M-PSK突发通信测试中DFT内插载波盲估计算法研究

在宽带通信信号实时多域分析通用架构基础上,针对宽带M-PSK突发通信信号实时多域分析中的快速载波同步,提出了一种基于离散傅里叶变换(DFT)插值的载波频偏相偏联合估计算法.该算法根据最大似然估计理论,首先对定时同步后的被测信号进行非线性变换去除调制信息,然后利用DFT变换得到载波频偏相偏粗估计,最后通过线性内插改善估计精度,实现载波频偏和相偏的精确估计.仿真及实验结果表明:通过内插算法处理后,载波估计误差方差更加逼近克拉美-罗(Cramer-Rao bound)界.该算法可在不增加DFT变换点数情况下,提高DFr对频率和相位的分辨力.     

高阶QAM实时多域分析联合载波同步算法研究

在宽带通信信号实时多域分析通用架构基础上,针对宽带高阶QAM通信信号实时多域分析,提出了一种面向测试的高精度快速联合载波同步算法.该算法采用基于离散傅里叶变换(DFT)的载波频偏盲估计算法和改进的双模载波同步环路,并引入频谱滑动平均、输出跟踪保持和环路参数自动调节等处理机制, 可在极大频偏条件下快速实现载波相位精确跟踪.研究表明:在实时分析带宽为20 MHz的条件下,采用该算法对码率为6.4 MSps的宽带256QAM信号进行实时多域分析.载波同步的最大频偏捕获范围能够达到±10 MHz;载波频偏盲估计精度较以前算法提高了5倍;载波恢复环路能够在大约1 800个符号周期内锁定,并实现载波相位精确同步.     

强干扰下复杂系统的独立源识别方法

为了识别强干扰环境下复杂系统的独立源信号,利用主分量分析(PCA)的主投影方向辨识能力,以及独立分量分析(ICA)的冗余取消与盲源分离特性,提出一种基于复合PCA-ICA神经网络的独立源识别方法。ICA与 PCA的有机结合使两者优势得到充分发挥,隐藏于多通道传感观测中的独立源波形得以分离。借助基于快速傅里叶变换与最大相关分析准则的自适应分析校正,消除ICA估计源的盲不确定性,准确地估计源波形及其混合参数,从而实现独立源信号的识别。仿真试验结果证明该方法的有效性,也表明它在复杂系统源识别方面具有较大的应用潜力。     

MIMO-OFDM系统性能的研究

针对空时编码不能直接应用于非平坦衰落信道的问题。提出了将正交频分复用(OFDM)与多输入多输出系统(MIMO)相结合的方案。建立了OFDM-STC系统模型。OFDM系统通过把信息分散到许多载波上,降低了各子载波的信号速率,使符号周期比多径迟延长,从而能够减弱多径传播的影响。利用Matlab软件对各系统的性能进行了仿真,仿真结果表明,结合后的OFDM-STBC系统较传统的STBC系统,可靠性获得了提升。     

EMD和独立分量分析在转盘轴承故障诊断中的应用

提出了一种基于经验模式分解(EMD)和独立分量分析(ICA)相结合的盲源分离方法。首先采用低通滤波对采集到的振动信号进行预处理,其次利用EMD构造多通道测试信号,并通过计算测试信号相关矩阵相邻特征值的最大下降速比估计系统信源数,然后利用峭度指标挑选一组最优测试信号作为Fast ICA算法的输入信号并分离出源信号,最后对源信号进行功率谱分析,获取故障特征频率。模拟试验表明:基于EMD和ICA的盲源分离方法能够较好地分离出源信号,准确获取故障特征频率,具有一定的实际应用价值。     

