航空通信中干扰下的鲁棒性通信方法

航空器在进行空-地通信时,信道中会存在大量非线性的干扰信号,导致通信信号发生鲁棒性变化。提出一种基于信息最大化算法的航空通信中干扰下的鲁棒性通信方法,根据航空通信的特点建立通信模型,利用均值化处理方法和白化处理方法对通信信号进行预处理,利用信息最大化算法对信号进行信澡分离,实现了航空通信信号的鲁棒性要求;在Matlab7.0平台上完成测试,实验时航空通信划分成外部干扰,能够忽略和外部干扰不可忽略两种情况;仿真时间定为3 000 s,干扰源数目为12个,实验结果表明利用该算法对原始信号的拟合率达到97%左右,鲁棒性误差平均在3%左右,而传统算法误差在10%以上,表明该算法信号的鲁棒性更强。     

航空飞机计算机通信中滤波器的优化设计

航空飞机计算机通信系统进行通信的过程中,由于航空飞机上的电子设备相互之间的电磁干扰严重,导致信道中存在大量的干扰信号。提出基于小波变换算法的抗干扰滤波器设计方法。根据小波变换算法相关原理,综合航空飞机通信中特有的软阀值特点,利用自适应调整参数的方法得到高空通信中的最优小波系数阀值,使得高空噪声过滤阀值函数具有更强的适应性。利用新的阀值函数设计了新的滤波器,对行滤波模块和列滤波模块的设计进行了详细阐述。实验结果表明。利用设计的滤波器能够对航空飞机计算机通信过程中的干扰信号进行有效滤波,缩短了滤波时间,提高了高空通信系统的抗干扰能力。     

低复杂度数字辅助非线性自干扰光域模拟消除

在带内全双工（IBFD）多输入多输出（MIMO）通信系统中,通道间串扰、非线性失真及多径效应的共同作用使自干扰信号异常复杂。为在大带宽应用场景下消除此复杂自干扰信号,提出一种由最小二乘（LS）算法辅助的MIMO非线性自干扰光域消除方案,并将其与数字域消除相结合。该方案对IBFD MIMO系统中的复杂自干扰信号进行建模,并利用LS算法对模型参数进行估计,进而重建出模拟参考信号并用于实现光域模拟自干扰消除。此外,通过设置门限,在保证模拟消除深度的情况下忽略自干扰信号中功率较低的分量来降低LS算法阶数,提高参考重建速度。经实验验证,当MIMO多径自干扰信号的载波频率和波特率分别为1 GHz和0.5 Gbaud时,所提方案经过光域模拟和数字域自干扰消除后,可实现约35 dB的自干扰消除深度。     

跳频通信系统脉冲同步干扰仿真研究

跳频技术是目前通信领域应用非常广泛的一种通信方式。当跳速足够高、跳频带宽足够宽时,常规的干扰方法往往难以奏效。提出利用脉冲干扰信号对跳频信号的同步部分进行干扰的方法,并在MATLAB中建立典型跳频通信系统的信号级干扰仿真系统,采用脉冲信号进行干扰仿真研究。结果表明,脉冲干扰信号是一种对抗跳频通信的可行方式,针对跳频通信系统的同步部分进行干扰可以有效降低对脉冲信号源的综合指标要求。     

净分析信号算法用于近红外模型优化的研究

将净分析信号概念引入多元复杂的银杏叶提取物分析中,利用净分析信号算法对近红外光谱图进行处理,并用净分析算法结合二维相关光谱算法对模型进行了优化,最终建立槲皮素、山柰素和异鼠李素三种组分同时测定的近红外定量模型。利用两种净分析信号算法(Lorber的NAS算法和Goicoechea 与 Olivieri的HLA/GO算法)作为光谱预处理方法,用一系列主因子重构后的光谱图建立校正模型,并通过净分析信号-二维相关光谱算法对图谱中主对角线处的波段进行选择,优化模型建立所采用的波段。所采用的两种基于净分析信号的预处理方法成功的应用于银杏叶中三种黄酮：槲皮素,山奈素和异鼠李素含量的同时测定。净分析信号预处理方法显著降低了建模所需主因子数,提高模型的稳健性。净分析信号-二维相关光谱算法能够优化建模波段,提高模型的预测能力。结论：净分析信号算法能够应用于近红外光谱模型预处理和优化过程,在复杂多组分且干扰未知植物药含量分析的研究中具有实际应用价值。     

