基于Chirp原子MP分解的汉语声母时频结构分析

针对汉语声母语音呈现的非平稳特性,提出一种基于Chirp原子MP分解的汉语声母时频结构分析方法。实验仿真结果表明,该方法与直接WVD相比,无交叉项干扰,与Gabor原子分解相比,在重构声母信号90%能量情况下,不仅更加准确地提取了声母的时频特征参数,且采用原子个数和耗费时间分别为Gabor原子分解的30.77%和24.53%,证实了该方法的优越性。     

基于经验模态分解的WVD交叉项抑制法

针对Wigner-Ville分布(WVD)存在交叉项的问题,提出一种基于经验模态分解(EMD)的WVD交叉项抑制方法,将EMD得到的各固有模态函数去伪后进行WVD计算,将WVD分析结果线性叠加后重构出原始信号的WVD时频分布。仿真结果表明,该方法能有效抑制时频分布的交叉项,保证WVD的时频聚集性,分析信号的调幅调频现象。     

基于NGWarblet-WVD的高质量时频分析方法

针对高聚集度Wigner-Ville distribution (WVD)时频分析方法存在严重的交叉项干扰问题, 利用广义Warblet变换(Generalized Warblet transform, GWT)不产生虚假频率分量的特点, 提出了WVD与GWT相结合的归一化广义Warblet-WVD (Normalized generalized Warblet-WVD, NGWT-WVD)算法. 该算法将GWT与WVD进行矩阵运算, 实现滤波效应, 抑制WVD产生的新交叉项以及混入自项的交叉项, 提高WVD的时频分析质量. 实验结果表明, NGWT-WVD方法有效地去除了多分量信号的交叉项干扰, 提高信号分析结果的时频聚集度, 还原多分量信号的真实时频分布. 采用NGWT-WVD方法处理金属疑似破裂样本信号, 获取破裂发生区间的时间和频率标志段, 为监测传感器设置有效门限值提供判据, 取得了良好效果.     

基于FRFT的Wigner-Ville分布交叉项抑制方法

针对多分量线性调频信号的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)交叉项干扰问题,提出一种抑制交叉项的方法。该方法利用分数阶傅里叶变换(Fractional Fourier Transform,FRFT)在最佳FRFT域中对给定的线性调频信号具有最好的能量聚集性,将多分量线性调频信号在FRFT域上分解为若干个单分量信号,线性叠加单分量信号的WVD,从而达到抑制交叉项的效果。此外,当多分量线性调频信号为周期信号时周期间存在干扰,进一步提出了在基于FRFT的WVD交叉项抑制方法中增加周期遮蔽处理。仿真结果表明,在保持较高的时频分辨率时,该方法能够有效抑制交叉项,并且有一定的抗噪声能力。     

利用粒子群算法实现PPS信号的稀疏分解

针对在分析高阶多项式相位信号（PPS）时,Wigner—Ville分布（WVD）的交叉项使得时频分布图变得难以解释,为了提高信号计算速度和数据提取精度,采用基于匹配追踪（MP）算法的信号稀疏分解来抑制交叉项,但是稀疏分解计算量大,难以应用在实时信号处理。将粒子群优化算法用于稀疏分解的最优匹配原子的搜索,能降低稀疏分解复杂度,同时减少稀疏分解的超完备字典对存储空间的占用,可以提高用稀疏分解理论进行信号处理的计算效率,满足或接近实时性的要求。计算机仿真结果证实了方法的有效性。     

基于稀疏分解的微弱多分量LFM信号参数估计

Wigner-Ville分布是线性调频(LFM)信号参数估计方法中的常用方法,但其缺点是对多分量LFM信号有严重的交叉项.文中以稀疏分解方法为基础,利用匹配追踪(MP)算法将微弱多分量LFM信号在过完备原子库上进行分解,由分解得到的原子参数可以估计出各个LFM信号的起始频率和调频斜率,从而实现了微弱多分量LFM信号的参数估计.仿真验证了该方法的有效性.     

