激光多普勒测速中的频谱校正及其应用

由于激光多普勒测速(LDA)系统的动态测试范围宽,信噪比低,单个散射粒子的渡越时间短,能采集到的信号长度有限,因此必须探索合适的频谱校正方法提高多普勒频率的精度来满足LDA的测量要求。将能量重心法、比值法、相位差法、频谱细化、频谱拟合等5种离散频谱校正方法应用于LDA信号处理中,通过仿真计算比较各种方法的优缺点,并选取比值法用于实时测量,取得了明显的效果。     

基于辅助天线的目标极化散射矩阵估算方法

探讨了利用雷达主天线变极化特性和辅助天线结合测量目标极化散射矩阵的可行性。首先给出了雷达主天线不同变极化方式下的接收信号模型和辅助天线的接收信号模型，其次根据主天线变极化方式的不同，提出了两种估计雷达目标极化散射矩阵的方法，并简要分析了其估计的精度。最后，结合暗室测量数据仿真分析了雷达目标极化散射矩阵估计的精度，验证了本估计算法的有效性。     

基于杂波密度估计的联合概率数据互联算法

联合概率数据互联(JPDA)算法能很好地解决密集环境下的多目标跟踪问题。在该算法基础上,人们又提出了多传感器联合概率数据互联(MSJPDA)算法和一些基于JPDA的修正算法。在联合概率数据互联算法中,有一个很重要的参数就是杂波数密度(或波门内虚假量测期望数),然而在许多实际情况中,这个参数是很难获取的。针对这一问题,提出了一种修正的联合概率数据互联算法,该算法通过实时地调整这一参数来获得对目标较为准确的估计结果。最后,给出了算法的仿真分析。     

一种提高语音干扰效果评估准确度的方法

语音信号的干扰效果是检验通信对抗装备的重要指标之一,基于客观的评估方法是当前研究的重点。客观评估方法的基础是对语音信号的预处理,介绍语音信号端点识别和语音信号分段处理方法的基础上,提出了一种基于时间统一设备的端点识别与分段方法,解决了加噪语音信号在仿真试验中的分段问题,该方法不受信噪比影响,具有较强的适应性。     

MC-CDMA系统中基于DFT的信道估计改进算法研究

LS信道估计算法运算量小,实现简单,但估计值对噪声影响敏感,算法精度低。为降低噪声对精度的影响,文章提出一种新的基于DFT的LS信道估计改进算法。该算法利用并行PN序列信号特性,通过时延点信息获取算法得到多径信道的时延点信息,并在改进的信道估计算法中利用此信息,最大程度地抑制噪声。仿真结果表明,与现有的基于DFT的LS改进算法相比,本算法可进一步提高估计精度,在低信噪比条件下性能更好。     

基于OFDM技术的有线传输系统仿真

文章对高速载波调制解调技术原理及其实现技术进行了研究,并根据MIL-STD-1553A/B实际传输的硬件系统,建立信道模型及噪声模型。该系统由基带信号处理和线缆驱动两部分组成,通过对传输系统中各处理模块的分析,并利用Matlab Simulink仿真平台进行系统级仿真,仿真结果表明OFDM调制解调技术获得10-5较低的误码率,可应用于已有的1553总线这样的高速有线传输系统。     

水下传感器网络时间同步技术综述

 时间同步是传感器节点协同工作的基础.水下传感器网络由于采用水声通信方式,具有不同于陆地无线传感器网络的特点,为时间同步算法研究带来了新的挑战.论文首先说明同步问题与同步算法的形式化定义,然后讨论水下传感器网络不同于陆地传感器网络的特点,并指出相关特点对于同步问题的影响;接着综述陆地传感器网络同步算法的研究进展,分析相关算法用于水下环境的不足;进而介绍水下传感器网络同步算法的研究进展,并通过仿真实验完成了相关算法的性能对比;最后总结水下传感器网络时间同步的关键问题,指出进一步的研究方向.     

雷达模拟器与雷达的接口电路设计

提高雷达模拟器生成回波信号的真实性和可靠性,需要实时采集一些重要的雷达工作状态参数,如雷达工作时的天线方位角和高低角信号、主脉冲信号、锥扫基准信号和载波频率信号等。这些信号分别为模拟回波信号的生成提供了天线增益大小、时间基准、相位基准和载波频率大小等重要的参考信息。通过对这些信号性能参数的分析和研究,提出模拟器与雷达系统接口电路设计方案。雷达实验可以证明该设计性能稳定、可靠、成本较低,很好地实现了接口电路的功能要求。     

应用于信号处理的Fourier变换与小波变换

在分析Fourier变换与小波变换异同点的基础上,对它们在不同类型信号的处理过程中的应用进行了探讨．并给出一个检测故障点的仿真实例,证明了小波变换的优越性．     

基于TSVD-SCN的光纤入侵信号识别算法研究

采用随机配置网络(SCN,Stochastic configurat ion network)对光纤振动信号进行识别,常由于光 纤预警系统的背景噪声问题使得网络的隐含层输出接近奇异,直接影响了SCN对光纤数据的 识别准确率。 因此本文提出了一种基于截断奇异值分解(Truncated singular value decomposition,TS VD)的SCN 方法(TSVD-SCN) 对光纤入侵信号进行识别。TSVD-SCN通过对网络的隐含层输出进行SVD分解并设置阈值去 除其中较小的 奇异值,以减少隐含层输出矩阵的条件数,提升网络识别率。本文利用占空比,平均幅差函 数,FFT求能 量占比的方法进行特征提取,采用基于TSVD-SCN算法对不同入侵振动特征矢量进行分类识 别。实验证明, 本文所提算法模型精度比SCN的模型精度更高,可以准确识别光纤入侵信号类型,对SCN网 络在实际应用中对分类精度的提高有着重要意义。