基于频域相位方差加权的线性调频信号检测方法

针对未知线性调频信号的检测问题,依据线性调频信号相位比较稳定这一特征,提出一种基于频域相位方差加权的线性调频信号检测方法。该方法利用线性调频信号频率单元对应相位比较稳定,背景噪声频率单元对应相位比较随机的特点,对各频率单元进行相位方差加权,可以进一步抑制背景噪声能量干扰,增强线性调频信号检测信噪比增益,实现对未知线性调频信号的检测。仿真条件下,在输入平均谱级比大于-10 dB时,相比相位差分对齐法,该方法所得最终线性调频信号频率单元与噪声频率单元的平均谱级比得到了进一步提高,且随着输入平均谱级比越高,输出线性调频信号频率单元与噪声频率单元的平均谱级比提高越多。理论分析和实验结果表明:该方法可以有效增强信号能量,抑制噪声,提高信噪比。     

基于组合式信号源的Hammerstein-Wiener模型辨识方法

针对含有有色噪声的非线性Hammerstein-Wiener模型,提出一种基于组合式信号源的辨识方法.通过利用可分离信号和随机信号组成的组合信号源实现有色噪声干扰下Hammerstein-Wiener模型各串联模块参数辨识的分离,简化辨识过程.首先,基于可分离信号的输入和输出,采用相关分析方法抑制过程噪声的干扰,辨识输出静态非线性模块和动态线性模块的参数;然后,基于辅助模型技术,利用辅助模型的输出和残差的估计值分别取代辨识模型中的不可测中间变量和噪声变量,推导辅助模型递推增广最小二乘方法,根据随机信号的输入输出数据辨识输入静态非线性模块和噪声模型的参数;最后,通过理论分析和仿真结果表明,所提出方法能够有效辨识有色噪声干扰下的非线性Hammerstein-Wiener模型,具有较好的鲁棒性.     

飞机颤振模态参数辨识试验的快速滤波算法

研究飞机颤振随机模型中实际输入-输出信号序列的最优滤波估计问题,利用矩阵论中的矩阵因式分解和统计信号处理中的条件期望公式,将由新息过程构成的块Toeplitz矩阵进行三角分解,得到一种有效的递推滤波算法。对于滤波输入-输出信号的估计值,推导该算法下的估计误差和方差表达式。最后用仿真算例验证采用滤波后得到的输入-输出信号估计值作为飞机颤振模态参数辨识试验的观测信号可得到较为准确的传递函数,进而使得模态参数的辨识也更精确。     

随机模型的频域分析及辨识

本文证明了时间域内的平稳相关序列经离散傅里叶变换之后,听得到的是频域内的正交随机序列。因此,当系统的激励信号为确定性信号,而输出信号被平稳相关随机噪声所污染时,根据输入信号、输出信号的采样序列所得到的频率响应函数也是正交随机序列。利用方差的倒数加权进行最小二乘估计,可以得到系统连续模型参数的有效估计值。     

动态总方差及其在陀螺振动信号分析中的应用

动态Allan方差是分析动态环境下陀螺仪随机误差变化规律的一种新方法。针对其运用窗函数截取信号导致方差估计值置信度降低,尤其是长相关时间上估计误差大的问题,提出了动态总方差法。用矩形窗分段截取陀螺仪量测信号,再对截断窗内数据进行倒像映射延拓以增加方差估计的实际自由度,最后计算延拓后样本的Allan方差并提取其噪声系数,将其按时间顺序分别以三维和二维的形式表征出来,以细化和辨识陀螺输出的动态特性。从对半球谐振陀螺线振动试验实测数据处理结果来看,新算法不仅能及时跟踪信号的非平稳变化,而且有效提高了振动信号方差估计值的置信度。     

一种高阶QAM信号多普勒频率参数估计算法

为了解决高阶QAM信号载波同步中动态多普勒参数估计问题,提出一种基于调频信号相位多项式系数估计的方法。该方法针对QAM信号去调制后的信号表达式构造二次相位(QP)函数,通过估计二次项系数得到多普勒频率变化率的估计值。进一步依据最大似然准则估计一次项相位系数得到多普勒频率估计值。最后用取主值的方法进行相位估计。计算机仿真实验表明,该算法能有效应用于高阶QAM信号的动态多普勒参数估计。     

快速解线性调频技术

系统地研究了快速解线性调频技术,采用了一种快速频率估计的综合算法取代了传统的一维频率搜索方法。如采用两个ＦＦＴ并行处理,那么只需一次ＦＦＴ运行时间就可得到精确的频率估计值,整个解线性调频过程相当两次ＦＦＴ和两次相关运算时间,便于硬件实现。同时以比较简洁的方法得到了输出信噪比和最佳延迟时间的解析表达式,使本算法理论趋于完善。     