基于高时—频分辨率脑电信号特征提取方法分析

分析脑电信号主要采用时频分析法,其中交叉项和分辨率是相互矛盾的两个因素。基于高时—频分辨率分析(High Time-Frequency Resolution Analysis,HTFRA)方法能够将这两者相结合。该方法以维格纳-威尔分布(Wigner-VilleDistribution,WVD)为基础,对Wigner-Ville分布的结果利用中心仿射滤波法进行非线性滤波,有效地消除了Wigner-Ville分布的交叉项干扰,而不影响信号的分辨率。对仿真信号采用传统的短时付氏变换、Wigner-Ville分布及HTFRA求时频能量分布,结果显示:HTFRA较传统的方法更清晰地反映信号在时频域内的能量变化。该方法使得脑电信号适用于各种分类算法。     

基于Chirp原子改进的声母时频特征提取研究

对比了传统时频方法对汉语声母的分析精度,针对其中所存在的各种缺陷,提出首先利用Chirp原子对声母进行匹配追逐分解,然后利用原子魏格纳威利分布重构方法对声母进行时频特征提取.仿真实验结果表明,该方法与短时傅里叶变换相比具有较高的时频聚集性;与直接魏格纳威利分布相比无交叉项干扰,且降低了时频表示数据量;与Gabor原子分解相比,使用原子数量更少,重构精度更高,证实了该方法的有效性.     

强鲁棒性和高锐化聚集度的BGabor-NSPWVD时频分析算法

针对短时傅里叶变换（Short-time Fourier transform，STFT）、Gabor变换和魏格纳-维尔分布（Wigner-Ville distribution，WVD）出现的时频分辨率模糊和交叉项干扰，以及目前一些主流改进算法如STFT-WVD和Gabor-WVD存在的频率分量三维幅度失真，且抗噪性能及鲁棒性能不理想等问题，提出基于局部二值化、归一化处理再结合的二值化Gabor-归一化WVD（Binarized Gabor-normalized WVD，BGabor-NWVD）和二值化Gabor-归一化伪平滑WVD（Binarized Gabor-normalized smoothed pseudo WVD，BGabor-NSPWVD）算法.数值仿真实验结果表明，BGabor-NWVD和BGabor-NSPWVD算法较好地抑制了交叉项干扰，具有较高的时频锐化聚集度，且两种算法的抗噪性能和鲁棒性也较为理想.基于本文方法对硬质合金顶锤工作时产生的疑似破裂信号进行时频分析，在抑制噪声和交叉项的同时能够较为准确地寻找传感器的频率判别窗口，为金属破裂监测设备数据采集卡提供有效的阈值参考.     

基于改进WVD的跳频信号参数估计方法

为了克服传统的平滑伪魏格纳分布(SPWVD)在跳频信号参数估计中分辨率降低的问题,提出基于改进WVD算法的跳频信号参数估计新方法。通过分析跳频信号WVD的性质和特点,构造出与跳频信号WVD自项支撑区重合的时频窗,用其与信号WVD相乘进行加窗,有效抑制交叉干扰项的同时保持了WVD良好的时频分辨率,得到了清晰的跳频信号时频分布,基于此分布给出跳频信号参数估计的具体步骤。仿真实验结果表明,该方法有效可行且具有很好的整体性能。     

一种可测量简谐振荡频率的振动频率传感器

以压电式加速度传感器和信号处理电路为核心,研究了一种可以测量简谐振荡频率的振动频率传感器,给出了该频率传感器核心控制电路的设计方法。仿真和实验表明该频率传感器能实时、准确地测量出以简谐规律振荡的振动频率,测量误差小于±2.3%。     

Statistical demodulators for frequency shift keying with fast frequency hopping

This work is devoted to the problems of information transmission with frequency shift keying and fast frequency hopping in special channels where the signal/noise ratio is low, and a high energy interfering signal is present. We propose a demodulation algorithm that is significantly more stable to the influence of a powerful interfering signal as compared to other known algorithms. Under these conditions, we show a statistical criterion that lets one significantly reduce error probability on the demodulator’s output. For the chosen criterion we prove several lemmas that let us speed up the demodulation algorithm. Computer modeling results show that the proposed demodulation algorithm has better correcting ability under a powerful interfering signal than previously known ones.     

Cognitive frequency diverse array radar with symmetric non-uniform frequency offset

Frequency diverse array (FDA) radar with uniform inter-element frequency offset generates a beam pattern with maxima at multiple range and angle values. Multiple maxima property allows interferers located at any of the maxima to affect the target-returns. As a result the signal to interference noise ratio (SINR) and probability of detection decreases. In this paper, we propose a cognitive uniformly-spaced FDA with non-uniform but symmetric frequency offsets to achieve a single maximum beam pattern at the target position. Moreover, these non-uniform frequency offsets are calculated using well known mu-law formulae. The design sharpens or broadens the transmitted beam pattern based on the receiver feedback to achieve a better detection probability and an improved SINR as compared to the previous designs. The performance is also analyzed by considering the Cramer-Rao lower bound (CRLB) on target angle and range estimation.     

