Turbo-TCM系统中几种交织器的性能研究

研究了Turbo码与网格编码调制(TCM)相结合的Turbo-TCM技术,将Turbo码中三类奇偶交织器的设计分别应用到Turbo-TCM中,并在Awgn信道和Rayleigh衰落信道下,对采用三种不同交织方式、不同帧长Turbo-TCM的性能进行了仿真。仿真结果表明,短帧条件下,Awgn信道中采用确定性奇偶交织器的Turbo-TCM性能最优,而Rayleigh衰落信道中三种交织方式的Turbo-TCM性能相近。长帧条件下,Awgn信道和Rayleigh衰落信道中,基于随机奇偶交织器的Tur-bo-TCM性能最优。     

小型平面超宽带天线的研究进展

对小型平面超宽带(UWB)天线的研究现状进行了分析总结.首先介绍超宽带无线通信的技术背景,描述了超宽带天线的几种常见定义.然后分别对小型超宽带印刷单极子天线的设计、小型超宽带缝隙天线的设计、具有陷波功能的小型超宽带天线的设计进行了详细的评论,并讨论了超宽带天线的性能评价方法.最后展望了小型平面超宽带天线的未来研究方向.     

多相滤波宽带信道化数字接收机

宽带雷达电子战数字接收机是当前国内外研究的重点,信道化接收机能够处理同时到达的多个信号并有较高的截获概率。多相滤波信道化接收机运算量小且易于实现。为克服因D倍抽取而产生的多相滤波信道化数字接收机的接收盲区,引入了重叠一半的多相滤波信道化数字接收机。利用瞬时自相关接收机,可在消除信道化接收机虚假输出的同时提高信道化接收机的测频精度。文中给出了上述数字接收机的实现方法,并通过仿真实验证明了以上结论的有效性。     

用调制转移光谱技术研制微型全固体稳频激光器

报道采用自行研制的半导体激光泵浦微片Nd∶YVO4晶体,经驻波腔内KTP晶体倍频获得532 nm激光输出的全固体单频可调谐微型激光器.采用光外差调制转移光谱技术获得超高信噪比碘分子跃迁超精细结构光谱,并实现频率稳定度优于10-12(1秒积分时间)的激光频率高精度绝对锁定.     

激光欺骗干扰信号级仿真研究

分析了激光欺骗干扰技术原理,以激光指示信号模拟器、激光导引头解码模拟器和激光欺骗干扰处理器组成激光欺骗干扰信号级仿真平台;设计的导引头解码模拟器具有波门内多脉冲鉴别能力,这一功能具有一定的前瞻性;研制的激光欺骗干扰处理器具有输出同步式脉冲组干扰信号的能力,增加了导引头解码的难度,提高了激光欺骗干扰成功率;通过信号级仿真...     

基于目标高度先验信息的多站时差无源定位方法

该文针对利用多站到达时差观测量的辐射源目标定位问题,已知目标高度先验信息,提出一种基于加权最小二乘的闭式高精度定位方法。近距离场景下,可忽略地球曲率影响,此时目标高度信息可等效为目标的1维坐标。基于该条件,使用一种新的两步加权最小二乘算法实现对目标的定位解算。该算法不需要目标位置初始值估计,无需迭代运算,计算量较小。仿真表明：利用目标高度先验信息可有效提高对目标的定位精度;在观测量噪声为高斯噪声且功率较小时,算法定位性能可达到克拉美罗界。     

基于聚类识别的极化SAR图像分类

该文提出一种基于判别式聚类框架的非监督极化SAR图像分类算法,利用判别式监督分类技术实现非监督聚类。为实现该算法,定义了一个结合softmax回归模型和马尔科夫随机场光滑性约束的能量函数。该模型中,像素类标和分类器均为需要优化的未知变量。该算法从基于${H / {\bar \alpha }}$目标极化分解和K-Wishart极化统计分布而产生的初始化类标开始,交替迭代优化分类器和类标的能量函数,从而实现对分类器和类标的求解。真实极化SAR数据上的实验结果证明了该算法的有效性和先进性。     

块匹配运动估计算法研究进展

以快速运动估计技术的发展为主线,描述了运动估计的原理,将目前的研究方法归纳为四类:固定模式法、预测运动矢量法、分层法和快速全搜索法,并对四类运动估计方法作了深入讨论和比较性研究,展望了运动估计算法的未来发展趋势.     

一种新的直扩超宽带系统快速同步方案

本文提出了一种新的基于能量窗的直扩超宽带系统码片同步方法，通过设计具有重复特性的码来提高能量窗的信噪比，从向可以较为准确地获得码片同步，并将窗口中的信息作为接收端本地信号与接收信号进行匹配接收，这样可以存未知接收信号相位的情况下有效地接收多径能量，提高接收信噪比。在完成码片同步之后再进一步进行PN码的相位同步，这里以线性搜索为例分析得到超宽带信号总的平均同步时间，并与现有的超宽带同步方案进行了比较，新方案将信号捕获分成两部分完成，大大降低了超宽带信号捕获时间。     

H.264编码器软硬件设计和运动估计算法研究

介绍了基于DSP的H.264编码器实现硬件设计,对其关键部分作了功能说明,给出了基于DSP的软件设计思想,提出了多参考帧的运动估计快速算法--三维菱形搜索法(TDDS).