Duffing混沌阈值的新定量求解法及其在WSD的应用

概述了求取Duffing系统阈值的3种传统方法,分析优缺点,最终提出一种新的求取混沌阈值的定量方法。这种方法能充分反映周期序列的振荡特征,因此,定义为周期特征量法。将该特征量作为混沌阈值可以明显区别混沌序列和周期序列,由此可以用于判断Duffing系统的输出状态,是一种优于其他方法的混沌判决。最后,仿真验证了该方法的可行性并应用于检测弱周期信号的有无及其幅值。     

当心:汽修工具“变身”盗窃帮凶

前不久,湖北某部一位军嫂开车外出停车时,清楚记得已用车钥匙上的遥控功能锁好车。但当她办完事回到车上,却发现放在车上的手提包等物品不翼而飞,而车门没有被撬痕迹,车窗也完好无损。当地公安民警勘察现场后认定,这是一起典型的利用汽车解码器实施盗窃的案件。汽车解码器是专业的汽车维护、测试、检测工具,又称汽车故障诊断仪。通过它与汽车连接,可以读出故障系统中的电子     

基于快速傅里叶变换的扫描单发单收面阵近场成像技术

近年来,扫描单发单收面阵近场成像技术在安检、医疗等民用领域中引起了广泛关注.然而,传统的距离徙动算法在对回波进行处理的过程中无法避免多步近似和插值操作,并且忽视了信号传播衰减带来的不利影响.因此,提出了一种基于快速傅里叶变换的扫描单发单收面阵近场成像技术,该技术通过保留回波模型中的幅度衰减因子,并根据目标回波方程特性对...     

基于相位序列降低多载波信号峰均比的研究

为了解决多载波信号峰值平均功率比(PAPR)较高的问题,从多载波信号的初始相位出发,结合预留子载波(TR)降低PAPR的方法,提出了Newman-TR联合算法,经理论分析和仿真表明,该算法能有效降低系统的PAPR,且不会产生误码率。针对所提算法复杂度较高的问题,提出一种次优搜索来代替全局搜索,降低了计算的复杂度,提高了该算法的实际可行性。     

使用小波分层连通树结构的压缩信号重构

基于小波树模型的压缩感知可以通过较少的观测量得到鲁棒的信号重构,但采用最优树逼近时,则存在复杂度大的问题。在证明分层后的小波树仍然具备连通树性质的基础上,提出了基于小波分层连通树结构的压缩重构算法,在与原观测量一致的情况下,保证了重构精度并且提高了重构效率。实验结果表明,改进算法相对于原算法在处理大尺度数据时,效率有明显的改善。     

基于多分辨率分析的雷达辐射源融合识别算法

结合信号融合识别的应用需求与多分辨率分析的特点,提出了一种基于多分辨率分析的雷达信号融合识别算法。该算法对获取的信号先进行小波变换后直接对信号进行融合识别。仿真实验表明:该方法在减少数据量的同时能够降低信息的损失,提高信息利用率,较好地保证信息的完整性,可有效提高信号识别性能。     

基于混沌理论的舰船辐射噪声特征提取

针对不同目标舰船的辐射噪声信号特征提取问题,提出了将混沌理论用于非线性时间序列的分析方法。该方法利用非线性局部投影滤波方法进行信号降噪,并在重构相空间的基础上对每一类舰船辐射噪声信号的最大Lyapunov指数、自然测度和关联维数等非线性特征参数进行提取。实验结果表明:当舰船辐射噪声信号的最大Lyapunov指数大于0且为有限值时,舰船辐射噪声信号具有混沌特性;自然测度和关联维数可作为区分不同目标船型的舰船辐射噪声信号的有效特征。     

Ag/AgCl电极水中电场探测的幅频响应特性

采用固态粉压型Ag/AgC1电极对参数已知的水下低频交流电场进行探测.通过改变水中电场信号的特征参数进行对比实验,以检测电极对信号频率和幅值的响应特性.实验结果表明:发射信号在0～4 Hz、15～35 mV的范围内时,Ag/AgCl电极的探测灵敏度随发射信号幅值的增加而增强,并且探测信号能够真实地反映发射信号的频率特征.最后,提出了电场探测电极的响应性能的表征参数.     

基于副载波参考波形方法的GNSS双载波环多径抑制技术

为了实现对高阶BOC信号的无模糊和抗多径接收,本文将码相关参考波形的闸波设计思路应用于GNSS双载波环路接收方法的副载波锁相环,通过在副载波锁相环中引入设计的闸波参与信号的相干积分过程,使双载波环法具备抗多径性能,同时该方法并不需要额外引入相关器。本文对该设计方法的理论和具体实现进行了阐述和分析,从副载波多径误差包络和跟踪精度两方面对改进的双载波环路方法性能进行了评估。仿真结果显示,采用的算法与双载波环路法相比可以降低BOC(1, 1)信号81.1%的副载波多径误差包络面积,以及BOC(14, 2)信号75.1%的副载波多径误差包络面积。但是,改进的双载波环路法将带来-6dB的相干积分后载噪比损失,降低跟踪精度。因此,在闸波设计参数设计上,需要谨慎选择以平衡算法的多径抑制和跟踪精度性能。综合来看,该方法适用于解决非弱信号条件下及多径环境下的高阶BOC信号接收问题。     

含噪稀疏信号重构的l0范数期望值最小化方法

压缩感知理论是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对测量值受噪声污染的含噪稀疏重构问题,提出了近似l0范数期望值最小化方法。该算法基本思想是将含噪稀疏重构问题转化为近似l0范数期望值最小化问题,并利用噪声的统计特征将随机最优化问题化简为常规的最优化问题,然后采用最速下降法求解。数值仿真表明,本文提出的方法具有更好的重构精度,且计算量较小。