多核数字信号处理器矩阵乘卷积算法性能评测

矩阵乘卷积算法能够为各种卷积配置提供高性能基础实现,是面向给定芯片进行卷积性能优化的首要选择。针对国防科技大学自主研制的飞腾异构多核数字信号处理器(digital signal processor, DSP)芯片的特征以及矩阵乘卷积算法自身的特点,提出了一种面向多核DSP架构的高性能并行矩阵乘卷积实现算法ftmEConv。该算法由输入特征图转换、卷积核转换、矩阵乘以及输出特征图转换这四个均运行在通用多核DSP上的并行化部分构成,通过有效挖掘通用DSP核中功能单元的潜力来提升各个部分的性能。实验结果表明,ftmEConv实现了高达42.90%的计算效率,与芯片上的其他矩阵乘卷积算法实现相比,获得了高达7.79倍的性能加速。     

信号特征对分形维数的影响

分形维数是描述信号的一种有效方式,用来作为各种情况下信号复杂度的测量方法。但是对于此种分析的合理解释没有被给出。为了研究信号参数对分形维数的影响,通过对接受信号进行预处理,分别使用盒维数和信息维数进行维数估计,讨论信号采样点数、噪声功率、载频、码率对信号分形维数的影响。仿真结果表明:当采样频率一定时,分形维数在一定范围内对噪声不敏感;码率对盒维数的影响较小,对信息维数的影响较大;载频对信息维数的影响较小,对盒维数的影响较大。     

地下工程火灾环境对无线信号传输的影响

通过全尺寸实火试验和计算机模拟,分析和研究了地下工程火灾环境对无线信号传输效果的影响,并基于无线信号传输常规模型,假设地下工程火灾条件下的无线信号传输的数学模型,得出接受信号强度RSSI值的衰减与温度变化、烟气浓度变化的关系,通过分析数据之间的关系,得出地下工程中火灾环境下的无线信号传输损耗指数的值,最终建立起地下工程火灾环境下的无线信号传输模型.为复杂环境消防通信问题的研究奠定基础.     

信号分割修正聚类的星座图恢复算法

通过分析载波估计频偏、信号长度对星座图恢复的影响,采用将长信号分割为短信号的方法减小频偏对星座图恢复的干扰,并通过旋转叠加修正的方法解决了由信号长度减小导致码元失去历遍性而带来的星座图恢复不完整问题,最后根据信噪比大小选取不同聚类算法进行聚类并再次修正,实现了星座图对称的幅相调制信号的星座图完整恢复。多次仿真表明,该算法对频偏估计精度的要求可以降低1~2个数量级,减小了参数估计的工作量,使因参数估计精度不高而带来的信号后续分析困难问题得到了良好解决。     

基于小波分层连通树结构的信号重构

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,效率有明显改善。     

铁路区间信号系统测试评估平台——自动闭塞移频信号的数据采集及验证

铁路区间信号系统测试评估平台中数据采集和验证子系统研究移频信号的数据采集、A/D转换和信号显示,移频信号的处理是对被测系统发送和接收的移频信号的载频和调制低频鉴频鉴幅,进行验证,为测试评估平台对被测系统的功能、可靠性和安全性评估作必要的数据准备.     

DSSS时变窄带干扰抑制算法研究

在传统非线性最小二乘(NLS)算法的基础上,提出一种基于线谱估计的直接序列扩频(DSSS)系统抑制窄带干扰(NBI)的方法。该算法首先通过对基于正弦波叠加模型的NBI进行频率估计,再利用最小二乘准则进行自适应滤波,恢复出干扰信号包络,从而利用干扰对消器将其从观测数据中消除。仿真验证表明,本算法相对于传统的最小均方误差(LMS)算法、自适应频域陷波法,能较好地抑制时变音频NBI模型的干扰,且信息量损失较小。     

基于线性频率调制与解调的片上直流电压信号放大器

片内直流电压信号摆幅较小,且受到CMOS工艺中被动器件一致性较差、易被高频交流信号干扰等因素的影响,采用典型的比例放大电路难以放大这类信号.为此提出了一种基于“载频”的“电压→频率→电压”放大方法,使用载波信号作为片上长距离传输的信号,将易受到干扰的直流信号局部化,利用前馈补偿技术构建了具有高度线性转换关系的“电压→频率”调制电路,采用具有较高线性度的频率解调电路实现后级电压信号的解调,有效地放大片内直流电压信号.电路仿真结果表明,所提出的放大器电路能有效地放大片上电压信号,直流电压增益为2.4.     

基于多尺度压缩感知的信号重构

压缩感知是近几年新兴的采样理论,它指出如果信号在某些基上是可压缩的,那么通过很少的观测即可获得信号的准确重构。当信号采用小波基并在压缩感知的基础上,提出了多尺度压缩感知,数值仿真结果表明多尺度压缩感知可以给出更好的重构效果。     

运动目标DOA自适应跟踪算法

战场区域移动通信系统中,指挥中心实时地将主波束对准作战分队来波方向,而将其他方向的来波作为干扰置零陷,不仅提高了抗干扰能力,而且还可对作战分队进行定位。这一过程是通过跟踪移动用户信号的波达角(DOA)来实现的,传统的高分辨率DOA估计算法,如MUSIC、ESPRIT等算法,无法实现自适应、实时跟踪,因为它需要对接收信号的协方差矩阵反复进行特征值分解或奇异值分解,计算量大。针对这一问题,引入基于改进的信号子空间自适应跟踪的卡尔曼(Kalman)滤波算法,该算法直接从信号子空间中提取DOA的更新,无需从协方差矩阵中提取。仿真结果表明,该算法不仅降低了运算量,而且可跟踪多用户的DOA。