激光信号采集的FPGA控制

针对激光信号采集的要求,提供了一个典型的工作原理框图,并对其中数据采集和传输中关键模块的设计作了详细的描述,其中D/A转换模块负责在对激光信号探测前,完成对探测器前置放大器的调零,A/D采集模块负责对激光信号的数据采集和数据转换,并通过串口将打包后的数据上传到上位机,串口模块则负责接受来自上位机的指令和对采集信号数据的上传.实验结果表明:能够正确接受上位机指令,实现前置放大器的调零和对采集过程的控制,并将这些数据通过以速度为115200bit/s的串口形式上传给上位机,得到了200f/s的上传速度.     

故障信号检测虚拟示波器数据采集系统设计

为了获取虚拟示波器故障信号数据,设计一种故障信号检测虚拟示波器的数据采集系统,该系统主要由衰减保护控制电路、信号调理电路、A/D转换、数据缓存和单片机5部分组成。通过减少信号调理电路使输入信号和A/D模块满量程值之间的差异达到理想的精确度。利用单片机ATmega32和AD574组成的A/D转换电路对数据进行转换和采集。在系统的输入端设计比例衰减与过压保护电路,避免因电压幅值过大造成芯片损坏。软件设计中,详细分析A/D采集的主程序及相关实现代码。实验结果表明,所提系统采集精度高,所需时间短,具有很高的采集性能。     

基于FPGA的弹载多参数存储系统设计

为了解决导弹飞行弹体遥测数据的高精度采集的问题,设计一种以FPGA为高精度的多参数采编存储系统,系统主要由数据采集模块、数据实时监测模块、数据存储模块组成,采集模块对不同的模拟信号和数字信号进行采集、编帧。实时监测模块能够在采集过程中对数据进行实时监测,并通过长线完成与上位机通信,存储模块能实现硬回收和数据进行回读。为实现高精度采集存储加速度计信号,研究了利用高精度A/D转换器对加速度计信号进行采集,对提高A/D转换电路信噪比做出了分析,使其满足精度范围要求。实验结果表明,该采编存储系统采集精度高、性能可靠。     

基于PIC18F4431的永磁BLDCM控制系统设计

随着无刷直流电机在运动控制领域应用越来越广泛,结合单片机的控制技术产生了新一代无刷直流电机控制技术。文中介绍了一种基于PIC系列单片机的高性能、低成本直流无刷电机控制系统,该系统利用PIC18F4431单片机的高速A/D采集模块、PWM模块和硬件乘法器实现了对PWM信号的产生、转子位置和速度的检测以及电流双闭环增量式PI控制,并对该控制系统的硬软件环节实现进行了阐述。模拟实验证明,该系统具有良好的动态性能与控制精度。     

基于单片机技术的数据采集系统的设计

介绍了基于单片机技术的数据采集系统的硬件设计和软件设计.该系统以AT89C51单片机为核心,TLC2543作为A/D转换器, 通过RS232通信接口,实现单片机与PC机间的采集数据的传输.该系统分为数据采集传输和数据显示两大模块,数据采集通过单片机控制TLC2543芯片实现A/D转换,并通过RS232实现单片机和PC机间采集数据的传输.数据显示模块,通过在Visual Basic开发环境下,运用VB提供的通信控件MSCOMM来实现上位机对采集数据的收集和显示.     

基于CPLD的快速数据采集方法在导引头伺服系统中的应用

介绍一种采用CPLD实现快速数据采集的方法。利用CPLD产生周期信号,定时启动A/D转换芯片工作,同时产生满足A/D转换芯片时序要求的数据读取信号,实现对模拟信号的采集及转换数据的读取。CPLD读取的数据存放在其内部开辟的存储区,处理器以总线形式完成对存储区数据的读取,对A/D转换芯片无任何操作。该方法具有采集速度快、占用处理器资源少以及可扩展性好等优点,已成功应用于某导引头伺服系统。     

基于单片机的脉冲数据采集电路设计

脉冲数据采集系统是以单片机AT89S52为核心的八通道数据采集系统,该数据采集系统具有结构简单、原理清晰、功耗低、可靠性高等优点,能实现对多路模拟通道信号的数据采集与处理.并将采集的数据传送A/D转换电路,将非电信号转换为模拟信号,再由模拟信号再转化为数字信号并且通过数显器显示脉冲数据从而驱动控制电机.     

