高斯信号的量化分析

由于器件的约束条件不同,在数字信号处理中通常要对AD采样后的信号进行量化处理,如何提高量化的性能是量化的关键。针对N(μ,σ2)高斯分布的量化信号,使用理论推导的方式,得到量化损耗与限幅门限的关系式,并推导出对应量化损耗最小的最优限幅门限公式,其推导方法同样适用于其他随机信号。仿真试验证明了该公式的正确性,结论可应用于工程实现。     

基于层次方法和PCA特征变换的宫颈细胞识别

对宫颈细胞多分类,可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法实验后,选取支持向量机（SVM）作为基分类器,先用一对一策略（one- versus -one）训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。又考虑不同层特征模式的差异性,在保证识别性能同时,每层分类前先采用主成分分析（PCA）法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次PCA法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

残差域加权ACF基音周期检测算法

针对传统自相关(ACF)基音周期检测算法存在较多的倍频和半频错误,文章提出一种基于线性预测残差域加权ACF基音周期检测方法。首先对语音信号中心削波,减小共振峰的影响;而后进行线性预测分析获得残差信号,对其求自相关值和循环幅度差(CAMDF)值,以CAMDF的倒数值为权重加权ACF进行基音周期检测;最后通过基音平滑算法对提取的基音轨迹进行后处理。仿真实验表明,该算法可降低基音提取的倍频和半频错误,提高估计精度。     

双处理器的图像跟踪系统硬件平台设计

通过分析装甲车车载图像跟踪系统的任务和应用环境,设计了以TMS320C6202数字信号处理器(DSP)为核心,结合PC104嵌入式计算机的双处理器并行处理硬件平台;详细介绍了利用大规模FPGA芯片实现系统总线仲裁和逻辑控制的设计思想;并给出了体现系统智能化程度的--DSP模块的程序智能加载技术以及其实现方法.实际系统测试表明该硬件平台能满足图像跟踪系统的实时性、可扩展性、稳定性的要求,为装甲战车的数字化改造提供了可靠的保障.     

在非高斯信道下多用户检测的鲁棒算法

在无线通信中应用多用户检测技术可以有效去除多路径干扰 (MAI)。实验证明 ,实际信道通常包含冲激噪声 ,从而是非高斯的。讨论了目前扩频通信 (DS SS)中应用于非高斯信道的自适应鲁棒的多用户检测技术 ,以前的研究大多存在两个缺点 :一是需要对非高斯信道的模型有一个先验估计 ;二是计算较基于高斯信道的算法复杂的多。本文从传统的特征空间的自适应跟踪技术PASTd[1] ,针对其误差模型对算法进行修改 ,提出了一种简易的鲁棒算法。经蒙特卡洛仿真证明 ,该方法在含冲激噪声信道中能显著提高信号子空间跟踪的精度     

用最大熵谱法分离切削声发射信号的研究

对金属切削过程中不同声发射源的信号进行分离,是声发射技术用于切削状态监控以及提高其可靠性的关键。文中采用宽频带测试系统和最大熵谱分析方法,对车削过程中众多声发射源的声发射信号进行了分离实验研究。结果表明,在频域内进行不同声发射源的声发射信号的分离是可行的。     

顺序PROLOG机存储组织研究

YH-SIM是一种正在研制中的顺序PROLOG机。本文介绍该机存储组织的设计考虑。根据PROLOG过程执行的具体特点,文中提出了一种多专用Cache的存储子系统结构,旨在支持深度优先加回溯的顺序PROLOG求解机制。即按照不同的访问方式,设立常规Cache和栈式Cache,分别支持存储空间中的随机访问区域和栈式访问区域。作为一个典型的子部分,文中详细讨论了选择点Cache的控制和调度策略。     

条带式合成孔径雷达数字聚束算法

与聚束工作模式的合成孔径雷达 (SAR)相比 ,条带式SAR能够在相同时间内对更大范围的区域进行微波成像。但是在分析条带式SAR图像时 ,往往需要着重分析某些局部热点区域 (ROI ,Region-Of-Interest) ,而ROI外散射体的回波会降低ROI图像的对比度。本文的数字聚束 (Digitally -Spotlight)算法可以在成像前将ROI外的回波“过滤” ,实现等效的的聚束工作模式 ,从而提高SAR对比度。仿真验证了该算法的有效性。     

地形匹配辅助导航中的地形独特性分析

本文提出了一种用于地形匹配辅助导航系统中地形独特性分析方法。该方法从地形匹配的物理模型出发，定义了描述局部地形独特性的一个概率向量，在此基础上，给出了地形独特性的熵度量方法。分析和仿真实验表明，地形熵越小，地形就越独特，地形匹配区的可导航性就越好。     

在非高斯弱相关噪声中弱信号的最佳检测

本文探讨了仅已知噪声一维分布和二阶统计特性的条件下非高斯无穷相关噪声中确知弱信号的最佳检测问题。在假设噪声为一阶AR过程ni=yi+ρn(i-l)的情况下,以最优化检测器的渐近相对效验为准则。并对p取一阶和二阶近似的意义下,分别得到了最佳有记忆和无记忆检测器的闭式解。推证和比较了它们同非高斯白噪声中的最佳检测器在结构上的异同和性能上的改进程度。最后给出了几个典型的实际例子。