同类2FSK混合信号中微弱信号提取方法研究

针对光传输系统的特点与要求, 基于有限域提出了一种新颖的扩展非规则重复累积准循环低密度奇偶校验码(eIRA-QC-LDPC)构造方法, 该构造方法可根据实际需要灵活地调整码长码率, 利用此方法构造了一种码率为0.937的novel-eIRA-QC-LDPC(4599,4307)码。仿真结果表明: 在误码率(BER)为10-7且码率均为0.937的情况下, 该novel-eIRA-QC-LDPC(4599,4307)码比ITU-T G.975中RS(255,239)码和ITU-T G.975.1中LDPC(32640,30592)码的净编码增益(NCG)分别改善了约2.13和1.33dB, 比用SCG构造方法构造的SCG-eIRA-LDPC(3717,3481)码和基于阵列码构造方法构造的Array-eIRA-QC-LDPC(4560,4275)码的净编码增益分别提高了约0.24和0.41dB, 距离香农限约1.07dB。因而该构造方法所构造的eIRA-QC-LDPC码具有更好的纠错性能, 更适合高速长距离的光传输系统。     

高斯混合噪声中弱信号的Rao检测方法

期望最大化(Expectation Maximization,EM)算法是求解参数最大似然估计(MLE)的最优迭代算法,但若参数初始化不恰当,会使估计值落入"初值陷阱",导致错误的参数估计值.为此,本文提出了估计高斯混合噪声参数的矩 - EM算法,即先求参数的矩估计,并用矩估计值初始化参数,再通过EM迭代算法估计参数.在此基础上,经高斯化滤波,导出了高斯混合噪声背景下未知幅度弱信号的Rao检验统计量.仿真结果表明,矩 - EM算法可以更准确地估计噪声参数;基于矩 - EM算法的Rao检测性能优于基于EM算法的Rao检测性能.     

数字图像中混合噪声的滤波

中值滤波法主要用来抑制椒盐噪声,均值滤波法主要用来抑制高斯噪声.当数字图像中即有椒盐噪声又有高斯噪声时,两种方法均无法达到令人满意的效果.提出了一种混合噪声的滤波方法.首先通过设定阈值,将椒盐噪声和高斯噪声加以区分.然后先对椒盐噪声使用改进了的中值滤波方法进行滤波,之后使用近邻域均值滤波法对高斯噪声进行滤波.仿真结果表明,文中提出的混合去噪声算法计算简单,对数字图像中存在的混合噪声有较好的滤波效果.     

从混合有色噪声背景中提取正弦随相调频信号的方法

提出了从混合有色背景噪声中提取正弦随机调频信号方法－－基于高阶累积量FIR自适应滤波方法。其主要特点是：FIR自适应滤波系数是用输入信号的四阶以上累积量进行更新的；FIR自适应滤波器是收敛于与有用信号类型匹配的滤波器。因此，它既能有效地提取有用信号（匹配信号），又能有效地抑制混合有色噪声（非匹配信号）。仿真结果表明，与短时相关方法相比，该方法是很有效的。     

用于微弱信号检测的随机共振系统设计

 随机共振(SR)作为一种能够利用噪声来提高系统输出信噪比的工具,近来得到越来越多的关注和研究.一个很大的问题是如何设计一个简单高效的SR系统.针对常见的微弱信号检测问题,我们分析了二值量化器和二值量化器阵列,推导出最优二值量化检测器和渐近最优阵列SR检测器,给出渐近最优阵列SR检测器的设计准则.根据理论分析结果,给出了鲁棒阵列SR检测器及基于噪声样本集合的参数选择算法,能够在未知背景噪声情形中获得较好的检测性能.     

混合信号衬底耦合噪声的传播及抑制方法

介绍了衬底噪声耦合效应在不同工艺衬底中的传播,应用medici模拟了不同衬底中,噪声发生端和噪声接收端噪声在不同间距下噪声传播的情况,并从工艺和电路设计两个方面介绍了一系列抑制衬底噪声的方法。     

高斯约束强干扰背景下微弱语音信号的提取

语音通信是人类最常见最有效的通信方式,随着数字化信息化时代的飞速发展,已经实现了实时的、超远距离的语音通信,人们对于语音通信的音质也越来越高,然而,电磁空间各频段分布日趋密集,语音信号在传输过程中常受到各类电磁信号的干扰,加之声源处的各种噪声干扰并放大,甚至在军用领域对于非合作信号的提取,往往都是淹没在极强干扰的背景之下.尽可能地将微弱的语音信号从复杂的噪声环境中提取出来,会便于民用通信,更好地获得军事情报等.而自然界最为普遍的分布就是高斯分布,本文假设强干扰背景信号是服从高斯分布的,以尽可能多地符合真实场景,再利用同步累加的算法,使得服从高斯分布的强背景噪声在一定程度上抵消,而含有用信息的语音信号在多次叠加后相对于背景噪声更加突出,进而容易提取.     