一种估计模拟分解滤波器组系数偏差的算法

模拟器件工艺偏差是制约混合滤波器组模拟数字转换器系统信号重构精度的主要原因,准确地得到模拟分解滤波器组传递函数是完成信号重构的首要条件.为解决上述问题,本文提出一种估计传递函数系数偏差的算法.该算法根据输入信号的信息以及信号通过模拟滤波器组后的采样数据,便可以准确地估计出偏差范围在±20%的模拟滤波器传递函数系数的偏差值.实验中分别采用2阶和3阶模拟滤波器传递函数模型,其谐振频率的估计值与理想偏差值的标准偏差分别为1.10%和0.56%.将估计值应用于单通路滤波混合滤波器组系统进行仿真,输出信号可以达到14位精度,完成了系统重构功能,仿真验证了该算法的可行性.     

FPGA配合NIOS技术的精确调频发生器

本设计以Altera公司的APEX FPGA器件为核心,采用直接数字频率合成技术(DDS),辅以必要的模拟与数字转换电路,形成一个精确调频发生器。本系统的主要特色:可以产生任意波形的信号,输出信号的频率可精确调整,且频率稳定度很高。本系统也可以实现扫频信号输出,且扫频起点、终点和步长均可调整。同时对输入模拟信号采集,并用Nios对采样数据处理实现全数字调频。     

UD分解与偏差补偿结合用于变量带误差模型辨识

本文提出一种基于UD(upper-diagonal)分解与偏差补偿结合的辨识方法,用于变量带误差(errors-in-variables,EIV)模型辨识.考虑单输入单输出(single input and single output,SISO)线性动态系统,当输入和输出含有零均值、方差未知的高斯测量白噪声时,该类系统的模型参数估计是一种典型的EIV模型辨识问题.为了获得这种EIV模型参数的无偏估计,本文先推导出最小二乘模型参数估计偏差量与输入输出噪声方差以及最小二乘损失函数与输入输出噪声方差的关系,然后采用UD分解方法递推获得模型参数估计值,再利用输入输出噪声方差估计值补偿模型参数估计偏差,以此获得模型参数的无偏估计.本文还讨论了算法实现过程中遇到的一些问题及修补方法,并通过仿真例验证了所提辨识方法的有效性.     

一种LFM信号参数估计的新方法

提出了基于降维处理的LFM信号参数估计新方法。其基本思路是对信号进行数学变换,将LFM信号的中心频率估计转换为对正弦信号频率的估计,得中心频率估计值;基于解线性调频处理并对信号进行对应中心频率处的单值点DFT得到单值幅度谱,进而得到调频斜率估计值。新方法在较低的计算复杂度下,能获得较高精度的参数估计值。计算机仿真结果表明了该方法的有效性。     

基于压缩采样的宽带线性调频干扰信号参数估计方法

为提高硬件对宽带干扰信号的采样和处理效率,提出一种宽带线性调频干扰信号参数估计方法。在无任何先验知识的情况下,对宽带线性调频干扰信号进行窄带滤波,再采用快速解线性调频技术估计它的调频速率。依据调频速率估计值构造解调器并对宽带线性调频干扰信号进行解调,消除信号的频率变化,使其在频域满足稀疏性。对解调信号进行压缩采样、部分重构估计相关参数。仿真结果表明,在随机采样点数远低于奈奎斯特采样点数的情况下,该方法能够准确估计宽带线性调频干扰信号参数。     

一种自相关矩阵改进的Pisarenko算法

Pisarenko算法是通过N个采样数据估计一个平稳随机信号参数的算法.改进的Pisarenko算法在噪声环境下可以精确估计信号频率.该算法通过一个时域累积量等式选择适当的数量关系得到新的自相关矩阵,最后利用最小二乘法求解得到频率的估计值.该算法把频域中提取的信号转换到时域中求解,从而避免了经典Pisarenko算法由于对自相关矩阵进行降维,使用样本自相关函数少,影响最后频率估计精度的缺点.仿真实验结果表明,所提的算法能够有效提高频率估计值的精度,频率估计性能稳定.     

阈值阵列模型下的超阈值随机共振信噪比增益

研究了阈值阵列模型和超阈值随机共振现象.对该模型进行剖析,认为阈值阵列系统可以分解为单个阈值系统与集总平均器的级联.为了研究周期输入下的超阈值随机共振现象,理论分析了周期输入下的阈值阵列模型输出随机过程的统计特性,以输出信噪比增益作为随机共振的测度,固定输入信噪比,观测输出信噪比增益相对于阈值噪声方差的变化规律.证实当输入噪声为高斯噪声时,在阈值阵列系统中加入统计独立的高斯白噪声可使输出信噪比增益大于1,当输入噪声为非高斯噪声时,可获得更高的输出信噪比增益.     