大跨径桥梁实时动态挠度信号的分离

由于经验模式分解(empirical mode decomposition,简称EMD)将非线性非平稳信号分解成为一系列线性、平稳的本征模函数(intrinsic mode function,简称IMF)信号,针对单通道大跨径桥梁挠度信号分离问题,结合盲源分离和经验模式分解各自优点,提出基于经验模式分解的盲源分离方法。利用奇异值分解(singular value decomposition,简称SVD)估计信号源数目,根据源信号数目将单通道挠度信号和其本征模函数重组为多通道输入信号,应用独立分量分析(independent component analysis,简称ICA)理论中的快速独立分量分析(fast independent component analysis,简称FastICA)算法对输入信号进行分解,实现桥梁挠度信号各分量的分离。仿真研究表明,该方法能较好地解决ICA模型源数估计和单通道挠度信号盲源分离难题。     

联合应用MUSIC与FastICA算法实现多个时空混叠源信号的波形重建

联合应用多信号分类与快速独立分量分析算法,分离多个时空混叠源信号,并重建其波形。利用多信号分类的方法,基于二阶统计量辨识观测信号的噪声子空间,并搜索与噪声子空间和方向矢量同时正交的多源位置参数,实现源信号波达方向的估计。利用基于固定点迭代的快速独立分量分析方法,通过最小化互信息这一高阶统计量测度来估计传感器阵列的增益模式,进而估计未知的源信号混叠矩阵。实现多个时空混叠源信号的分离与波形的重建。试验结果表明,基于多信号分类与快速独立分量分析联合的新方法,能有效辨识复值时空混叠矩阵,正确分离并重建来自不同方向的混叠源信号,从而为后续的进一步应用(如弱信号检测、故障诊断等)奠定基础。     

大跨径桥梁实时动态挠度信号的分离

由于经验模式分解(empirical mode decomposition,简称EMD)将非线性非平稳信号分解成为一系列线性、平稳的本征模函数(intrinsic mode function,简称IMF)信号,针对单通道大跨径桥梁挠度信号分离问题,结合盲源分离和经验模式分解各自优点,提出基于经验模式分解的盲源分离方法。利用奇异值分解(singular value decomposition,简称SVD)估计信号源数目,根据源信号数目将单通道挠度信号和其本征模函数重组为多通道输入信号,应用独立分量分析（independent component analysis,简称ICA）理论中的快速独立分量分析（fast independent component analysis,简称FastICA）算法对输入信号进行分解,实现桥梁挠度信号各分量的分离。仿真研究表明,该方法能较好地解决ICA模型源数估计和单通道挠度信号盲源分离难题。     

基于ICA和高阶累积量的AR序列的分解与复原

本文研究由若干个非因果自同归(auto regression,AR)序列叠加产生的多道时间序列的分解与复原问题.首先从序列的独立性出发,利用序列的高阶统计信息,采用独立成分分析(independent component analysis,ICA)中的广义信息最大化(Info-max)算法寻找一可逆矩阵将混合序列进行分离,然后设计了一种基于高阶统计量的自回归模型的辨识算法,算法中将非因果AR系统看成由因果和反因果系统的极联,在每次迭代中先估计反因果AR的阶数和参数,然后冉估计因果AR的阶数和参数,由选用的线性方程组保证了参数的唯一可辨识性.最后通过模拟实验验证了此方法的有效性.     

一种新的可变窗长的FMT同步算法

在FMT(Filtered Multitone)系统中,为实现同步需要构造训练序列,但由于原型滤波滤波器长度远大于子载波数,导致训l练序列周期过长,训练符号数过多,同步位置的确定存在模糊性,而且载波频偏估计范围过小.为了克服以上缺陷,提出了一种新的可变窗长FMT同步算法,通过调节同步窗口大小调整载波频偏捕获范围,该算法可以精确确定同步位置,并且训练序列只需要一个FMT符号.     