基于稀疏表达的微弱信号提取及检测方法

首先简要介绍了稀疏表达模型以及其常用的求解方法;然后讨论了一种基于稀疏表达的微弱信号提取及检测方法;在此基础上,为了减少时间与空间复杂度,开发了一种快速求解算法;最后给出信号的提取结果以及定性与定量分析,并用大量的实验结果证明讨论的基于稀疏表达的微弱信号提取及检测方法的顽健性与自适应能力。     

重掺杂型混合信号集成电路衬底的噪声模型研究

应用器件模拟软件SILVACO模拟三种结构重掺杂型衬底中注入高频电流的分布,根据模拟结果分析得出重掺杂型衬底的简化模型为一单节点,进而将简化模型与实际的混合信号集成电路结合,建立起重掺杂型衬底的噪声模型,并给出了参数估算式。     

微弱正弦信号检测新方法

本文研究了一种新的检测微弱正弦信号的新方法。利用正弦信号的特殊特性．引人参考信号．与被测信号进行多重互相关运算,成功检测淹没于噪声中的正弦信号。分别讨论了白噪声、谐波、直流电平干扰情况下的检测效果,绘出了具体的仿真结果。实验结果表明．本文算法能提取出极低信噪比的微弱信号,对谐波和直流电平不敏感,同时本文的算法不会破坏微弱正弦信号的初相位信息．因此。工程适用范围更广。     

2FSK信号"指纹"特征的研究

人有表示个体属性的指纹特征 ,无线电通信信号 (下称信号 )是否存在描述个体电台的电子“指纹”特征 (下称“指纹”特征 )呢 ?文中分析了信号“指纹”特征存在的可能性 ,并以 2FSK信号为例 ,论述了 2FSK信号应具有的“指纹”特征 ,同时提取了其中部分“指纹”特征。     

一种适用于微弱信号盲提取的白化方法

独立分量分析(ICA)算法是解决盲信号分离(BSS)问题的最有效方法之一.ICA中,对观测信号预白化处理的作用至关重要.通常采用主分量分析(PCA)来进行预白化处理.实际中,在利用广播、电视等作为照射源的被动雷达系统中,观测信号通常被强噪声和干扰严重污染,这很大程度上降低了BSS方法的性能.然而,传统的BSS方法中没有...     

基于信号相关性微弱应变信号检测

材料力学微应变测量实验中,试件在较小负荷作用下所产生的应变信号十分微弱,而各种噪声较被测应变信号强很多倍,因此在信号检测时要设法提高信号的信噪比。所以,基于信号相关性,利用相关检测法将被测信号中的有用信号与噪声进行分离,以实现微弱应变信号的有效检测。     

基于混合模型的强直达波与多径杂波消除

针对非合作无源相干定位中强直达波与多径杂波对目标散射信号的强抑制特点,提出了采用AR与MA的混合模型消除直达波与多径杂波的新方法。文中推导了采用AR模型和MA模型对多径信道建模的正则方程,提出了采用混合模型消除直达波与杂波的迭代算法。理论与仿真结果表明该方法对直达波与多径杂波的消除是非常有效的。     

用SDFT实现FSK调制信号的数字解调方法

提出了一种新的FSK调制信号数字化解调的方法,该方法以移位离散傅立叶变换SDFT(Shifted Discrete Fourier Transforms)为基础。文中给出了一个8FSK信号进行数字化解调的仿真结果,计算机仿真结果表明,该方法能在较低信噪比(SNR)和较大多普勒频移条件下解调FSK信号,并具有较好的解调性能。     

混合信号系统中一种典型复合接地策略

结合项目过程遇到的一个时分多址噪音问题,系统阐释了时分多址噪音发生的机理和常用解决途径,但是这些常用的措施并不能解决该项目的时分多址噪音问题。通过该项目调试实践,发现除了相关音频单元部分采用星形接地外,其他部分模拟地和数字地不进行分割的综合策略,很好的解决了时分多址噪音问题。最后,进一步对混合数字信号系统接地策略的选择进行了总结,以期在混合信号系统设计中能够获得最佳性能。     

多模噪声背景下信号提取算法的研究

信号检测是信号处理的一个重要的研究方向,以前的信号检测方法多数是基于在高斯噪声背景下进行讨论,对非高斯噪声研究比较少。非高斯噪声的干扰问题在通信过程中是经常出现的。背景噪声用多模（非高斯）噪声为模型,提出改进（最小均方误差牛顿）LMS Newton算法实现对多模背景噪声的抑制,并给出了多模噪声中信号的检测,达到对有用信号提取的目的。最后,进行了计算机模拟仿真,得出了结果。     

混合信号SoC中的衬底噪声耦合效应

衬底噪声耦合是深亚微米混合信号集成电路中常见的噪声干扰效应,严重地影响了模拟电路的性能。系统地阐述混合信号SoC中的衬底噪声耦合效应及其研究现状,讨论利用基于格林方程的边界元法对衬底建模的方法,并且分别从工艺、版图、电路等不同层次衬底噪声耦合效应的抑制方法与技术,同时对将来衬底噪声研究的发展方向以及新思路进行分析与讨论。