分组空时块码系统中的排序最大信噪比检测算法

提出并比较了应用于分组空时块码（G—STBC）系统中两种不同信道模型的排序最大信噪比（MaxSNR）检测算法。该系统在发端对发射天线分组，每组进行独立的空时块码编码；在收端应用排序最大信噪比算法进行检测。由于空时块码提供了额外的时域约束，所以可以利用这个约束对信道模型进行变换，得到一个等效信道模型，然后再使用排序MaxSNR检测；当然也可以直接利用原有的信道模型，即非等效信道模型进行检测。仿真结果表明：当接收天线数不少于发射天线数的一半时，采用等效信道模型下的排序MaxSNR算法，系统的误码曲线就能保持陡降性；并且在收发天线数相同时，其性能总是优于非等效信道模型。     

DMT系统中一种易于实现的时域均衡器

总结了DMT系统中时域均衡器(TEQ)的主要设计方法，指出最大缩短信噪比(MSSNR)TEQ的最优设计方法很难实时实现。提出了一种MSSNR TEQ的次优设计方法，它首先估计出目标抽样窗的最优延迟，然后用分步求解法求出TEQ的抽头系数。和最优方法相比，次优方法的计算量大幅度减少，可实时实现，而其缩短信噪比的损失很小。仿真实验验证了次优方法的有效性。     

基于随机相位误差Tikhonov分布的MC-DS-CDMA系统性能分析

本文针对工作于慢变频率选择性Rayleigh衰落信道中的部分相干的MC-DS-CDMA系统，基于随机相位误差的Tikhonov密度分布提出了误码率上边界的一种分析方法。仿真结果表明，随着环路信噪比的增加，相位误差损耗所产生的系统误码率性能损失变得越来越小，当环路信噪比高于系统信噪比(Eb/N0)20dB时，系统误码率性能损失小于0．2dB。在MC-DS-CDMA系统中，由于能用频率分集取代路径分集，因而接收机结构更易实现。     

调幅系数为任意值的调幅波研究

本文讨论了调幅系数为任意值的调幅波，给出了它的表达式，频谱与调幅系数，调制效率和信噪比增益的计算公式。     

微光CCD摄像器件综合特性的分析与比较

ＣＣＤ的优良特性使其在微光电视技术领域得到了广泛运用。本文对各种微光ＣＣＤ摄像器件的综合特性例如信噪比、探测率、动态范围与计数模式等进行了详细的研究与对比，并得出基本结论。     

一种红外成像系统作用距离试验评估方法

进行红外成像系统作用距离考核试验时，由于外场试验中的目标特性及气象条件与指标提出对应的目标特性及气象条件有差别，因此需要进行必要的折算。提出一种基于信噪比准则的可行的红外成像系统作用距离试验评估方法。     

微机械谐振器的快速测试方法

为了缩短微机械谐振器的测量时间,提高测量效率.提出了一种针对压阻检测的微谐振器的频率特性测试新方法,该方法利用欧姆鉴相器,积分器和微处理器实现对微弱信号的有效检测.欧姆鉴相器以检测电阻为鉴相器,利用欧姆定律实现参考信号和被测信号的乘法鉴相运算;通过积分器实现对鉴相结果的积分运算,抑制干扰和噪声;微处理器用于对积分数据的...     

一种基于高阶统计信息的信噪比估计改进算法

针对多进制正交幅度调制(Multiple quadrature amplitude modulation,MQAM)信号在低信噪比条件下估计精度不高的问题,提出了一种基于综合利用高阶统计信息的信噪比估计改进算法。根据所选高阶统计量最高阶数的不同,建立了3种信噪比与多种高阶统计量运算式之间的线性关系,利用全回归线性分析方法将3种线性关系转化为3种全回归模型,并求解模型系数。该算法充分利用了多种高阶统计量的有用信息,提高了信噪比估计精度。MQAM的仿真结果表明:在低信噪比条件下,该算法减小了信噪比估计误差,其估计性能明显优于传统的其他算法,且3种模型估计性能依次增加,可依据不同的信噪比要求对3种模型进行选取。     

基于APR—SVM的音频分类方法

音频分类在多媒体应用中十分广泛,主要有时域分析和频域分析方法。文中提出了一种基于自适应间距比（APR）算法和支持向量机（svrd）算法的音频分类方法,先用APR算法区分语音与非语音;对于非语音,再通过SVM进行音频分类。APR算法是比较PR参数和阈值来区分语音和非语音,它和信噪比密切相关;而将非语音分成四组：音乐,汽车,会议,雨声,提取特征因子。实验结果表明：文中设计的分类器的精度达到93．75％以上,能很好地把各类型音频分开。     

Effective DOA Estimation Under Low Signal-to-Noise Ratio Based on Multi-Source Information Meta Fusion

Efficiently performing high-resolution direction of arrival (DOA) estimation under low signal-to-noise ratio (SNR) conditions has always been a challenge task in the literatures. Obvi-ously, in order to address this problem, the key is how to mine or reveal as much DOA related in-formation as possible from the degraded array outputs. However, it is certain that there is no per-fect solution for low SNR DOA estimation designed in the way of winner-takes-all. Therefore, this paper proposes to explore in depth the complementary DOA related information that exists in spa-tial spectrums acquired by different basic DOA estimators. Specifically, these basic spatial spec-trums are employed as the input of multi-source information fusion model. And the multi-source in-formation fusion model is composed of three heterogeneous meta learning machines, namely neural networks (NN), support vector machine (SVM), and random forests (RF). The final meta-spec-trum can be obtained by performing a final decision-making method. Experimental results illus-trate that the proposed information fusion based DOA estimation method can really make full use of the complementary information in the spatial spectrums obtained by different basic DOA estim-ators. Even under low SNR conditions, promising DOA estimation performance can be achieved.