基于粒子滤波算法毫米波误差综合估计

5G毫米波通信因其高载波频率和速率而备受关注,成为了未来移动通信的研究热点。然而,在毫米波通信测试仪器设计中,通常采用多次倍频的方法为毫米波基波混频器提供毫米波本振,这个过程中附加产生的相位噪声、载波频率偏移和采样时钟偏移等误差,会造成系统解调指标恶化。为了解决这一问题,本文首次提出了一种基于粒子滤波算法的毫米波误差综合估计的方法,利用粒子滤波算法良好的鲁棒性和适应性,可一次性估计出相位噪声、载波频率偏移以及采样时钟偏移。通过仿真与实验分析,本文算法相较于传统PTRS相位噪声估计效果更好,EVM指标更优。并且本文所提算法已应用于国产5G毫米波基站综测仪中,在载波频率为28 GHz,带宽为400 MHz,调制方式为64QAM时,EVM指标可达到2.21%。     

基于自适应陷波的直拉单晶直径跟踪

为抵消单晶生长过程中晶体直径测量信号存在的周期性干扰,提出一种适合晶体直径测量信号的自适应陷波滤波方法。该方法采用抵消低频分量、保留高频分量的思想建立滤波器优化函数,利用一种改进的粒子群优化算法优化该函数获得周期性干扰的逼近信号,并用此逼近信号抵消周期性干扰。实验结果表明,所提出的滤波方法能有效跟踪直拉单晶直径的变化,精度优于常用的滤波方法,所提出的粒子群优化算法能够使滤波器系数较快收敛。     

基于非均匀快速傅里叶变换的正交频分复用水声通信多普勒估计与补偿方法

针对正交频分复用水声通信对多普勒频移敏感的问题,提出了一种基于非均匀快速傅里叶变换的正交频分复用水声通信多普勒估计与补偿算法.将第2类非均匀快速傅里叶变换引入正交频分复用水声通信中,利用非均匀快速傅里叶变换对接收信号进行多普勒因子网格补偿,通过稀疏贝叶斯学习获得水声信道估计,以水声信道的稀疏能量最小作为多普勒因子判断准...     

Low-complexity resource allocation in rate-constrained OFDMA downlink systems

A resource allocation algorithm with quality of service(QoS) guarantees in a cellular orthogonal frequency division multiple access(OFDMA) network is proposed.The algorithm is a modified water-filling algorithm.In the first phase,power and subcarriers are allocated together,and in the second phase,users’ minimum data rate requ irements are met,while the remaining resources are allocated in order to maximi ze sum rate.It is a cell-level algorithm,and its main advantages are low implementation complexity and capacity of maintaining higher ratio of QoS satisf ying users’ requirements.Simulation results show that this scheme outperform s other proportional resour ce allocation schemes.     

MIMO-OFDM 在不同 turbo 编码率下的实验研究

多输入多输出正交频分复用(MIMO-OFDM)是4G 和5宽带无线通信中最重要的空间接口。MI-MO 可通过多路天线传输多种信号,OFDM 可将一条无线通道分隔成空间非常接近的大量子通道,从而提供更可靠的高速通信。研究结果表明,MIMO 还可以和其他接口联合使用,如时分多址(TDMA)和码分多址(CDMA)。MIMO and OFDM 的结合对高速数据传输是最实际的应用。利用不同的 turbo 编码率,误码率(BER)得到了改善。     

UUV平台OFDM水声通信时变多普勒跟踪与补偿算法

针对传统多普勒估计和补偿算法在基于无人水下航行器(UUV)的正交频分复用(OFDM)水声移动通信中难以准确跟踪时变多普勒因子并对其进行快速实时补偿的缺陷,提出了一种基于时频联合搜索的新的多普勒跟踪与快速补偿算法。利用梳状导频结合频域变采样技术搜索OFDM符号在不同多普勒因子下的信道频域响应,借助匹配追踪技术对信道估计结果进行稀疏度评估,选择稀疏度最佳的信道响应对应的多普勒估计对信号进行快速补偿。经蒙特卡洛仿真及海试试验证明,该方法能够有效实现对基于UUV平台的时变多普勒实时追踪和快速补偿,保证稳健的OFDM水声移动通信。     