相干水声通信幅相加权空间分集均衡算法

水声信道的典型特点为多普勒频移严重、可利用带宽窄以及强多径干扰。空间分集均衡技术是相干水声通信中克服信道多径干扰,消除码间干扰的一种有效手段。为了极大化地输出阵增益,结合无源相位共轭方法和多通道均衡算法,本文设计了组合信噪干比的全新信道评价方法。利用改进的Sigmoid函数对各通道接收信号的幅度进行加权处理;采用二阶锁相环跟踪各通道信号的相位变化,实现各通道信号同相累加。将各通道低通滤波后的信号能量归一化,采用了分数阶-判决反馈分集均衡器,加入各通道权重系数实现了水声通信系统的分集均衡接收。仿真结果和湖试数据处理结果均表明,优化的幅相加权分集均衡接收算法能抵消多径和噪声的干扰,性能优于等增益合并接收算法。湖试数据处理结果误码率降低了1.8%。      

基于支撑向量机算法的抗干扰混合波束成形系统

针对复杂电磁环境下毫米波阵列的空间辐射干扰抑制问题,设计了一种低成本的自适应波束成形系统。首先建立了复杂电磁环境下通信系统模型,建立目标函数。然后利用机器学习中支持向量机算法将原非凸约束问题转化为二阶锥优化问题,获得理想编码矢量。最后利用梯度追踪算法对理想波束矢量进行稀疏重构,完成抗干扰波束的低复杂度实现。仿真结果表明,提出的波束成形系统能够对干扰作出有效抑制,能提升通信质量。     

阵列指向性二次型约束稳健波束形成算法

提出了一种基于阵列指向性二次型约束的优化算法,以提高最小方差无畸变响应(MVDR)波束形成对方向矢量的稳健性。通过控制阵列波束指向附近的小区域的自适应波束图与期望波束图的加权平方误差,使波束主瓣区域内的信号畸变最小,同时保持了对约束区间外的干扰信号的抑制能力。数值结果表明:在理想阵形和阵形畸变情况下,无方位失配时,利用本文算法的阵列输出信号与干扰噪声比(SINR)与新近出现的球面约束稳健Capon方法相当,而存在方位失配时,本文算法均优于后者。     

加权网络中基于冗余边过滤的k-核分解排序算法

k-核分解排序法对于度量复杂网络上重要节点的传播影响力具有重要的理论意义和应用价值,但其排序粗粒化的缺陷也不容忽视.最新研究发现,一些真实网络中存在局域连接稠密的特殊构型是导致上述问题的根本原因之一.当前的解决方法是利用边两端节点的外部连边数度量边的扩散性,采取过滤网络边来减少这种稠密结构给k-核分解过程造成的干扰,但这种方法并没有考虑现实网络上存在权重的普遍性.本文利用节点权重和权重分布重新定义边的扩散性,提出适用于加权网络结构的基于冗余边过滤的k-核分解排序算法:filter-core.通过世界贸易网、线虫脑细胞网和科学家合著网等真实网络的SIR(susceptible-infectedrecovered)传播模型的仿真结果表明,该算法相比其他加权k-核分解法,能够更准确地度量加权网络上具有重要传播影响力的核心节点及核心层.     

基于量子粒子群优化的正交小波加权多模盲均衡算法

针对常数模盲均衡算法(CMA)均衡高阶正交振幅调制信号(QAM)存在收敛速度慢、稳态误差大的缺点, 提出了基于量子粒子群优化的正交小波加权多模盲均衡算法(QPSO-WTWMMA). 该算法根据高阶QAM信号星座图分布特点, 将量子粒子群优化算法(QPSO) 和正交小波变换融入于加权多模盲均衡算法(WMMA)中. 因而, 利用QPSO对均衡器权向量进行了优化, 利用正交小波变换降低了输入信号的自相关性, 利用WMMA选择了合适的误差模型匹配QAM星座图. 理论分析及水声信道仿真结果表明, QPSO-WTWMMA算法可以获得更快的收敛速度和更低的稳态误差, 在水声通信中具有重要的参考价值.     

