基于欠采样技术的软件无线电接收机研究及实现

带通信号处理技术广泛用于通信、雷达等领域。随着数字技术的发展,人们越来越希望能直接在射频端实现数字处理,而数字信号处理却远远达不到这一要求。欠采样技术则可使中频乃至射频数字处理成为可能。针对这一问题本文将讨论和分析基于欠采样技术的软件无线电接收机的关键技术及其仿真实现。     

软件无线电技术发展综述

介绍了软件无线电(SDR)的产生背景、特点,易通话(Speak Easy)和联合战术无线电系统(JTRS),基于高速(中频或射频)采样的数字化接收机的拓扑结构,软件无线电的典型实现方案,以及ADI公司开发的用于软件无线电收发信机的关键元器件及其性能参数.     

软件无线电的变频技术研究

随着数字处理技术不断发展,理想软件无线电的最终实现成为可能.本文研究了软件无线电中的关键技术-带通采样下变频技术、数字下变频技术、多速率处理技术.     

软件无线电的变频技术研究

随着数字处理技术不断发展,理想软件无线电的最终实现成为可能。本文研究了软件无线电中的关键技术-带通采样下变频技术、数字下变频技术、多速率处理技术。     

视频通信中欠采样噪声的空域处理方法

针对在嵌入式IP视频通信中通过软件降采样缓解网络拥塞时会引起欠采样噪声的问题,提出一种空域欠采样噪声处理方法。该方法引入低通掩膜算子在空域对降采样前的图像做滤波预处理,抑制欠采样噪声。系统测试表明,该算法简单易行,实时性较好,能有效减少低分辨率视频图像的欠采样噪声,在网络拥塞时保证视频的流畅性和业务的健壮性。     

软件无线电数字前端中的采样速率转换

由于目前移动通信标准繁多,且新旧体制混杂,很难做到统一,为了实现互连互通,目前比较可行的方法是采用软件无线电技术.采样率转换技术是软件无线电中实现互连互通的关键.对通信系统中不同通信体制的带宽速率进行采样速率转换是软件无线电中的重要技术.     

基于虚拟无线电平台的AM广播接收系统

利用PC机作为虚拟无线电平台构造的AM广播软件接收系统,通过欠采样技术和数字信号处理技术可方便地在PC机上实时接收AM广播节目。由于软件系统实现灵活廉价,修改方便,可以利用AM频带传输附加的交通管理。金融管理等业务数据信息,直接采用计算机接收所传递的信息完成交通控制的调度、银行信用卡的联网对帐等功能,具有广泛的应用前景。     

基于软件无线电思想的雷达信号采集系统设计

提出了一种基于软件无线电思想的测速雷达信号采集法。文中分别讨论了用传统方法实现的和基于软件无线电思想实现的变采样频率信号采集系统，着重分析了后者的各个功能模块，并给出了其原理框图。     

基于12位3.6 GS/s模数转换器系列的软件无线电应用

鉴于传统硬件无线电架构的特点和局限性,分析了软件无线电设计中模数转换器的应用要求,介绍了12位千兆级采样转换器的新产品系列以及与之匹配使用的差分放大器和时钟解决方案。     

两种实现采样速率变换方案

采样速率的变换是软件无线电中最为关键的问题之一。该文分析了采样速率变换的数学模型,并从两种实现采样速率变换方案模型的matlab仿真结果出发,简要讨论了实现采样速率变换方案中的难点问题。     

基于不平衡数据集的软件缺陷预测

数据的不平衡性是软件缺陷预测研究中一个严峻且无法规避的问题,为了解决这一问题,本文提出一种利用分布函数合成新样本的过抽样和随机向下抽样相结合的算法。该算法首先对降维后的主成分进行分布函数拟合,然后利用分布函数生成随机数,并对生成的随机数进行筛选,最后与随机向下抽样相结合。实验所用数据取自NASA MDP数据集,并与经典的SMOTE 向下抽样方法进行对比,从G-mean和F-measure值可以看出前者的预测结果明显优于后者,预测精度更高。     

结合欠抽样与集成的软件缺陷预测

软件缺陷预测是提高测试效率、保证软件可靠性的重要途径。为了提高软件缺陷预测的准确率,提出一种结合欠抽样与决策树分类器集成的软件缺陷预测模型。考虑到软件缺陷数据的类不平衡特性,首先,通过数据的不平衡率确定抽样度,执行欠抽样实现数据的重新平衡;然后,采用Bagging随机抽样原理训练若干个决策树子分类器;最后,按照少数服从多数的原则生成预测模型。使用公开的NASA软件缺陷预测数据集进行了仿真实验。实验结果表明,与3种基准方法对比,所提模型在保证预报率的前提下,误报率(PF)降低了10%以上,综合评价指标均有显著提升。该模型的缺陷预测误报率较低,而且具有较高的预测准确率与稳定性。     