INS/SFGPS PPP紧组合系统动态补偿滤波算法

惯性/卫星组合导航系统结合精密单点定位技术可有效提高导航定位精度。但精密单点定位技术一般需采用双频接收机,成本较高;同时该系统中采用载波相位作为部分或全部观测量,极容易受到周跳的影响而导致精度下降和系统不稳定。针对上述问题,设计了一种惯性/卫星精密定位紧组合导航系统以及基于动态周跳补偿的鲁棒滤波算法。该系统采用低成本的单频接收机(SFGPS),以精密单点定位技术(PPP)处理过的伪距和载波相位作为观测信息,与惯性导航系统(INS)等效观测量进行紧组合,建立了相应紧组合观测模型并引入周跳作为信息融合滤波状态模型中的状态量,以滤波器信息构建周跳检测统计量并对周跳幅值进行识别和估计,实时补偿观测量以提高观测信息精度,同时以前述周跳估计的结果对状态模型中周跳状态量部分滤波参数进行实时调节。上述方法通过动态补偿周跳误差提高导航精度,通过滤波器参数自适应调节提高滤波稳定性。仿真结果验证了该系统模型及算法的有效性。     

Research on image reconstruction algorithms based on autoencoder neural network of Restricted Boltzmann Machine (RBM)

Aiming at the problem of low quality in image reconstruction of traditional image reconstruction algorithm of electromagnetic tomography(EMT), an EMT image reconstruction algorithm based on autoencoder neural network of Restricted Boltzmann Machine (RBM) is proposed. Firstly, the basic principles of EMT system and autoencoder neural network are analyzed. Autoencoder neural network is a deep learning model, which contains two parts: encoder and decoder. The encoding process of the encoder is equivalent to the object field detection process in the EMT system; the decoding process of the decoder is equivalent to the image reconstruction process. On this basis, an autoencoder neural network model is built. In this model, the RBM is used for layer by layer pre-training to obtain the initial weight and offset, and the global weight and offset are adjusted by BP algorithm. The parameter file generated in the trained autoencoder neural network is used to construct a decoder. Finally, the detected voltage value output by the EMT system is input into the decoder network to obtain the reconstructed image of the EMT. Furthermore, data with Gaussian noise and data regarding flow pattern not in training dataset are used to test the generalization ability and practicability of the network, respectively. The experimental results show that the method in this paper is a kind of EMT image reconstruction method with higher accuracy, which also provides a new means for EMT image reconstruction.     

基于相频空间稀疏性快速估计发光二极管灯点参数

为了得到每个发光二极管(LED)灯点对某些目标位置的贡献量,以便获得、记录或重现特定的LED照明模式,本文对控制LED灯点的脉宽调制波形(PWM)的参数(振幅、频率偏移量、相位延迟)估计问题进行了研究。首先,将频率偏移-相位延迟空间离散化成网状格点空间,根据测量到的数据在格点空间具有稀疏性的特点建立了稀疏模型。然后,基于该稀疏模型,利用正交匹配追踪算法(OMP)用很少的采样点快速地重建出未知参数。最后,采用逐级迭代细分网格技术优化稀疏模型以便有效地抑制估计误差。实验结果表明,本文方法仅使用相当于奈奎斯特采样定理要求的27.5%的采样点即可准确地重建未知参数,从而快速估计LED灯点的参数。在理想情况下,本文算法的均方根误差小于068%。另外,不同噪声条件下的对比实验说明该算法在信噪比大于20 db时鲁棒性较好。     

基于WVD谱峭度法在轴承故障诊断中的应用

在对基于短时傅里叶变换(STFT)和基于小波变换的谱峭度法分析的基础上,提出了基于W igner Vil le分布的谱峭度法。将其作为检测工具,利用谱峭度构造最优滤波器提取轴承故障 信息。将这三种谱峭度法应用于滚动轴承故障诊断中进行对比分析。分析结果表明，时频分析方法对信号能量的集中程度和时窗与滤波器的选取是影响谱峭度法应用效果的主要因素。该结果对基于时频分析的谱峭度法理论体系的形成及其在故障诊断中的应用具有实际意义。