新型波导-微带对脊鳍线过渡设计

介绍了一种新型的宽带波导-微带对脊鳍线过渡设计。它利用对脊鳍线自身结构的调整,就可以对频带内谐振频率产生抑制作用,不需外加任何谐振抑制结构或金属孤岛,减少了设计和制造的复杂性。这种紧凑的过渡模型不仅结构简单、尺寸短小,而且可以在宽频带范围内实现较低的插入损耗和回波损耗,方便工程上的应用。对实验样品的测试表明,在Ka全频段内其插入损耗小于0.8 dB。     

数字音频功放处理芯片设计与实现

介绍了一种数字音频功率放大器数字信号处理的基本原理与实现方法.对整个数字音频功放的数字信号处理器的设计进行了详细介绍,并通过Xilinx FPGA工具进行了验证,利用Synopsys工具进行了完整的电路设计、仿真和版图设计.流片采用Chartered 0.35μm工艺.     

基于小波变换的图像条带噪声去除方法

条带噪声的存在不但妨碍高光谱图像的目视判读,而且制约高光谱遥感的定量应用。针对小波变换法条带噪声去除过程中遇到的条带噪声和图像有用信息难以有效分离的问题,根据小波变换的方向性和数学显微镜特性,提出了一种新的基于小波变换的条带噪声去除方法。这种方法首先对含有条带噪声的图像进行一定层数的小波分解;然后对每一层分解得到的与条带噪声分布方向相同的子图像再进行一定层数的小波分解,从而实现条带噪声和图像有用信息的有效分离,将含有条带噪声的子图像置零;最后利用小波反变换得到去除条带噪声的图像。以欧洲空间局PROBA卫星上搭载的CHRIS高光谱数据为例,采用相关系数(R)、结构相似度(SSIM)和峰值信噪比(PSNR)3个定量指标,对比分析了新方法与矩匹配法、傅立叶滤波法和小波阈值法的条带噪声去除效果。结果表明新方法去噪后的图像具有最高的R、SSIM和PSNR,新方法能够有效地去除高光谱图像中的条带噪声,同时较好地保留了原始图像的有用信息。
     

微型测控应答机再生测距码跟踪精度研究

微小卫星的星载测控应答机由于功率和天线增益受限,测距误差较大.而再生伪码测距能显著减少下行链路的噪声,从而提高伪码跟踪精度.针对最新的再生测距码,利用线性分析的方法,对伪码跟踪环的理论均方定时误差进行了推导,并对这些测距码的跟踪性能进行了仿真和比较.与理论值不同的是,环路的实际跟踪性能由于VCO相位噪声的存在,不是环路带宽的单调函数.因此,需要根据信噪比条件设置相应的最佳带宽,以得到最佳的跟踪性能.与理论情况相比,各测距码实际环路跟踪性能的差异有所减小.     

含噪声前馈神经网络误差函数的理论分析

误差函数的选择是前馈神经网络训练的关键问题。首先讨论了在输入输出样本均含噪声及只有输出样本含有噪声的情况下网络权向量W的极限性质，从而指出，在噪声存在的情况下，常用的最小方差型误差函数不是一个好的选择，所得结果为更深入的研究指出了方向。     

超声波测距误差分析

介绍了超声波测距的原理以及环境对测量准确度的影响,分析了测量误差产生的原因。阐述了仪器设计时超声波传感器的选择、计数频率的确定及盲区对测量的影响,指出了提高测量准确度的途径,重点阐述了利用软件修正误差的方法,使仪器达到了设计指标,满足了工业测量的实际需要。     

基于体绘制的动态云场景模拟

为了实现动态云场景的创建与绘制,文中提出一种基于体绘制的三维云模拟算法。算法用Perlin噪声干扰椭球模型,得到云场景区域内体素颜色的基本数据,然后对体素颜色进行软化模糊和添加阴影处理,建立绘制区域的云数据模型;同时通过ray casting对绘制区域进行体数据采样渲染,模拟出三维云的效果。仿真实验结果表明：该算法模拟出的云场景可让云形状颜色位置动态改变,也可让视点穿过云层,具有动态和交互效果,是一种可行的动态云场景模拟算法。     

有色噪声背景下陆基导航接收机对信号的检测

针对我国典型海域干扰噪声的特点,提出了在有色噪声背景下直接序列扩频体制的无线电导航接收机对接收信号检测方法,即利用卡尔曼滤波技术对接收的信号进行建模从而得出自相关函数,根据单层神经网络对相关函数中的有色噪声协方差参数进行预测.同时,给出了系统的递推公式、预测自相关函数表达式、程序流程图和计算机仿真.计算机仿真结果表明,该方法不仅能够有效的逼近有色噪声,而且程序计算复杂度较低,从而提高了系统的稳定性.     

时间序列数据分析与预处理

时间序列分析中常常遇到的一个问题是如何有效地过滤噪音和约简数据。本文通过修改传统的离散的傅立叶变换来过滤噪音和进行数据的约简，并尽可能保留原始时间序列的全局变化趋势。为检验该方法的有效性，本文同时提出一个新颖的数据分类算法MCC，并用该算法对股票回报率的变化进行预测，实验结果显示，用MCC算法在预处理后的数据上进行预测，其预测的命中率达到63．68％，而在原始数据上进行预测，其预测的命中率只有48．98％。显然，通过对原始数据进行噪音过滤有效地改善了预测的精度。另外，数据的约简也提高了预测算法的效率。