一种计算MDCT的快速算法

提出了一种计算ＭＤＣＴ的快速算法，并分析了算法的计算复杂度。与利用ＦＦＴ计算的算法相比，本算法的计算复杂度降低了约一半。最后给出该算法的计算机仿真结果。     

基于斜投影算子的压缩采样匹配追踪算法

斜投影匹配追踪算法较正交匹配追踪算法针对非正交字典的重构能力有了大幅提高,但受噪声影响大。该文通过投影矩阵迭代公式导出斜投影匹配追踪算法,并引入回溯的思想,提出基于斜投影算子的压缩采样匹配追踪算法,有效降低了噪声的影响和非正交投影产生的误差,提高了重构精度。仿真结果表明,算法的重构效果优于其它同类算法。     

基于多通道的跳频信号欠采样频率估计

为实现跳频信号频率跟踪估计,本文提出一种基于多通道的跳频信号欠采样频率估计方法。基于快速傅里叶变换（FFT）,提出了一种3谱线方程的频率校正算法,提高了基于中国余数定理的频率估计方法对短序列信号的频率估计精度,与现有的两种基于离散傅里叶变换（DFT）的频率校正算法相比,序列补零数量灵活。给出了一种频率估计检错机制,可以提高算法可靠性。仿真结果表明,本文所提频率估计算法的精度优于现有算法,增加序列补零数量可进一步提高算法的估计精度和信噪比阈值,降低误差平台;检错机制在-23 dB至8 dB信噪比范围内的准确率高于95.5%。      

采用DFT滤波器组的声音回波对消器性能分析

本文详细分析了采用ＤＦＴ滤波器组的声音回波对消器的结构和性能，确切地给出了具有简化的重迭－相加结构的ＤＦＴ分析／综合滤波器组的线性特必和延迟特性，分析并推导了在运算量最小准则下，对消器的最佳通道数Ｋ的计算，最后给出了对消器的计算机仿真结果。     

模拟调制信号的神经网络识别方法

首先介绍从信号幅度、相位、频率及功率谱等特性中提取的三种特征参数，应用这三种参数采用人工神经网络对模拟调制信号进行了识别。在基于网络输出最小均方误差和最佳正确识别率的原则下，提出识别CW、AM、SSB、FM信号的隐含层的神经元个数为10个时较佳；得出输出层采用log-sigmoid函数为激励函数时，可以达到较佳的识别效果的结论。     

一种利用小波变换计算传感器束的盲分离方法

基于相合束广义特征分解的盲分离算法需要对传感器信号进行线性变换以得到传感器束,目前已有的变换方法有滤波处理和时延处理,滤波方法需要根据源信号选择滤波器,滤波器选得不合适,有可能分离不出源信号;时延方法不能分离3个以上语音信号的混合.该文提出一种利用小波变换计算传感器束的方法,由此得到的基于相合束广义特征分解的盲分离方法可分离3个以上语音信号的混合.     

基于信道性能的频谱分配算法

频谱分配是认知无线电的关键技术之一,各授权信道的可用概率与授权用户的到达率以及次用户业务量传送时间有关,并且实际效益还与该信道的衰落因子相关。提出了基于以上信道性能的CSGC频谱分配算法,该算法通过优先分配相对信道利用率高、信道衰落小的信道,达到最大化实际总效益的目的。仿真结果表明,该算法是有效的。     

一种分阶自适应Volterra滤波算法

稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机噪声.这种噪声的二阶及二阶以上统计量均不存在,需要用分数低阶统计量描述.针对Volterra级数非线性项将稳定分布的尖峰脉冲特性更加放大,导致输入信号自相关矩阵的特征值扩展更大的问题,本文提出了一种对于二阶Volterra级数的线性项部分和非线性部分分别采用两个不同收敛因子的分阶Volterra滤波器最小平均p范数(DOVLMP)算法,并分析证明了该算法的收敛性能.仿真结果验证了本文方法较传统算法的优越性.     

一种结合信道性能的频谱分配算法

在认知无线电网络中,由于授权信道的时变性,各可用信道的性能相差较大。为避免过多使用忙闲交替频繁的信道,首先用ON—OFF模型建模授权信道的使用情况,并推导了认知用户切换概率,提出了一种用信道状态变化率衡量信道性能的方法。在此基础上提出了一种结合信道性能的频谱分配算法,在网络吞吐量相同或相近情况下优先分配性能较好的信道。仿真分析表明,这种结合信道性能的频谱分配算法在降低切换概率的同时提高了实际总效益。     

一种α稳定分布下的变抽头长度LMP算法

针对无法事先知道滤波器抽头长度,且系统中存在“稳定分布噪声的情况,提出了一种α稳定分布背景下的变抽头长度自适应算法,采用3个并行的滤波器,比较数据段内其平均P阶误差大小,每K点数据段更新一次抽头长度,数据段内滤波器权值采用LMP算法调整。算法仿真表明,算法在不同特征指数的α稳定分布下都具有很强的韧性,能自适应调整到最优抽头长度,达到最优抽头长度的LMP算法的稳态误差。