基于改进近邻传播算法的Walsh软扩频盲解扩方法

针对现代二次雷达系统通信中存在的Walsh软扩频难以盲解扩问题,借鉴常规扩频解扩方法及聚类分析,提出了一种基于近邻传播算法的Walsh软扩频盲解扩方法。该方法首先对接收信号进行采样得到目标结构数据集合,并根据统计量估计得出信号时延。然后采用改进近邻传播算法进行伪码集合估计,并得到聚类中心从而得到伪码集合。最后利用已知的Walsh码和信息码的映射关系得到信息序列,完成盲解扩问题。仿真结果表明,在白噪声条件下,可有效解决Walsh软扩频盲解扩问题,性能较同类算法均有提升并降低算法复杂度。     

导引头加速度盲补偿技术研究北大核心

雷达导引头对有加速度的目标进行探测,采用传统的FFT相关检测会导致目标能量在多普勒通道上的扩散,使导引头的检测性能下降,通过补偿加速度可以将分散的目标信号能量汇聚在较窄的频带内。将从工程应用角度,提出一种加速度盲补偿技术,首先分析加速度对PD信号检测的影响;接着分析补偿原理,并以此建立加速度盲补偿的数学模型;最后对影响补偿效果的参数进行分析。     

一种非对称鲁棒性盲水印算法

针对数字图像版权保护,提出一种非对称鲁棒性盲数字水印方法。通过将水印嵌入到最少受图像改变影响的子空间,使嵌入水印具有鲁棒性,且通过对特征子空间的选取限制,使算法具有较高的检测概率和安全性以及较低的虚警概率。同时,水印嵌入矩阵与提取矩阵不同,它可公开除密钥外的所有其它的信息,而且能实现水印盲提取。实验结果证明了该算法的鲁棒性。     

基于盲源分离的抗密集假目标干扰技术研究

密集假目标干扰会严重影响雷达检测目标的性能。针对此问题,提出一种基于盲源分离的密集假目标抗干扰的方法。该方法可有效从密集欺骗式假目标中检测出目标回波信号,并分析比较了JADE和Fast ICA两种盲源分离方法对密集欺骗式假目标和回波信号的分离效果。理论分析和仿真结果表明:JADE盲源分离较Fast ICA盲源分离抗密集假目标干扰较更有效。     

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。     

基于微分进化算法的盲源分离

将微分进化算法的优点引入到盲源分离中,提出了基于微分进化的盲源分离算法。该算法以混合信号的峰度为代价函数,采用独立分量分析的方法对瞬时混合的信号进行盲分离。盲源分离中常用的自然梯度算法是一种局部寻优算法且收敛速度较慢,而微分进化算法是一种全局寻优算法且具有并行性、易实现等优点。分别用无噪仿真信号和有噪仿真信号对提出的算法进行仿真实验,比较了基于微分进化算法的盲源分离、基于粒子群优化算法的盲源分离和基于自然梯度算法的盲源分离的分离结果。结果表明:基于微分进化的盲分离算法收敛速度快,分离效果也比较好。     

一种时频混叠的欠定混合通信信号盲分离算法

针对衰减-延迟欠定混合通信信号的盲分离问题,提出了一种基于子空间最小距离的源信号估计算法,通过计算观测信号到混合矩阵列矢量张成子空间的距离,估计任意时频点同时存在的源信号数目以及当前源信号对应的混合矩阵列矢量,把欠定混合问题转化为超定问题,然后通过计算Moore-Penrose逆矩阵求解源信号,理论分析和仿真结果验证了算法的有效性。     

时变平坦衰落SIMO信道中的信噪比盲估计

针对恒包络信号在时变平坦衰落单输入多输出(SIMO)信道下的信噪比盲估计问题,提出一种基于EM(Expectation-Maximization)算法的改进M2M4-EM算法。利用EM算法的迭代期望值最大化思想,推导了SIMO信道下EM算法的闭式解。为进一步改善性能,通过接收信号的二阶和四阶矩(M2M4)对EM算法进行初始化。仿真结果表明,M2M4-EM算法在较宽的信噪比范围内具有较好的估计精度和较快的收敛速度。     

废气和空气中路易氏剂的测定方法研究

废气(空气)中的路易氏剂用水吸收，其水解产物路易氏砷酸被3，4一二巯基甲苯衍生形成稳定的环状二硫化物，用环己烷萃取．采用气相色谱毛细管柱分离、硫型脉冲火焰光度检测器外标法测定其含量．     

无迹卡尔曼滤波的长码直扩信号载波频偏盲估计

针对长码直接序列扩频(Direct Sequence Spread Spectrum,DSSS)通信中的载波同步问题,提出了一种新的载波频偏估计算法。该方法结合分段和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的思想,利用UKF算法对非线性模型的求解能力,估计载波频偏的后验概率的均值和方差。Monte Carlo仿真实验的结果表明新算法不仅具有较高的估计精度,还能实现较低信噪比下的估计。