兵团企业退休人员养老金月人均提至2130元

2013年1月起,兵团企业退休人员基本养老金由2012年的月人均1921元提高到2130元左右。截至目前,兵团已连续9次上调企业退休人员基本养老金。据悉,此次基本养老金调整分为普调和特调。普调是根据缴费年限长短,对符合养老金调     

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。     

一种利用GPS载波相位姿态测量的方法

GPS初始整周模糊度的求解是利用载波相位进行测量时的关键问题.采用了对系数矩阵进行QR分解的方法,用以降低矩阵的维数.模糊度搜索时,针对Z变换可能会引入多余误差,采用了对称三角分解法对协方差矩阵进行去相关处理.实验与仿真结果表明,定位误差在0.5 cm以内,方位角和仰角误差在0.1°以内.     

变步长LMS算法在PCMA信号相位估计中的应用

为提高PCMA信号相位估计的精度,基于联合循环统计量与变步长最小均方（least mean square,LMS）的理论,提出了一种PCMA信号相位高精度估计算法。算法推导信号参数与循环统计量的定量关系进行相位的初估计,对接收信号进行变步长的LMS自适应滤波,通过迭代提升相位估计精度。对算法进行了不同维度的仿真对比实验,仿真结果表明,算法收敛速度快,适用范围广,性能相较于传统方法提升2dB左右。     

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。     

基于改进PLOW算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法（Patch-based Locally Optimal Wiener, PLOW）。该算法是加性高斯白噪声下的线性最小均方误差估计（Linear Minimum Mean Square Estimation, LMMSE）,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进：首先,估计噪声的标准差时,用均值代替中值;其次,根据噪声标准差的最大值和均值的比值,自适应的确定类的数量。经过仿真和实测数据验证,改进后的PLOW算法是有效的,并优于其他三种算法。     

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。