强干扰环境下网络情报数据滤波通信系统设计

传统通信系统在强干扰环境下进行通信时,系统会出现性能下降甚至无法通信的问题。设计并实现了一种新的网络情报数据滤波通信系统,设计强干扰环境下网络情报数据滤波通信系统的整体结构;按照网络情报数据滤波通信系统的标准以及分析强干扰的特性,对瞬态电压抑制模块、瞬态保护模块、语音信号输入模块进行设计,采用电磁滤波去噪的方法对故障修复模块进行优化,实现网络情报数据滤波通信系统的设计。实验表明,改进的网络情报数据滤波通信系统较传统的通信系统具有较强的抗干扰能力,通信效果好等明显优势。     

混沌信号自适应协同滤波去噪

混沌信号协同滤波去噪算法充分利用了混沌信号的自相似结构特征,具有良好的信噪比提升性能.针对该算法的滤波参数优化问题,考虑到最优滤波参数的选取受到信号特征、采样频率和噪声水平的影响,为提高该算法的自适应性使其更符合实际应用需求,基于排列熵提出一种滤波参数自动优化准则.依据不同噪声水平的混沌信号排列熵的不同,首先选取不同滤波参数对含噪混沌信号进行去噪,然后计算各滤波参数对应重构信号的排列熵,最后通过比较各重构信号的排列熵,选取排列熵最小的重构信号对应的滤波参数为最优滤波参数,实现滤波参数的优化.分析了不同信号特征、采样频率和噪声水平情况下滤波参数的选取规律.仿真结果表明,该参数优化准则能在不同条件下对滤波参数进行有效的自动最优化,提高了混沌信号协同滤波去噪算法的自适应性.     

Non-linear filtering of ultrasonic signals using neural networks

Structure noise from inhomogeneous micro-structures makes the detection of flaws present in highly scattering materials difficult. Several techniques have been applied to improve the signal-to-noise ratio (SNR) in order to make flaw detection easier. Linear filtering does not provide good results because both structure noise and flaw signal concentrate energy in the same frequency band. Non-linear filtering can be used to reduce the structure noise of ultrasonic signals. Therefore, neural networks are applied in this work for this purpose. In order to use neural networks for non-linear filtering, dynamic structures must be applied. The easiest way to implement a neural network with the capability of processing temporal patterns is to consider them spatial ones, applying the signal into a tapped delay line of finite extension, that is the input of a static neural network (for example, a multi-layer perceptron). In this work, a dynamic neural network has been built to filter ultrasonic signals with structure noise, and has been trained with the real-time back-propagation algorithm, using as inputs 3000 synthetic ultrasonic signals of 896 samples each. Target signals for training are the same as the ones used as inputs but without noise. The neural network is trained in order to generate as output the target signal when the noisy input one is applied. For testing the performance of the non-linear filter, a new set of 500 noisy signals has been used. The SNR improvement is about 6 dB average. The results show that this non-linear filtering method is quite useful as pre-processing stage in flaw detection systems.     

一种自适应层进式Savitzky‐Golay光谱滤波算法及其应用

可调谐半导体激光吸收光谱技术（TDLAS）利用半导体激光器的可调谐和窄线宽特性,通过选择特定气体的单条吸收线,排除其余气体的干扰,可以实现高精度、高选择性的气体浓度测量,在气体浓度检测系统中具有广泛的应用前景。在不同的应用条件和环境下,需要解决相应的硬件和数据处理方面的技术问题。主要研究TDLAS技术机动车尾气CO组分浓度遥测系统中的光谱数据处理问题,该系统利用路面漫反射回波信号遥测行驶中的机动车尾气CO组分浓度。由于激光扫描光谱回波信号受到漫反射面情况变化、空气环境变化、尾气湍流影响等因素影响,探测器收集到的信号不仅较弱同时也夹杂着多种噪声, 即测量光路信噪比较差, 故提出一种自适应层进式Savitzky-Golay(S-G)平滑滤波算法,实现了对光谱进行滤波处理从而更加准确地反演CO浓度。S-G滤波算法因其原理简单、功能强大、只需设置两个参数（窗口大小、拟合阶数）等优点,已广泛应用于光谱处理。如何正确设置S-G算法参数使滤波效果在去噪不足和过度滤波之间找到平衡点,是该滤波算法应用的一大难题。设计的检测系统中,测量光路光谱信号为非平稳信号,噪声和有效信号幅度时变,最佳窗口大小和多项式阶数随信号动态而变化,且变化区间较大,使用固定参数的S-G滤波器难以达到最佳效果。提出的自适应层进式S-G平滑滤波算法,通过逐层将测量光路光谱信号经过S-G滤波后,与参考光路的光谱信号设置的参考段比对信号相关系数和信号一阶导相关系数的和,以自适应得到逐层最优参数。通过对信噪比从9.81～29.77的10组不同带噪光谱分析验证了该算法的有效性,自适应层进式S-G算法能较好地去除噪声并还原带噪信号所携带的待测气体浓度信息,与带噪光谱对比,吸收光谱峰值最大误差由25.152%降至5.917%,积分吸光度最大误差由18.1%降至3.9%。在实现的系统中,使用自适应层进式S-G算法对测量光路进行滤波处理,并对不同车型、不同排量、燃烧不同油品的机动车在怠速和缓速通过(5 km·h-1)系统时其排放的CO浓度进行实时在线监测。     

