时间交叉模数转换系统的时间失配补偿

时间交叉模数转换结构是提高模数转换系统采样率的一种有效途径。由于制造工艺的局限和布线的差异,这种结构会引入通道失配而限制系统的性能。通道失配包括偏置失配、增益失配和时间失配。文中提出了一种基于快速傅里叶变换（Fast Fourier Transform,FFT）计算时间失配并采用有限冲激响应（Finite Impusle Response,FIR）滤波器对它进行补偿的方法,并通过Matlab仿真验证了算法的有效性和可行性。     

Rijndael算法研究及其无线网络应用

数据加密是实现网络安全的重要技术,本文对RCA算法和Rijndael算法的数学基础和设计原理进行了研究和分析,并在此基础上提出了改进无线网络安全的一种方案。     

记忆多项式数字预失真线性化逆E类功放

采用记忆多项式模型的数字预失真器,用于线性化逆E类射频功率放大器,从而获得具有高线性和高效率的射频放大系统,使得开关型的逆E类功率放大器可以适用于具有非恒包络的调制信号的发射。文中设计了一个工作于S频段的具有10W饱和功率的逆E类功率放大器,以具有5MHz信号带宽的单载波WCDMA信号作为测试信号,使用记忆多项式的预失真器对其进行线性化。实验表明,该记忆多项式预失真器能够很好地抑制逆E类功放的动态非线性引起的带外寄生频谱,可以使逆E类功放同时工作于高线性和高效率状态。     

分离通道联合卷积神经网络的自动调制识别

针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法。该算法通过结合深度学习中卷积神经网络(CNN),分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类。仿真结果表明,相比基于CNN的算法,所提算法在高信噪比下针对两个数据集的识别率分别提升7%和18%;此外,相比于基于特征提取的传统识别算法,其高阶调制识别性能平均提升3 dB。