算法,并将其应用于雷达通道均衡中,仿真实验也证明了它与传统的FIR结构相比,用更少的系数获得了更优的对消比,达到了更好的均衡效果。     

一种结合Turbo均衡和栅格OFDM系统的T-LOFDM系统

在双扩散信道环境下,已证明LOFDM系统误码性能优于正交频分复用(OFDM)系统。文章结合T urbo均衡技术和LOFDM系统提出了一种双扩散信道条件下拥有良好性能的T-LOFDM系统,并阐述了其工作原理。仿真实验表明:在双扩散信道条件下,T-LOFDM系统具有非常良好的性能,其误码率性能明显优于LOFDM结合MM SE均衡的系统,也明显优于OFDM结合T urbo均衡的系统。     

基于最优分离矩阵循环迭代的盲源分离次序调整算法

文章针对盲源分离中输出信号帧与帧之间信号衔接顺序的不确定性问题,提出了最优分离矩阵循环迭代算法,将每帧信号分离时目标函数寻优所得分离矩阵作为下一帧循环的初始化矩阵进行迭代来分离信号。理论分析与计算机仿真表明:该算法能有效解决盲分离中信号次序的不确定性问题,具有较强的实际应用价值。     

非高斯码元检测的马尔可夫链蒙特卡洛算法

针对实际超低频接收机不仅受非高斯噪声的影响,还受接收机内部和外部环境中高斯噪声影响的问题,对噪声采用非高斯分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种利用马尔可夫链蒙特卡洛方法的超低频信号码元盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步估计信道衰落系数和噪声模型参数,并实现对信号码元的检测。算法迭代效率快、精度高。通过与最优检测算法性能比较,盲检测算法性能优异,对超低频信号接收具有重要的现实意义。     

高性能数字幅频均衡功率放大器的设计与实现

设计实现了一个数字幅频均衡的功率放大器,该放大器由前置放大、带阻网络、数字幅频均衡和功率放大电路四部分构成。采用优质低噪声运放NE5532构成两级前置放大电路;自行绕制电感搭接电路构建带阻网络;基于FPGA设计FIR滤波器,实现数字幅频均衡;选择高效的D类功率放大器进行低频功率放大。测试结果表明,该数字幅频均衡功率放大器具有高增益、高带宽和高效率等优点。     

短码直接序列扩频CDMA多用户盲同步

通过研究信号自相关矩阵特征值的特性,提出一种利用信号自相关矩阵行列式作为检测量的短码扩频DS-CDMA多用户同步算法。该算法只要求已知信号的扩频周期,对信号其他参数要求较低,实现了盲同步,仿真结果显示了该算法的有效性。与文献算法相比该算法更稳健,适应范围更广。     

感应式磁性天线设计及干扰抑制算法研究

当期望信号和干扰同方向时,为了有效改善超低频频段的通信质量,提出了一种基于模拟电路预处理和改进广义旁瓣抵消的干扰抑制算法,设计了磁性天线、低噪声前置放大电路,制作了灵敏度较高的磁传感器,有效地抑制了工频及其谐波干扰。鉴于超低频频段的信号十分微弱,在广义旁瓣抵消算法的基础上做了几点改进,为主通道提供较多的参考信息,从而提高了算法的性能,有效地解决了传统算法失效的问题。为了验证所提算法的有效性,在实验室环境下搭建实验平台,设计了多组对照实验,实验结果表明:无论期望信号与干扰是否同方向,改进后的广义旁瓣抵消算法相比原来的算法,在信噪比的提升和噪声底限的降低等方面均有较大程度的改善。     

具有全局收敛性的盲均衡算法

为了解决传统的自适应均衡技术需发送训练序列的问题,采用盲均衡技术,利用接收信号本身的特征使均衡器收敛。提出了一种新的盲均衡算法(C&D算法),该算法将CRIMNO算法和判决引导(Decision Directed,DD)算法相结合,利用信号序列间的互不相关特性,从而使其具有全局收敛性能。实验结果表明:与CRIMNO算法相比,在相同的信噪比下,该算法具有收敛快速、运算量少和残留误差小的特点。     

基于恒虚警的多卫星信号快速盲检测算法?

在分析实际盲卫星通信信号的基础上，提出了一种对不重叠多卫星信号数量、中心频率进行实时估计的快速盲检测算法。算法基于恒虚警率准确地估计了噪声的统计特性进而设置了信噪分离的门限，并根据卫星通信信号的实际带宽特性实现了盲信号的检测。仿真结果表明，算法能够在较低的信噪比下实现对多卫星信号的快速准确盲检测，且与其他算法相比，该算法准确率高、通用性强，更能满足实际工程的需要。     

视频监视前景图像估计的盲源提取方法

在视频图像运动检测的背景消减方法中，场景图像或帧可建模为前景图像和背景图像的叠加或线性混合。然而，实际中图像的背景和前景往往相关，常用的主成分分析和独立分量分析等方法难以实现准确提取。为此，将视频图像的前景提取建模为盲源提取问题，提出了一种基于均方交叉预测误差的盲源提取方法，可以从相关的源视频图像中提取期望的前景图像，并将该方法扩展应用于基于基本模型和特征背景模型的背景消减方案中。基于人工和实际视频的实验验证了盲源提取背景消减方法的可行性和有效性。