基于聚类融合欠采样的不平衡分类方法

不平衡分类在现实生活中有着广泛应用,提高不平衡数据的分类精度一直是相关领域中的热门课题。针对已有欠采样方法容易保留多数类噪声样本的问题,提出一种基于聚类融合欠采样的改进欠采样方法。结合聚类融合与孤立森林(Isolation Forest,iForest)方法,筛选、删除异常指数高的多数类噪声样本,有效提高模型中的样本质量,增强欠采样算法的抗噪声能力。在7个UCI和KEEL不平衡数据集上的实验结果表明,该算法在处理不平衡分类问题时,AUC值和F1值均有一定程度的提升。将算法应用在蛋白质定位预测,提升了预测效果。     

基于DSP和交换芯片的中频软件无线电接收控制系统设计

软件无线电是无线通信方式之一,为了精准接收中频软件无线电信号,确保中频软件无线电信号接收控制效果,设计了基于DSP和交换芯片的中频软件无线电接收控制系统。加设数字信号处理芯片和交换芯片,通过振荡器、滤波器、混频器等元件的连接,设计无线电接收机,通过调整逻辑控制电路优化接收控制器,生成并执行接收控制指令。在系统硬件的支持下,利用DSP技术采集并处理中频软件无线电信号,校准无线电信号的不平衡程度,通过调制样式识别、解调以及分类存储等步骤,实现系统的接收控制功能。系统测试结果表明,在此次设计系统的控制下,无线电接收信号的平均信噪比高达47.4dB,能够精准接收中频软件无线电信号,具有较好的中频软件无线电信号接收控制效果,有效扩大无线电的接收范围。     

面向磁共振图像重建的k空间降采样优化

成像速度是关系磁共振临床应用效能的重要因素,在k空间中降采样,再配合图像重建,可有效加快成像速度.因此,文中考虑降采样方式对磁共振图像重建质量的影响,在训练深度学习网络进行磁共振图像重建的情况下,提出联合优化k空间降采样方式与重建模型的方法.从k空间全采样入手,逐步删除次要的相位编码,直到针对相位编码的采样满足稀疏性要求为止.同时,采样方式的优化是和深度学习图像重建模型参数优化交替进行,即赋予每个相位编码一个权重,通过权重大小确定相位编码的重要性,在优化重建网络参数的同时,完成对k空间降采样方式的优化.实验表明文中方法可提升磁共振图像重建质量.     

DSP技术在软件无线电中的应用

在简要介绍软件无线电这一新概念的基础上,对其关键技术-数字信号处理(DSP)技术以及DSP技术在软件无线电中的应用进行了比较全面的论述.对比了几种常用的软件无线电DSP处理平台实现方法的特点.同时,详细介绍了一种由现场可编程门阵列(FPGA)和TMS320C6X系列DSP组成,基于软件无线电设计思路的高速、通用数字信号...     

基于SOPC技术的软件无线电系统研究

介绍了软件无线电的概念和结构,针对传统软件无线电实现方案,提出一种基于SOPC技术的中频软件无线电解决方案.系统采用基于Nios Ⅱ软核处理器的SOPC技术,在ALTERA公司的FPGA上实现了片上系统.基于SOPC技术的软件无线电系统具有极高的灵活性、可扩展性,这充分体现了软件无线电的设计思想.     

面向信贷不平衡数据的高斯混合欠采样算法

为提高分类算法在信贷风险领域不平衡数据的预测性能,提出一种基于高斯混合模型(Gaussian mixture model,GMM)的欠采样算法,将其应用在信贷不平衡数据领域中。采用高斯混合模型对多数类样本进行聚类欠采样(under-sampling),消除样本间的不平衡问题。实验比较该算法与传统的欠采样方法,进行该算法的抗噪鲁棒性分析,实验结果表明,该算法能够有效提升分类器的性能,其对信贷数据集具有较强的鲁棒性。     

Building the software radio

People have been working on software radio for about few years. Software radio is just what it sounds like - a radio that uses software to perform many of the signal processing tasks that analog circuits traditionally handle. Software radio could turn out to be a paradigm shift for communication systems. The US Defense Advanced Projects Research Agency (DARPA) kicked off research into software radios to solve military problems, but software radios can help solve some important problems in commercial communication systems as well. Software radio offers the advantage of putting many traditionally hard functions in modules whose characteristics can be changed while the radio is running.     

Enhancing the effectiveness and interpretability of decision tree and rule induction classifiers with evolutionary training set selection over imbalanced problems

Classification in imbalanced domains is a recent challenge in data mining. We refer to imbalanced classification when data presents many examples from one class and few from the other class, and the less representative class is the one which has more interest from the point of view of the learning task. One of the most used techniques to tackle this problem consists in preprocessing the data previously to the learning process. This preprocessing could be done through under-sampling; removing examples, mainly belonging to the majority class; and over-sampling, by means of replicating or generating new minority examples. In this paper, we propose an under-sampling procedure guided by evolutionary algorithms to perform a training set selection for enhancing the decision trees obtained by the C4.5 algorithm and the rule sets obtained by PART rule induction algorithm. The proposal has been compared with other under-sampling and over-sampling techniques and the results indicate that the new approach is very competitive in terms of accuracy when comparing with over-sampling and it outperforms standard under-sampling. Moreover, the obtained models are smaller in terms of number of leaves or rules generated and they can considered more interpretable. The results have been contrasted through non-parametric statistical tests over multiple data sets.