基于PVDF薄膜材料的脉搏传感器的研制

介绍了一种基于PVDF压电薄膜材料研制而成的脉搏传感器。该脉搏传感器从手腕处获取微弱的脉搏信号,前端采用鼓式振动结构,最大的获取信号,提高灵敏度;后经电荷放大、滤波等信号处理电路从而实现了脉搏模拟信号和脉冲方波信号的输出。     

认知雷达及其关键技术研究进展

 认知雷达系统能够通过感知复杂多变的环境而自适应的调整雷达收发系统以适应当前的环境,因此可大幅提升雷达系统性能.本文在简要回顾认知雷达发展历程的基础上,逐步深入的揭示了认知雷达的本质特征及系统构成,讨论了认知雷达的关键技术,对目前的研究成果进行了分析与总结,并指出了存在的问题.最后讨论了认知雷达的未来发展方向.     

MSK信号非相干检测算法研究

针对AWGN信道上MSK信号的特点,研究了三种检测法:非相干包络检测法I、DD非相干检测法和MLBD非相干检测法。首先通过理论分析对这三种算法的检测原理进行比较,最后通过计算机仿真评估了三种检测法的性能,并得出相关结论。     

一种用于语声转换系统的LPC残差信号生成算法

残差信号中的基音信息对语音的说话人个性特征有着重要的影响.本文首先通过转换后的语音谱包络特征参数(LSP)来预测相应的目标基音周期,再利用预测的目标基音周期来修改源语音的残差信号,从而生成所需要的目标语音残差信号.客观评测和主观听觉测试都表明,本文的残差信号生成算法(PP DCT,Pitch Prediction Discrete Cosine Trans-form)性能要好于以往的残差预测法.     

基于循环相关的LFM脉冲雷达宽带回波Doppler和多径时延的联合估计

基于循环相关特性,该文提出了针对线性调频(LFM)脉冲雷达宽带回波Doppler和多径时延联合估计的方法。该方法首先利用雷达回波的循环相关变换,通过多径分量的能量累积估计Doppler频移尺度参数,然后结合发射信号的先验信息构造降阶函数,将回波信号降为多个单频信号,最后利用零频率截面循环谱能够将时间上有重叠的多径回波信号在该截面上分开且分辨率加倍的特性,估计出各多径分量的时延值。该方法只需要一个脉冲信号即可完成Doppler和多径时延的联合估计,对低信噪比噪声有较强的容忍性,能抑制各径相关交叉项的影响,并且具有较高的多径时延估计分辨率。文中给出了计算机仿真实验,仿真结果表明了该算法的有效性。     

一种应用于小样本人脸识别的2DLPP算法

LPP是一种局部特征提取算法,被广泛应用于模式识别中,然而在人脸识别中会遭遇小样本问题,为解决这个问题,提出了一种应用于人脸识别的二维LPP算法,直接对图像矩阵进行特征提取,既解决了传统LPP算法的小样本问题,又加快了特征提取速度.YALE人脸库和Extended Yale B人脸库上的实验结果表明2DPP具有较高的识别率,对光照、姿态的变化具有一定的鲁棒性.     

多部雷达信号的复合分层异常挖掘研究

对截获的雷达信号进行准确的分析和处理,实现对特定目标的异常特征信息进行快速发现、分析和挖掘,在提高雷达信号数据质量、发现入侵行为、进行故障诊断以及辅助军事侦察等领域都具有非常重要的意义。结合雷达信号的异常流行为,利用距离与聚类的统计思想,提出了一种针对雷达信号5个电子脉冲参数的复合分层分析异常挖掘方法,并运用5部仿真雷达的模拟数据进行了验证,发现该方法可对信度较高。     

C波段脉冲雷达高度表设计

C波段雷达高度表是一种基于机/弹载应用的小型、全固态、高可靠脉冲雷达高度表。为了解决脉冲雷达高度表低高度测量问题,采用收发分开双天线工作模式,在设计上采用了诸多先进的电子设计技术和设计理念。设计低高度C波段脉冲雷达高度表系统,较为详细地给出了各子系统的设计实现方法,同时给出了C波段脉冲雷达高度表的距离性能预测和相应的试验验证结果。试验结果证明了所采用技术手段能有效地解决脉冲雷达高度表低高度测量问题。     

基于改进RBF神经网络的数字调制识别

针对数字调制信号自动识别中分类器的设计,通过将决策树的方法应用到RBF中心的确定中,解决了常用算法计算量大、收敛速度慢的问题,提高了网络的学习精度和训练速度,将其应用到常用的7种数字调制信号(2ASK,4ASK,BPSK,QPSK,2FSK,4FSK,16QAM)的自动识别中,取得了好的结果。经仿真表明,使用该方法构造的神经网络,具有易于构造、可理解性好、收敛速度快且构造的网络规模较小的特点,适于工程应用。     

Performance of Object Classification Using Zernike Moment

Moments have been used in all sorts of object classification systems based on image. There are lots of moments studied by many researchers in the area of object classification and one of the most preference moments is the Zernike moment. In this paper, the performance of object classification using the Zernike moment has been explored. The classifier based on neural networks has been used in this study. The results indicate the best performance in identifying the aggregate is at 91.4% with a ten orders of the Zernike moment. This encouraging result has shown that the Zernike moment is a suitable moment to be used as a feature of object classification systems.