短波软件直扩调制解调器

将直接序列扩频技术应用在短波通信上，可以克服短波信道的多径衰落特性，增强抗干扰能力。但是由于短波信道带宽比较窄，数据传输速率受到了限制。为此，本文提出了一个直扩数据传输方案，以扩频增益8为例，信道速率可达到1．2kb/s，信息速率则为600b/s。该方案采用正交码扩频技术，同时，引入蜂窝移动通信标准SI－95中导频信道的思想，解决了正交码扩频信号识别和同步难的问题。在首先介绍了总体框图后，重点阐述了核心部分扩频调制解调模块的详细设计方案，并给出了基本参数，简要介绍了涉及的关键技术。最后从软件实现角度，介绍了产品的应用背景和技术特点。     

基于伪随机线性调频的双序列跳频通信系统

针对双序列跳频(Binary-Sequence Frequency Hopping,BSFH)在对偶信道被干扰的情况下会导致通信瘫痪的缺点,提出了一种基于伪随机线性调频的双序列跳频通信系统。在发送端利用线性调频信号对每一跳载波进行带内扩频,接收端将解跳后的信号作分数阶傅里叶变换,然后通过抽样判决得到发端信息。构建了相应的系统模型,推导了其在跟踪干扰和部分频带干扰下的误码率数学表达式。理论和仿真结果表明:在最坏跟踪干扰下,该系统比BSFH约有5 dB以上的性能增益;在部分频带干扰下,达到相同误码率时所需的信干比,改进方法比BSFH低约4 dB。     

FPGA的可调参数白噪声与高斯白噪声生成器

提出了一种基于FPGA硬件的,强度、带宽均可调的白噪声和高斯白噪声生成器,给出了设计的总体框图和设计中的一些要点,阐述了主要部分的原理和理论推导.这种噪声生成器与传统数字电路所组成的噪声生成器相比,采用了新型的FPGA器件,通过利用其中的一些既有功能大大降低了设计的难度,提高了电路调试的灵活性,可用于多种环境下的通信系统测试.     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

小波分析在混沌信号识别中的应用研究

通过分析混沌信号和噪声信号的频谱特性以及小波变换对两种信号的作用结果的差异,论证了小波变换是一种有效的去除混沌信号中噪声成分的方法.通过数值仿真研究,证明了小波方法的有效性.最后给出了实验结果.     

高冲击含游隙的转管武器对射击精度的影响

转管武器射击时,其枪机本体与枪机座之间的轴承游隙,依据非线性动力学特征-混沌运动,经过混沌计算对转管武器射击的精度有很大的影响。弹丸运动的质量偏心对系统的动力学特性有一定的影响,一定的偏心会使枪机本体(转子)的振动加剧、混沌运动区域变长,但是枪管套箍可以采用偏心来减少影响。对此可以对3 000 m射击的高射速转管武器提出了间隙大小的指导。     

军队预算真实性的检验方法

文章将军队的预算报告看作是对预期要完成任务的一个流程清单，清单包含工作序列和费用序列，根据预算审批者在预算审批阶段和执行阶段对这两个序列掌握的信息量，利用假设检验方法，给出了预算是否真实的判据。     

空间目标RCS序列的R/S分析

RCS包含了目标丰富的信息.分析了空间目标RCS序列产生混沌的机理,并非线性理论中的功率谱法引入空间目标RCS序列的分析中,用重整标度分析法(R/S)分析了空间目标RCS序列的混沌特性,仿真结果表明,与旋转目标相比,三轴稳定目标RCS序列较复杂和不规则,这与实际分析的情况相符合,证明了该方法的有效性.     

基于改进协同遗传算法的有效载荷系统功能序列规划方法

针对传统回溯算法在求解基于知识模型的有效载荷系统功能序列规划问题中搜索效率低的问题,提出一种基于"择劣变异"(Worst Individual Mutation,WIM)策略的协同遗传算法(Co-evolutionary Genetic Algorithm,CGA)的改进算法WIM-CGA。该算法在遗传过程中采用双路线进化方案,即"择优实施标准遗传过程,择劣实施变异操作",达到提高求解精确度及搜索效率的目的。仿真结果表明,同等测试条件下,当功能规模为50,约束密度为1.0时,WIM-CGA算法在限定时间内最优解的平均精确度比优化的回溯算法提高了54.15%,比CGA算法提高了6.18%,且当所得解的精确度大于90%时,WIM-CGA算法比CGA算法的迭代次数减少了65.79%,耗时降低了48.97%,显著提高了功能序列规划的效率。