基于Laurent分解的GMSK定时同步环路

定时同步是数字调制信号接收不可或缺的环节。对于GMSK信号定时同步,现有算法多为数据辅助或前馈类算法。从GMSK信号的Laurent分解出发,结合Gardner定时同步环路,提出了一种基于Laurent分解的GMSK信号定时同步环路。该环路采用2 bit差分来提取定时误差,用于控制内插时刻,环路简单,运算量小,易于工程实现。仿真结果表明,即使对于小BT值GMSK信号,该方法依然可以有效提取定时误差,且具有较强的抗噪声性能。     

一种改进的定时误差检测算法

定时恢复环路是数字接收机同步模块的一个重要组成部分,Gardner算法以实现结构简单,不敏感于载波相位,独立于调制方式等优点作为定时误差检测算法广泛应用于数字接收机的定时恢复环路中。鉴于Gardner算法在数字接收机定时同步中的广泛应用,并通过比较Gardner算法及其改进算法的定时抖动和捕获性能,研究了一种改进的Gardner定时误差检测算法。仿真结果表明,该算法对于MPSK恒包络的调制信号定时抖动性能有很明显的改善,并且在小滚降因子下改善仍然成立,但是对于16QAM非恒包络的调制信号改善不理想。     

无人机宽带数据链中的高阶调制技术研究

针对无人机机载平台功率资源受限、频谱资源受限等问题,开展了高阶调制技术在无人机宽带数据链中的应用研究。重点研究了调制方式选择、定时同步和载波同步等关键技术,提出了一种适用于高阶调制信号的定时同步、载波同步方案,并利用Matlab搭建高阶调制信号收发模型,对定时同步、载波同步方案进行了仿真,验证了方案的有效性。研究结果对无人机宽带数据链采用高阶调制技术提供了一定的参考。     

基于PAM分解的高阶部分响应CPM信号盲定时同步算法

针对高阶部分响应连续相位调制(CPM)信号盲定时同步中存在定时精度较低以及容易出现假锁等问题,该文从脉冲幅度调制(PAM)分解的角度出发,设计了一种新的适用于高阶部分响应CPM信号的定时同步器结构,并在此基础上结合基于马尔科夫链模型的定时假锁检测方法,提出了一种适用于高阶部分响应CPM信号的盲定时同步算法.该算法通过对CPM信号的PAM脉冲进行优化处理,有效减少了匹配滤波器以及网格状态的数目,同时使用辅助定时误差检测器和假锁检测器来实时监测假锁现象.理论分析和仿真结果表明,对于四阶部分响应CPM信号,在低信噪比并存在较大初始定时误差条件下,该算法也能够实现精确快速的定时同步.     

MDPSK信号的一种盲接收机

随着通信技术和数字信号处理技术的发展,通信接收机应具有越来越强的参数识别能力。该文提出一种适用于任意进制的差分相移键控信号(MDPSK)的盲接收机结构,在未知信号制式的条件下,该接收机可以取信号的最佳定时同步、自动识别信号的调制制式,实现信号的盲接收。     

MPSK信号载波频率盲估计

该文针对调制自动识别中,MPSK信号调制相制和训练序列未知的情况,提出了一种利用定时同步信号的差分相位有效识别MPSK信号相制M,并精确估计其载波频偏的方法。该算法不仅克服了调制制式不明对频偏估计的不利影响,还通过引入线性相位展开和高阶时延相关,大大提高了大频偏、低信噪比下估计的性能,对调制自动识别中MPSK信号的澄清和参数估计起到关键作用。     

基于CR—PRI的未知雷达辐射源信号分选新方法

对未知雷达辐射源信号进行准确分选是当前电子对抗领域迫需解决的一个难题。基于相像系数（CR）可以实现多种不同调制信号的分类,但对于相同调制样式不同调制参数的信号则无效。对此本文提出一种基于CR—PRI的新方法,首先利用CR实现不同调制样式信号的分类,对于具有相同调制样式不同调制参数的信号基于脉冲重复间隔（PRI）进一步细分,仿真结果验证新方法准确有效。     