Parallel frequency filtering

The frequency filtering method is a robust and efficient ILU-like solver for large sparse systems (cf. [9,10]). Combining this method with the so-called Schur-complement DD method, we obtain a fast parallel solver. In this context, frequency filtering can be applied as solver inside the subdomains as well as for the treatment of the arising Schur complements. Especially for those, the method is well suited since it is highly parallelizable by recursively applying the same decomposition as to the original system. In this paper, an implementation of the frequency filtering domain decomposition (FFDD) method on a multiprocessor system will be presented and the numerical results of some variants thereof be discussed. The scaling behaviour of the algorithm for an increasing number of processors is almost optimal.     

一种高频低相噪频率合成器的设计

在无人机着陆系统中需要一种高频稳度的频率合成器,本文基于集成锁相环PE3240芯片设计了一种具有高频低相位噪声性能的频率合成器,并对影响相位噪声的因素进行了分析,电路测试结果表明设计达到了预期要求.     

基于隐马尔可夫模型的短波认知频率选择方法

针对短波频谱利用率低下及频率选择不够智能的局限性,提出一种基于隐马尔可夫模型(HMM)的短波认知频率选择方法。应用认知无线电原理,将短波传统用户作为主用户,将采用认知无线电技术的短波电台作为认知用户。首先,建立隐马尔可夫模型,结合频谱感知历史数据预测主用户信道状态;其次,在预测空闲的基础上估计信道参数;最后,根据估计的信道参数选择最优频率。仿真结果表明,所提方法能够准确预测传统短波用户信道状态,快速估计信道参数。在设定的仿真条件下,所提方法的成功传输率分别较HMM预测和能量感知随机信道选择方法有5.54%和10.56%的提升,能够选择最优信道。     

广义频分复用与正交频分复用的比较

广义频分复用是德国5GNOW项目组提出的一种5G物理层解决方案,采用的是非矩形脉冲成型。首先对GFDM基本模型进行研究,指出其本质是DFT滤波器组,然后分别用DFT滤波器组实现OFDM和GFDM多载波调制系统,分析三者间的联系与区别,突出循环卷积降低GFDM计算复杂度的特点。从CP加入方式和原型滤波器两个方面对GFDM和OFDM进行比较,指出GFDM使用更少的CP,提高了频谱效率。最后通过实验仿真,对二者的原型滤波器频域响应性能和SER性能进行比较,强调非矩形滤波器有更好的频域响应性能,GFDM的SER性能较差是因为放弃了子载波的严格正交条件,导致子载波间干扰增大。     

Scaling laws of spatial visitation frequency: Applications for trip frequency prediction

The relationship of the built environment to human travel is one of the mainstream themes in urban studies. It provides a foundation for transport prediction. The existing literature is limited in accuracy when predicting spatial temporal travels from built environment. Understanding the scaling laws of spatial visitation frequency sheds new light on the issue. The scaling laws connect travel and the built environment by ordered-rankings, which make it possible to predict the number of arrivals from environmental variables. This research analyses the scaling laws of dynamic spatial visitation frequency using taxis' global positioning system (GPS) records, and proposes a model to predict spatial temporal arrivals from points of interest (POIs). The results show that: (i) the scaling law of spatial visitation frequency is exponential; (ii) the exponential scaling law is explained by the linear preferential attachment effect and a logarithmic travel growth process; (iii) the exponential scaling law is not sensitive to time; (iv) the proposed model predicts spatial temporal arrivals with high accuracy (R² > 0.6).     

一种用于OFDM时域频偏估计的频偏取值判决机制

提出了一种可适用于OFDM时域频偏估计的频偏取值判决机制,根据两个自相关峰值估算出大范围频偏粗值和小范围频偏粗值,由频偏取值控制状态器根据大范围频偏粗值和小范围频偏粗值的数值逻辑关系,确定频偏取值状态,由频偏取值执行器根据频偏取值状态计算准确的最终频偏数值。经802.11n接收机系统的频偏仿真测试表明,在IEEE TGN多径信道A~信道F条件下,其频偏估计均方误差<10-2误差(SNR>5),估算范围达正负2.5倍子载波频率间隔。