权重优化的短码长LDPC译码器

近年来,无线通信中对于传输延迟的要求越来越高.降低信道编码的码长,可以在信息速率较低的情况下,显著降低传输延迟.低密度奇偶校验码(LDPC)是当前广泛采用的信道编码,在LDPC的码长较短时,由于Tanner图上的环较多,周长小,因此传统的置信度传播算法对符号似然比的近似较差,从而影响了编码的性能.提出了基于循环神经网络...     

μC/OS-Ⅱ在LPC3131处理器上的移植

本文首先概要介绍了μC/OS-Ⅱ操作系统,然后研究和编写了三个与处理器相关的移植文件,最后通过设计多任务应用程序验证了μC/OS-Ⅱ在LPC3131处理器上的移植是成功的。     

基于精度依据准则的图像分割算法评价

在图像处理中,图像分割是一类重要的研究方向。图像分割算法的好坏,影响到分割结果的优劣,因此对分割算法的性能评估十分重要。本文提出了一种图像分割算法性能的评价方法——精度依据准则,该准则是对原始特征量值和实际特征量值做比较,通过对绝对值的大小来判断算法的好坏。通过实验比较,该方法具有不错的算法性能评估准确度。     

基于相关峰数量统计的诱骗信号快速识别

针对采用直接序列扩频（DSSS）体制的无人机卫星测控前向链路,提出了一种基于相关峰数量统计的诱骗信号识别方法。该方法将同模式的诱骗信号等效为多径信号,利用匹配滤波器对接收信号进行处理,通过迭代算法调整相关峰判决门限,并统计一段时间内的相关峰数量来识别诱骗信号。在扩频码周期为128,正交相移键控(QPSK)调制,1/2码率的信道编码,Es/N0为3 dB,1 024个码周期的统计周期,诱骗信号和合法信号延时大于1个码片长度的情况下,该方法可快速有效地识别诱骗信号。     

基于DSP的音频信令处理模块实现

音频信令处理是话音通信不可缺少的处理环节,基于DSP的音频信令处理模块应用广泛。介绍了信令处理平台的硬件设计、软件设计,并提出了A律解码、数字滤波、双音多频/信号音译码、双音多频发生器、信号音发生器及2FSK发生器等各项需要解决的问题,并阐述了McBSPs的工作条件和接口收发的时序关系。随着电话交换设备信令音的频率偏差,针对不同应用环境提出相应的解决方案。     

基于G.704数字接口转换器的设计

卫星通信地面站的有线信号远端传输,无论同轴电缆还是光纤方式,通常使用E系列标准接口。基于G.704的数字接口转换器可实现基带同步串行数据信号与E1接口信号的互相转换。在简要介绍硬件设计和软件设计基础上,详细阐述了串行接口速率自适应、E1帧时隙选择、收发时钟的产生和先进先出存储器的设计思路,给出了性能测试结果。     

微结构光纤间隙孔在制备过程中形变的研究

利用圆形毛细管采用堆积法制备六角型微结构光纤预制棒时,在相邻三根毛细管之间会形成一个近似等腰三角形的孔(间隙孔)。在微结构光纤的制备过程中,对不同情况下间隙孔的变化进行了理论分析。分析结果表明,拉丝时,当间隙孔和包层毛细管之间的气压差ΔP=0时,间隙孔得以保持;当ΔP≠0时,在压强差的作用下,包层毛细管会发生形变位移,从而导致间隙孔消失。根据此理论分析结果,进行制备试验,发现试验结果与理论计算值具有一致性。通过控制间隙孔与毛细管中的气压差,可以制备出无间隙孔微结构光纤,并有助于保持包层孔的结构,大大提高了制备工艺的稳定性。     

MiniGUI在PXA270上的移植方法分析

随着嵌入式系统的广泛应用,相应的图形用户界面的开发也日趋重要,MiniGUI正是其中的一个轻量级的图形用户界面支持系统。通过分析MiniGUI的技术特点和体系结构,以MiniGUI2.0.4版本为例,详细阐述了在嵌入式PXA270平台上MiniGUI支持库的编译安装方法,以及MiniGUI的交叉编译和移植过程。     

利用改进的堆积法制备微结构光纤

通过改进的堆积法,制备无间隙孔微结构光纤（MSF）。该方法包括3个步骤：1）通过传统堆积法,制备MSF的预制棒;2）对预制棒进行预定型处理,对其一端加热使毛细管熔死,再将预制棒放入高温炉中加热至1600℃,并对另一端加压加气,内部毛细管受气压扩张,进而膨胀使间隙孔受力消失．所有的包层毛细管熔到一起形成了一整体,这样有助于拉丝时保持光纤的结构;3）完成拉丝过程。用这种改进的堆积法进行MSF的制备,取得了很好的试验结果。     

联合稀疏非负矩阵分解和神经网络的语音增强

针对基于非负矩阵分解(non-negative matrix factorization, NMF)的语音增强方法在低信噪比部分和无结构特征的清音部分会引入失真这一问题,利用语音信号在时频域呈现的稀疏特性和深度神经网络在语音增强应用中表现出的谱重构特性,提出了一种联合稀疏非负矩阵分解和深度神经网络的单通道语音增强方法.首先对带噪语音的幅度谱进行非负矩阵分解得到与语音字典和噪声字典相对应的稀疏编码矩阵,其中语音字典和噪声字典通过对纯净语音和噪声进行训练预先得到,以维纳滤波方法恢复出语音成分的主要结构;然后利用深度神经网络在语音增强中表现出的时频保持特性,通过深层网络学习经维纳滤波分离出的语音的对数幅度谱和理想纯净语音对数幅度谱之间的非线性映射函数,进而恢复出语音结构的缺失成分.实验结果表明：所提方法可以有效抑制噪声且较好地恢复出语音成分,在语音感知质量和对数谱失真性能评价指标上均优于基线方法.