基于STM32单片机的存储式数据采集系统设计

针对引线式测量无法实时地采集信号的问题,设计了一种存储式数据采集系统。经过信号处理部分对传感器的信号进行放大,利用STM32单片机的片内ADC将采集数据进行A/D转换后,对数据进行软件滤波,然后保存到片内存储器中;当数据达到一定量之后,将转换数据转移至外存储器中。为了实现体积微小型化,系统采用片内ADC实现A/D转换,以尽量减少器件的使用。经过仿真和测试,该系统能够完成数据实时采集的要求     

24通道高精度A／D数据采集模块的研制

为了满足声纳系统对数据采集模块的精度要求,研制了一种基于高精度Σ-ΔA/D数据转换器及FPGA的A/D数据采集模块。采用FPGA实现数据采集控制、数据缓冲及PCI总线控制器等功能,同时利用高精度Σ-ΔA/D数据转换器的超采样率保证了数据采集精度方面的要求。该A/D数据采集模块满足声纳系统对数据采集模块的精度要求,简化硬件电路结构,提高了数据采集的可靠性和稳定性,同时有利于系统的功能升级,为声纳系统应用提供一种经济实用的数据采集模块。     

无线传感器网络信号突变监控模块的电路设计

传统的无线电监测系统主要通过单站监测的方法对信号突变进行监测,但不能对复杂的高频宽带无线电信号突变进行准确监测。因此,设计无线传感网络信号突变监控模块的实现电路,其由高频激发器、窄带滤波器、程控放大器、A/D采集电路、FPGA和主控制器等构成。编制开发无线传感网络信号突变监控模块的上位机控制软件,并向下位机主控器传递控制指令,确保各电路模块协作完成无线信号突变的监控。实验结果表明,所设计监控模块的电路,可对无线传感网络信号突变情况进行准确、高效率的监控。     

飞机遇险呼救还是干扰信号?

121．5MHz是国际电联规定的飞机遇险呼救专用频率，其他任何部门和个人不得占用。一旦出现呼救信号，必须立即找到信号源．否则后果不堪设想。     

Le traitement du signal vocal voice signal processing

The speech processing studies have advanced rapidly in recent years spurred on by great progresses in thevlsi technologies and in the digitalization of the networks. This paper offers an overview of the most attractive techniques which have focused the recent researchs and developments in speech coding, recognition and synthesis areas. For speech compression, the emphasis is put on a family of techniques named code-excited linear prediction (celp) which dominates current studies for rates in the range of 4 to 16 kbit/s. In terms of speech recognition, particular emphasis is placed on the following three elements which are essential in order to increase the robustness of the systems : telephone line adaptation, rejection of parasite noise and out-of-vocabulary words, and keyword spotting. In terms of text-to-speech synthesis, thepsola (pitch synchronous overlap and add) technique is outlined herein. This technique gives rise to a new generation of synthesis systems which produce speech with very natural timbre. The analysis of current tendencies for each area allows to suggest attractive directions for future research.     