托卡马克电源窄带宽近基频间谐波检测方法

为解决托卡马克磁体电源系统中出现的低频谐波检测问题,研究了基于可调参数 Q 的 F42N150 单 频模拟陷波器和椭圆数字带通滤波器的混合检测算法。通过边界优化有效剔除干扰基波及 5 次谐波,实现有效的 频谱分离。利用 MATLAB 优化了为设计过程进行,使用基于 DSP 的数字分析系统进行了试验验证,验证了检测 算法的正确性和有效性。      

一种公共网络攻击数据挖掘智能算法研究

公共网络的开放性和自组织特性导致网络容易受到病毒干扰和入侵攻击,对攻击数据的准确高效挖掘能确保网络安全。传统方法采用时频指向性波束特征聚类方法实现攻击数据挖掘,在信噪比较低时攻击数据准确挖掘概率较低。提出一种基于自适应滤波检测和时频特征提取的公共网络攻击数据挖掘智能算法。首先进行公共网络攻击数据的信号拟合和时间序列分析,对含噪的攻击数据拟合信号进行自适应滤波检测,提高信号纯度,对滤波输出数据进行时频特征提取,实现攻击数据的准确挖掘。仿真结果表明,采用该算法进行网络攻击数据挖掘,对攻击数据特征的准确检测性能较高,对干扰的抑制性能较强,能有效实现网络安全防御。     

激光气体分析仪中数字滤波器的设计

由于基于可调谐二极管激光吸收光谱（TDLAS）技术的激光气体分析仪的二次谐波信号中存在较大的系统噪声,本文利用有限长单位冲激响应（FIR）,提出了激光气体分析仪的二次谐波在线滤波方法。在分析FIR数字滤波器原理的基础上,利用MATLAB窗函数设计了适合本激光气体分析仪的数字滤波器。然后,将仿真的FIR数字滤波算法移植到激光气体分析仪嵌入式系统中。最后,比较了滤波前后二次谐波信号波形,说明了在激光气体分析仪嵌入式系统中采用基于FIR数字滤波器滤波算法的可行性。实验结果表明：FIR数字滤波器对一组二次谐波信号进行滤波的运算时间为230ms,滤波后的二次谐波信号波形获得了较好的去噪效果,能够满足激光气体分析仪对含有噪声的二次谐波信号进行平滑去噪的要求,且滤波算法结构简单、运算时间短、可移植性强。     

A method based on iterative morphological filtering and multiple scattering for detecting layer boundaries and extinction coefficients with LIDAR

Layer boundaries detection with LIDAR is of great significance for the meteorological and environmental research. Apart from the background noise, multiple scattering can also seriously affect the detection results in LIDAR signal processing. To alleviate these issues, a novel approach was proposed based upon morphological filtering and multiple scattering correction with multiple iterations, which essentially acts as a weighted algorithm with multiple scattering factors in different filtering scales, and applies integral extinction coefficients as media to perform correction. Simulations on artificial signals and real LIDAR signals support this approach.     

Spatial diversity and combination technology using amplitude and phase weighting method for phase-coherent underwater acoustic communications

The UWA channel is characterized as a time-dispersive rapidly fading channel,which in addition exhibits Doppler instabilities and limited bandwidth. To eliminate intersymbol interference caused by multipath propagation, spatial diversity equalization is the main technical means. The paper combines the passive phase conjugation and spatial processing to maximize the output array gain. It uses signal-to-noise-plus-interference to evaluate the quality of signals received at different channels. The amplitude of signal is weighted using Sigmoid function. Second order PLL can trace the phase variation caused by channel, so the signal can be accumulated in the same phase. The signals received at different channels need to be normalized. It adopts fractional-decision feedback diversity equalizer(FDFDE) and achieves diversity equalization by using different channel weighted coefficients. The simulation and lake trial data processing results show that, the optimized diversity receiving equalization algorithm can improve communication system's ability in tracking the change of underwater acoustic channel,offset the impact of multipath and noise and improve the performance of communication system.The performance of the communication receiving system is better than that of the equal gain combination. At the same time, the bit error rate(BER) reduces 1.8%.