食管小细胞癌的预后分析

对未知雷达辐射源信号进行准确分选是当前电子对抗领域亟待解决的一个难题.基于小波包变换(WPT)可实现多种不同调制信号的分类,且对噪声不敏感,但对于相同调制样式不同调制参数的信号则无效.该文提出一种基于WPT-PRI的新方法,首先利用WPT实现不同调制样式信号的分类,对于具有相同调制样式、不同调制参数的信号基于脉冲重复间隔(PRI)进一步细分.仿真结果验证新方法准确有效.     

基于WPT-PRI的未知雷达辐射源分选

对未知雷达辐射源信号进行准确分选是当前电子对抗领域亟待解决的一个难题.基于小波包变换(WPT)可实现多种不同调制信号的分类,且对噪声不敏感,但对于相同调制样式不同调制参数的信号则无效.该文提出一种基于WPT-PRI的新方法,首先利用WPT实现不同调制样式信号的分类,对于具有相同调制样式、不同调制参数的信号基于脉冲重复间隔(PRI)进一步细分.仿真结果验证新方法准确有效.     

数字通信信号调制识别研究

利用幅度归一化、小波分析、傅里叶变换等方法,在大部分先验信息未知的情况下对 PSK,FSK,QAM,ASK 等不同调制方式的数字通信信号,进行了有效的特征提取,并选取合适的阈值加以识别,实现了数字通信信号调制方式的分类识别。仿真结果表明对于信噪比在5dB 以上的调制信号能正确分类。     

基于模糊模式和BP算法的手写数字识别

通过对多种手写数字识别算法的研究和分析，提出了一种基于模糊模式识别和BP神经网络寸亏写数字进行识别的新算法。首先应用BP神经网络对手写数字样本进行学习，然后再结合模糊模式识别的思想进行手写数字识别。实验证明：该算法与传统的手写数字识别算法相比，识别率明显提高。经过推广，该算法可应用于汉字识别、人脸识别等领域。     

改进的高效动态时间规整算法语音识别系统

动态时间规整算法是结合了动态时间规整(DTW)技术和距离测度计算技术的一种非线性规整算法,在语音识别模板匹配中有重要的应用。为此提出一种改进的高效动态时间规整算法,其能有效加快搜索路径的寻找。基于Matlab实现了隐马尔科夫算法、高效动态时间规整算法和改进的高效动态时间规整算法的语音识别系统,同时进行了算法的仿真实验。实验结果表明,基于改进高效动态时间规整算法的训练速度远大于基于隐马尔可夫算法和高效动态时间规整算法的训练速度,而识别率下降很小,对于小词汇量非连续语音识别中高效动态时间规整算法的识别率为97.56%,隐马尔可夫算法的识别率为97.14%,改进高效动态时间规整算法的识别率为96.43%。     

一种降低激光雷达行人识别错误率的多算法组合的研究

针对2维激光雷达获取的点云信息,在类圆弧人腿形状识别算法的基础上,提出了一种可以降低行人识别错误率的多算法组合。该方法先采用高斯滤波算法降低噪声的影响,然后利用近邻聚类算法对数据进行聚类处理,再利用组合的聚类中心角算法和最小二乘圆拟合算法对聚类后的数据进行行人腿部检测,完成行人的识别。该算法混合利用LabVIEW和matlab 软件平台,并使用激光雷达对现场的行人进行了识别验证,该多算法组合与单一使用一种识别算法相比,行人识别的错误率由40%降低到了10%以下,充分说明该算法组合具有良好的性能。     

