基于单片机的信号发生器设计

该信号发生器以AT89C52单片机和DAC0832芯片为核心进行设计.单片机和D/A芯片通过直接数字合成技术来生成正弦波、三角渡和方波,波形的类型和幅度在一定范围内可变.介绍了该信号发生器波形产生的原理、硬件电路和软件编程.该信号发生器具有价格低、性能稳定、升级方便的优点.     

AD9857的改善因子测试系统的设计与实现

介绍了一种能够自身产生改善因子测试所需的目标信号和杂波信号的改善因子测试系统;该系统采用高速数字信号处理芯片来模拟产生视频信号,然后由数字上变频器AD9857变频至中频后送人被测接收机进行MTI处理;同时,系统采用虚拟仪器技术设计了控制软面板,从而能够方便快速地对测试信号参数进行控制;最后利用该系统对某型情报雷达的MTI改善因子进行了测量,在雷达工作频率为220MHz,目标速度为20m/s时,测得改善因子约为55dB,非常接近于厂家提供的参考值.     

组网火控雷达低截获性研究

从火控雷达抗电子侦察的需求出发,研究通过组网技术降低雷达信号截获概率的方法。首先分析雷达侦察系统的前端截获概率以及影响雷达截获的因素,在此基础上,介绍基于交替间歇辐射的火控雷达组网理论,提出脉冲间隔自适应变化的辐射信号模型,并利用窗口函数对组网条件下的截获概率进行研究;最后设定参数,对三部火控雷达组网的效果进行仿真。实验结果证明:利用火控雷达组网的方法可以降低信号的截获概率,延长信号被反辐射武器截获的时间,从而获得良好的作战效能。     

基于表面肌电信号的人机交互软件设计

设计了一种基于Qt的人机交互软件,用于从表面肌电信号中解码出手势,控制空间机械臂灵巧手作业;介绍了肌电信号解码手势并控制仿真灵巧手系统的组成,包括下位机肌电采集接口部分和上位机人机交互软件两部分;详细说明了人机交互软件的3个功能模块,即接收并显示16路神经接口向上位机发送的肌电信号、对肌电信号进行实时手势解码以及控制仿真灵巧手;分析了软件设计过程中的几个关键技术,信号与槽机制、多线程与多进程结合、UDP通信等;最后,设计了基于肌电信号解码3种手势并控制仿真灵巧手的实时实验,手势识别率在98％以上,控制延迟为200 ms左右;实验结果表明,人机交互软件运行稳定,功能齐全,在航天遥操作人机交互系统中具有应用前景.     

基于位置随动控制系统的降维观测器的设计

为改善位置随动控制系统性能,运用线性系统理论中的状态反馈、极点配置、观测器设计等理论,对多个状态变量进行闭环控制。因存在不可直接量测的状态变量,根据实际情况设计一个降维观测器,用估计值代替不可直接量测的状态变量并实现反馈,对其结果在MATLAB/Simuink环境下进行了仿真,验证了其有效性。     

对空情报雷达MTI改善因子测量方法研究

对对空情报雷达动目标显示(MTI)改善因子的测量方法进行了研究.在分析了传统的对消比测量方法、静态改善因子测量方法和分系统改善因子测量方法的优点及其存在的局限性的基础上,提出了一种能够模拟目标信号和复现测量背景的动态测量系统.该系统对测试场地要求较低且通用性强,为实现真正意义上的雷达抗杂波性能评估提供了依据.     

雷达自适应频率控制系统干扰检测研究与实现

雷达自适应频率控制系统是针对有源压制性干扰的重要抗干扰措施.对该系统的总体设计、干扰检测算法、最优频率点选择和干扰检测电路等系统组成的关键技术进行介绍.该控制器以单片机和74LS161芯片为核心,综合运用信号检测与估计理论,通过频谱分析找出干扰最小的频点,然后控制发射机以该频点进行工作,达到有效对抗干扰的目的.     

基于小波变换共空间模式的脑电信号解码

针对运动想象脑电信号实现任务少、识别准确率低等问题,提出了一种基于小波包分解的共空间模式脑电信号特征提取方法。该方法通过长短期记忆网络进行脑电信号解码,采用独立成分分析的方法将运动想象信号进行盲源分离,采用小波包分解方法将每个通道脑电信号按频率分为8组。计算每组信号的功率值,采用递归特性消除方法去除对分类不重要的10个节点特征,将被选择的节点信号采用1对1共空间模式提取空域特征,将特征矩阵输入长短期记忆网络进行脑电信号解码,得到4类运动想象信号分类结果。采用本文方法对公开的脑机接口竞赛数据集(包括左手想象信号、右手想象信号、舌头想象信号、双脚想象信号)前3位受试者数据进行验证,结果表明：本文方法的识别准确率分别为90.28%、94.25%、96.55%,平均识别准确率达到93.69%。与其他方法对比,本文方法识别准确率较高。用识别的脑电信号作为解码控制信号,控制虚拟太空环境中的空间机械臂顺时针或逆时针运动,达到抓取空间中目标物体的目的。     

基于SSVEP的空间机械臂脑机交互方法

为实现航天员与空间机械臂的脑机交互,针对稳态视觉诱发电位脑机接口(SSVEP-BCI),提出一种基于卷积神经网络的SSVEP信号分类方法。该方法以SSVEP信号经过快速傅立叶变换的特征为输入,经过三层卷积层、全连接等操作实现信号的分类识别。采用清华大学Benchmark数据集对该方法进行测试,在1秒的时间窗口下,平均分类准确率为99.07%,平均信息传输率为149.24b/min,均明显高于采用典型相关分析或滤波器组典型相关分析的方法。实验对比分析表明,该方法针对短时间窗口的SSVEP信号具有较好的目标分类效果。最后,使用分类后的信号作为控制信号,对仿真环境下的空间机械臂进行操作,实现人和空间机械臂的脑机交互。