一种改进的差分环型振荡器相位噪声模型

在Razavi模型和Weigandt模型的基础上,提出了一种改进的差分环型振荡器相位噪声模型.新模型考虑了环振非线性对相位噪声的影响,从新的角度讨论了相位噪声的三种发生机制和影响,讨论了闪烁噪声的优化方法,得到了新的相位噪声模型,并依此着重分析了对管尺寸和环振级数对相位噪声的影响.最后,分析了低噪声设计的一些原则.采用CSM0.35μm工艺进行了流片验证,模型与测试结果能够很好地吻合     

基于CMA算法的自适应阵的初始化研究

在多径传播和其它同频干扰存在而同时接收到多个恒模信号时,若已知需要信号到达方向的通信条件下,本文提出了恒模算法的初始预测方法,对干扰起到了零陷作用,数字模拟结果表明了这一初始预测方法是有效的。     

基于单片机技术的光电检测研究

目前先电检测技术已经越来越广泛地应用于高科技武器、精密制追等行业中．本文主要介绍一种基于单片机技术的激光检测方法．利用单片机进行激光脉冲信号的调制、控制发射．再结合单片机与光电检测的相关技术设计了检测电路，从而实现利用激先传载信号．进行多路控制．     

脉冲预电离高频放电板条CO2激光器

本文提出了一种脉冲预电离的高频放电扩散冷却板条CO2 激光器 ,实现了非常均匀的大面积矩形截面放电并获得了激光输出     

一种新的Morlet小波及其在雷达信号特征提取中的应用研究

为准确估计雷达信号的瞬时频率,文中提出了一种基于新Morlet小波原子提取信号小波脊线的方法。通过分析小波脊线原理,使用新Morlet小波原子提取雷达辐射源信号的小波脊线特征。同时,针对不同调制类型的雷达信号,根据小波分解时—频约束关系,分析了正确提取信号脊线特征的条件。仿真实验表明,与普通Morlet小波原子相比,基于改进的Morlet小波提取信号脊线特征具有较强的检测概率和抗噪性能,其方法的有效性为实验结果所证实。     

基于加权分组串行调度改进的MPA算法

随着卫星通信系统的广泛应用,传统的正交多址接入技术已经无法满足日益增长的数据信息和海量用户的连接要求,此时非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术中的稀疏码多址接入技术(Sparse Code Multiple Access,SCMA)成为研究的焦点。现有基于消息传递算法(Message Passing Algorithm,MPA)的SCMA系统多用户检测算法主要分为串行调度MPA算法和并行调度MPA算法,然而这些算法在降低算法复杂度上并不是最优的选择。为了进一步加快算法的收敛速度,在加权串行调度MPA算法(Weight Variable Node SS-MPA,WVN-SS-MPA)基础上,提出一种基于加权分组串行调度改进的MPA算法(Improved Group of WVN-MPA,IG-WVN-MPA),该算法可以通过降低迭代次数、码本大小和行重因子来加快收敛速度。仿真结果表明,所提出的IG-WVN-MPA算法可以在保证系统性能的同时,大幅度降低算法复杂度。     

基于径向基概率神经网络的雷达辐射源信号识别

雷达辐射源信号识别是电子情报系统和电子支援系统的重要组成部分。文章提出一种基于径向基概率神经网络的雷达辐射源信号识别方法，通过对几种典型雷达辐射源信号复杂度特征提取和采用径向基概率神经网络分类器进行分类识别的实验结果表明，文章所提出的方法是有效的，能在较宽的信噪比范围内获得满意的识别率。     

电力系统继电保护干扰种类及防护措施

本文笔者结合多年工作经验,主要分析了电力系统继电保护的干扰种类及因素,并对继电保护防护措施提出了一些建议,供同行参考。     

基于GIS网格的光分配网综合信息技术研究

光分配网络(ODN)做为基础的接入承载网络,随着承载业务日益丰富和网络规模不断扩大,网络的规划、建设、运营管理等一系列新的问题需要深入研究解决。本文结合新疆、安徽等电信运营商的工作实践,通过基于GIS网格的光分配网络(ODN)规划及综合信息系统平台开发,建立客户、能力、地理相互关联的网格全息协同系统,可以有效提高网络运营效率,实现通信企业精确化管理,最终满足广大用户享受信息生活。     

基于Informer的电池荷电状态估算及其稀疏优化方法

准确估计电池荷电状态（State Of Charge,SOC）是延长电动汽车电池使用寿命,确保电动汽车行驶安全的重要基础.传统的深度学习估计方法存在并行化计算效率不高、训练时间长的问题.为此,利用基于自注意力机制的Informer模型来估计电池SOC.其降低了传统自注意力机制的时间复杂度、提高了硬件使用率、降低了训练时长,与其他深度学习方法相比估计更准确.然而Informer模型仍然存在体量大及参数冗余的问题,故提出稀疏优化方法 .利用基于彩票假设的幅值迭代剪枝方法对Informer进行稀疏化处理,突出主导注意力特征,实现了在降低参数冗余的同时提升模型估计精度.在室温下,提出的稀疏化Informer模型估计电池SOC的平均绝对误差和均方根误差分别达到0.285 8%和0.383 0%,相比于Informer模型在平均绝对误差指标上估计精度提升了25%.并验证了其具备估计不同类型锂电池SOC的泛化能力.与循环神经网络、卷积神经网络这类传统的深度学习模型相比,本模型进行电池SOC估计时训练速度更快,估计准确性和稳定性更高.