基于MFCC参数的说话人特征提取算法的改进

在说话人识别系统中,特征参数的提取对语音训练和识别有着重要的影响。对于特征参数提取模块,提出了一种新的特征参数提取算法MFCC_E（Efficient MFCC）。相对于标准算法MFCC_S（StandardMFCC）,MFCC_E在特征提取模块部分减少了53％的计算量。最终实验结果说明MFCC_E的识别率为90.3％,仅比标准MFCC算法92．0％的识别率降低1．7％。因为MFCC_E算法的这种特点,使其能够更有效的适用于硬件实现。     

改进的指纹识别算法嵌入式应用研究

研究了一种新的指纹识别算法并在电控锁中的应用问题.针对传统的指纹识别算法对指纹的细节匹配精确度较低,难易对细节信息进行准确的提取,为了克服这一问题,对点模式指纹识别匹配算法进行了改进,主要创新点在于改进的算法在模式匹配算法的基础上加入了匹配权重系数,有效地提高了指纹识别的精确度,同时给出了指纹识别硬件系统结构,将提出的改进的算法成功应用在嵌入式应用中,实例结果表明,提出的算法能够有效地提高安全加密度,具有一定的实际应用价值.     

局域网链路层数据帧识别算法的设计与实现

对局域网中几种典型的链路层数据帧进行了分析,基于数据帧中的特征位,提出了一种数据帧识别算法,并对算法进行了性能分析。该数据帧识别算法解决了局域网链路层协议类型的分析和数据帧的识别问题。     

一种基于E-HMM的选择性集成人脸识别算法

基于嵌入式隐马尔可夫模型(Embedded Hidden Markov Model, E-HMM)的人脸识别方法的识别性能依赖于模型参数的合理选择。提出了一种基于E-HMM的多模型选择性集成人脸识别算法,选择出个体精度高且互补性强的模型来进行集成的人脸识别。实验结果表明,与传统的基于E-HMM的人脸识别方法相比,新算法不仅可以获得更好、更稳定的识别效果,而且具有更强的泛化能力。     

一种面向交通标志识别系统的图像识别算法

目前各类面向交通标志识别系统的机器算法大多存在计算复杂度高、实时性差等问题,文中基于ELM模型,加入改进的PCA方法,提出了一种面向交通标志识别系统的PCA-ELM图像识别算法。该算法依次通过HOG特征的提取、改进的PCA方法降维、ELM模型的特征训练,实现交通标志图像的识别。经过实验测试,发现该算法能够较好地兼顾识别率和计算复杂度,符合交通标志识别系统图像识别的准确性与实时性要求,具有一定的实用价值。     

采用混合粒子群算法的星图识别方法

为提高大视场高灵敏度星敏感器的星图识别速度和识别成功率,提出了一种基于混合粒子群算法的星图识别方法,该方法首先根据星图中星点的灰度信息确定候选识别主星集合;然后选择该集合中的一个星点为圆心,以一定角距为半径画圆,将圆内的所有星点构成特征数据集合;然后利用混合粒子群算法对圆内的星点进行快速路径寻优;最后利用最优路径长度进行索引,并利用最优路径中前三个星点间的角距以及它们的星等信息进行匹配识别;实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且所需的导航星库容量小.     

基于自适应波束形成的鱼雷对潜目标识别技术

通过鱼雷对潜目标准确识别,实现对目标的精确打击。当前的目标识别算法采用时频特征提取算法,随着海洋背景噪声强度的增大,准确识别概率不高。提出一种采用亮点回波信号自适应波束形成的鱼雷对潜目标识别算法,首先进行了鱼雷对潜攻击声探测亮点回波模型构建,采用级联滤波器进行回波信号降噪处理,对滤波后的输出信号进行自适应波束形成处理,实现信号的特征提取和指向性聚焦,提高目标亮点回波信号的检测性能,实现目标准确识别。仿真结果表明,采用该算法进行鱼雷对潜目标检测识别,准确检测概率高于传统算法,在低信混比下仍具有较好的准确识别率,抗干扰性能较好。