基于空间采样法的齿轮调相振动信号解调

在对机械设备的齿轮部件进行振动监测时,由于载荷以及转速波动等因素的影响,会引起振动信号的相位调制,使得频谱严重失真.通过对调相现象的理论分析和数值仿真计算,提出了基于空间采样的齿轮振动调相信号的解调方法,结果表明,该方法可以获得有价值的振动信号,从而进行有效的齿轮故障诊断.     

近地卫星Ka频段数传链路抗雨衰ACM模式设计

针对近地卫星数传时的信道时变性和严重的Ka频段雨衰现象，采用自适应编码调制（ACM）技术能够充分利用链路资源，相对于传统的固定编码调制方式，进一步提高了链路的数据吞吐量。提出了近地卫星Ka频段数传链路ACM模式设计方法，在降雨环境下建立Ka频段数传链路模型，根据信道状况确定ACM选用模式；采用基于导频符号的最大似然信噪比估计算法结合移动平均的平滑方法实现信道估计，有效地减小了估计值的波动。仿真结果表明，无论晴天还是雨天，采用提出的卫星数传链路ACM模式设计方法，能够在保证系统可靠性的同时获取较高的数据吞吐量。     

GMSK跳频通信干扰样式的自动识别

以FH-GMSK(frequency hopping-gaussian filtered minimum shift keying)通信系统作为载体对跳频通信的干扰样式识别进行研究,从跳频通信接收信号中联合提取干扰的时域、频域和时频域特征,得到了一组稳定性好、对干信比不敏感的特征参数,在不需要干扰先验知识的情况下对FH-GMSK通信系统中常用的干扰样式进行了自动识别.仿真结果表明:该方法对跳频通信常见的干扰信号在不同干信比的情况下能获得很高的正确识别率.     

基于NFxPEM算法的调制气流声源的非线性补偿

针对调制气流声源存在较强的谐波畸变,将声源系统等效为Hammerstein非线性模型,利用该模型下的预失真技术对声源进行非线性补偿研究。根据辨识的Hammerstein模型中静态非线性部分带有直流分量的特点,给出了考虑直流分量补偿的预失真算法,并用数值仿真验证了算法的准确性和直流分量补偿的必要性。在非线性补偿实验中,根据单频信号辨识得到Hammerstein模型参数,采用NFxPEM算法求得对应的预失真Wiener模型参数和预失真波形。实验结果表明, 与直接发射相比,补偿发射后声波的功率谱中谐波能量有所下降,而基频能量有小幅度的上升,说明了研究思路的正确性。     

直升机雷达回波的动态特性分析

依据实测的直升机动态回波数据,分析了直升机机身的重点散射源及散射特征,应用Kolmogorov拟合优度检验方法及三种标准分布模型,研究了直升机动态RCS的统计特征,得到了动态RCS对各模型的拟合效果以及X2模型随视向角的半自由度分布,最后通过建立一简单的旋翼叶片散射模型并对散射中心的周期性运动调制效应进行了讨论,分析计算了直升机动态回波的谐波特征.     

JEM调制效应引起的防空导弹引信早炸问题研究

首先介绍了JEM调制效应的机理和频谱特性,然后利用MATLAB对JEM调制效应进行了计算机仿真,在这个基础上分析了JEM调制效应引起引信早炸的原因,最后讨论了克服由于JEM调制效应引起引信早炸问题的技术途径.     

一种调频调相混合调制信号及抗干扰性能分析

针对线性调频信号形式简单,易被敌方截获和干扰的特点,提出了一类脉内线性调频和子脉冲相位调制相结合的具有多种变化形式的混合调制脉冲压缩信号。MATLAB仿真分析表明,与单纯线性调频信号相比,该混合调制信号产生和处理简单,既保持了线性调频信号的优点,又提高了抗截获和抗干扰能力。     

高阶BOC信号电离层色散效应的模拟算法*

导航信号模拟器需要模拟电离层引起的信号延时和色散效应,对于传统BPSK信号,模拟器基于单频假设,通过直接调整码相位和载波相位之间的相对关系来模拟电离层的影响。新一代卫星导航信号广泛采用的BOC (Binary Offset Carrier)调制信号具有更宽的带宽,作单频假设会引入不可忽略的电离层延迟建模误差。论文提出了基于双边带模型的高阶BOC信号高精度模拟方法,并仿真验证了算法的正确性。该方法可应用于导航信号模拟器实现BOC信号电离层色散效应的模拟。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。     

基于稀疏表示的数字调制模式识别

通过分析稀疏表示在模式识别应用的基础上,提出了一种基于稀疏表示的特征提取方法。该方法首先引入主成分分析对新的样本进行降维,然后利用降维后的训练样本构建稀疏线性模型,通过范数最优化求解测试样本的稀疏系数,根据稀疏系数的分布提取特征值。最后利用支持向量机分类器进行信号的分类识别。并在求解最小范数优化问题中,提出一种通用的解决方案,利用粒子群算法确定最优惩罚系数。新方法提取的特征值经计算机仿真研究证明,该算法具有较好的有效性和一定的工程应用性。