双通道矢量信号分析仪测试系统延迟特性

使用双通道分析仪表测试两路相位相参的调制信号间的时间关系．一方面验证使用互相关技术方法测试信号间时间关系的可行性．另一方面通过对被测电路器件的输出和输入信号的相关测试．得到电路在复杂激励状态下的延迟特性。[编者按]     

基于矢量信号发生器的微波着陆信号模拟

针对当前微波着陆装备测试的迫切需要,提出一种基于矢量信号发生器硬件架构的微波着陆模拟器的实现方式,并提出了一种基于FPGA的微波着陆系统基带信号设计方法。对微波着陆信号的格式和信号时序进行了仿真,并对各种角功能信号和数据字结构进行了实际测试,证明了该模拟器性能达到装备测试要求。     

集成语音信号与表面肌电信号的情感自动识别模型

为了提高情感识别的正确率,针对单一语音信号特征和表面肌电信号特征存在的局限性,提出了一种集成语音信号特征和表面肌电信号特征的情感自动识别模型.首先对语音信号和表面肌电信号进行预处理,并分别提取相关的语音信号和表面肌电信号特征,然后采用支持向量机对语音信号和表面肌电信号特征进行学习,分别建立相应的情感分类器,得到相应的识别结果,最后将识别结果分别输入到支持向量机确定两种特征的权重系数,从而得到最终的情感识别结果.两个标准语情感数据库的仿真结果表明,相对于其它情感识别模型,本文模型大幅提高了情感识别的正确率,人机交互情感识别系统提供了一种新的研究工具.     

Multiple digital signal processor environment for intelligent signal processing

We describe a novel, expandable, multiple digital signal processor (DSP) architecture with a symbolic processing host. A multiprocessor board, called Odyssey, based on this architecture has been developed to combine symbolic and real-time digital signal processing in a single computing environment. Some of the key features of the board are: 20 million multiply/accumulates per second, 512K bytes of data space, and expandability to 16 boards on a NuBus host. The DSPs used are the TMS32020 signal processing chips developed by Texas Instruments, and the host is Texas Instruments' Explorer, a LISP machine workstation. This provides environment to perform many intelligent signal processing tasks by associating meaningful relationships between quantitative (signal processing) and qualitative (symbolic processing) entities to develop inferences using expert system technology. Applications such as grammar-driven connected speech recognition, neural network simulation, EEG analysis, and generation of speech from general English text with natural language processing are some of the tasks that can utilize the computational power of the multiple DSP and/or the associated symbolic processing capabilities. Software development tools to implement applications include the device driver to facilitate communication between the host processor and the Odyssey board, a unique window-based debugger resident on the Explorer that allows for simultaneous state display of all the processors on the board, a FORTH interpreter for high-level language programming, and a cross-assembler/linker for assembly level programming.     

Adaptive machine learning algorithm employed statistical signal processing for classification of ECG signal and myoelectric signal

Multidimensional Systems and Signal Processing - In this research paper we present designing and evaluating the electrocardiography (ECG) and Myoelectric signal (EMG) pattern recognition methods...     

Resonance-based signal decomposition: A new sparsity-enabled signal analysis method

Numerous signals arising from physiological and physical processes, in addition to being non-stationary, are moreover a mixture of sustained oscillations and non-oscillatory transients that are difficult to disentangle by linear methods. Examples of such signals include speech, biomedical, and geophysical signals. Therefore, this paper describes a new nonlinear signal analysis method based on signal resonance, rather than on frequency or scale, as provided by the Fourier and wavelet transforms. This method expresses a signal as the sum of a ‘high-resonance’ and a ‘low-resonance’ component—a high-resonance component being a signal consisting of multiple simultaneous sustained oscillations; a low-resonance component being a signal consisting of non-oscillatory transients of unspecified shape and duration. The resonance-based signal decomposition algorithm presented in this paper utilizes sparse signal representations, morphological component analysis, and constant-Q (wavelet) transforms with adjustable Q-factor.     

基于信号子空间的直接序列扩频信号波形估计方法

将直接序列扩频(DS-SS)信号波形估计问题归结为信号子空间估计问题,提出基于传播算子算法的扩频波形估计方法。针对特征值分解求解信号子空间计算量较大的问题,利用传播算子估计信号子空间,并对算法计算量和性能进行理论分析和实验验证,结果表明该算法有效,且计算量远小于现有算法。