一类有输入噪声扰动的逆系统无偏参数辨识算法研究

对逆系统建模时,原系统的输出作为逆系统参数辨识时的输入.由于原系统输出存在测量噪声,且噪声方差未知,采用普通最小二乘法辨识,无法得到逆系统参数的一致无偏估计.为此,本文研究了一种有输入扰动的的逆系统无偏参数辨识算法,该算法先通过小波变换估计输入信号噪声的方差,再由估计得到的方差,通过偏差消除的递推最小_乘法,对逆系统的参数进行无偏辨识.该算法降低了对输入辨识信号为白噪声的要求,具有较强的实用性.由于采用递推运算,该算法也可以用于逆系统参数的在线辨识.最后,通过实验验证了该算法的有效性.     

基于Preisach模型的深度学习网络迟滞建模

针对传统压电扫描器迟滞模型泛化能力较弱的问题,提出了一种基于Preisach模型的深度学习网络来建立迟滞模型,提高了模型的学习能力和泛化能力.具体而言,首先利用深度学习在深度特征提取方面的优势,建立包含卷积层、池化层、展开层以及深度特征层的深度学习层来提取输入电压信号的特征信息;其次,利用傅里叶变换层计算得到输入信号的频率,并将频率输入到非线性层,构造并输出了与输入信号频率相关的非线性项,该非线性项作为权值函数与Preisach模型的迟滞单元输出相乘,并将乘积叠加得到了频率相关的模型输出向量;最后,将深度学习层输出的特征向量与Preisach模型输出向量点乘,即可得到深度学习网络的最终输出位移.同时利用电容位移传感器采集的16组输入输出信号对深度学习网络进行训练,得到了网络中的权值参数,并利用其他8组输入输出数据对深度网络进行测试,训练和测试结果表明,本文所提出的基于Preisach模型的深度学习网络在得到高精度迟滞模型的同时,提高了模型的泛化能力.     

Maxim推出新型16位、80Msps ADC

Maxim近日推出16位、80Msps模数转换器(ADC)MAX19586。为具有80dB或更高信噪比(SNR)的高性能ADC建立了一个新的标准。MAX19586具有卓越的动态性能,在10MHz输入频率下(-2dB输入信号幅度),具有-82dBFS的噪声基底、80dB的SNR以及96dBc的无杂散动态范围(SFDR)。其噪声基底、SNR和SFDR等指标优于同类竞争产品。这款ADC可对170MHz以上的输入频率进行采样。“Maxim一直利用其领先的数据转换技术致力于高速ADC的开发,在高动态性能和低功耗等领域不断推进新的发展水平”。高速信号处理事业部产品总监Ted Tewksbury指出。与最接…     

力传感器动态校准中高速数据同步采集技术

介绍了最新研制成功的1200kN标准动态力源装置中力传感器输出电压和激光测速数据的同步采集技术。该技术是利用一卡的内触发信号输出驱动另一卡的外触发信号,并各自预置提前存储RAM的方法实现。该技术为那些采样频率较高、采样频率不同且同步要求较高的采集系统提供了一个成功的范例。     

一种反向递推正弦干扰观测器的设计方法

在多源干扰环境下,考虑一种基于输出信号的正弦干扰估计方法.引入低通滤波器激励干扰特性,得到一组级联关系的不可测信号,并将其分解为标准正弦虚拟干扰、等价有界干扰以及衰减项;在频率已知条件下,设计辅助滤波器,建立干扰频率与虚拟干扰之间关系,从而将外部正弦扰动表示为关于虚拟干扰的参数形式,利用虚拟干扰的估计值逐次降阶反推输入...     

一种抗动态运动干扰的雷达车辆测距算法仿真

研究车辆行驶过程中的准确测距问题.车辆在行驶的过程中,行驶速度存在较强的突变性,且很难运用动态模型进行描述,而传统的利用计算机视觉信号的采样频率采样的方法也很难保证较为完全地采集这种信号突变,最终动态的信号变换只能导致测距结果失真,降低了车辆测距的准确性.为了避免上述缺陷,提出了一种抗击动态运动干扰的雷达车辆测距算法.采集车辆测距调频信号,利用非线性滤波方法对其进行去噪处理,得到准确的中频信号.通过计算中频信号动态发射频率消除动态误差,从而实现车辆测距.实验结果表明,这种算法能够有效提高车辆测距的准确性,取得了令人满意的效果.