基于TMS320C5402的CVSD编解码实时实现

本文讨论了连续可变斜率增量调制(CVSD)语音编解码算法的原理及其特点,并在MATLAB中进行了仿真,结果表明,选择合适的量阶初值,量阶能够自动地随输入信号平均斜率的大小而连续变化,解码后的输出能够很好的逼近原始输入语音信号。最后,讨论了连续可变斜率增量调制算法(CVSD)在TMS320C5402实时实现过程中软、硬件的设计。     

基于增量调制的ICCP地磁匹配序列生成方法

为解决地磁匹配算法中匹配点的选取和匹配序列长度的设置问题，提出一种迭代最近等值线(ICCP)算法的地磁匹配序列生成方法。首先，分析了采样定理、地磁图分辨率、磁场起伏特征和磁传感器测量精度等对匹配序列采样间隔的约束，以及匹配序列长度与误匹配的关系；然后，在此基础上利用增量调制原理实现了匹配点的选取；最后，建立了本文方法参数优化的目标函数，并利用二进制粒子群优化（BPSO）算法对匹配序列的长度和增量调制的量阶进行寻优，使ICCP算法在保证匹配精度的前提下能够缩短匹配时间。仿真结果证明所提方法具有良好的环境适应性，对ICCP算法的精度和实时性都有明显改善。     

谐波信号四阶累积量中所含信号信息研究

研究了谐波信号四阶累积量，发现它比二阶、三阶累积量所含信息更丰富。它可以分析出谐波信号各分量间频率及相位存在的三种关系：频率（相位）双对耦合、频率（相位）三次耦合、频率（相位）相互独立，这三种关系在多次谐波信息中可能同时存在，也可能存在一种或两种。此外，当有频率耦合时，还可提供信号的相位信息。为了简化计算，本文着重研究了四阶累积量对角切片及其频谱，并用仿真实例验证了不同频率（相位）耦合关系对四阶累积量的谱值产生不同影响这一结论的正确性。     

一种高动态环境GPS信号的跟踪方法及实现

鉴于在高动态环境跟踪ＧＰＳ信号所遇到的问题，分析了高动态环境跟踪ＧＰＳ信号的基本方法，讨论了通过延时锁定环和载波辅助技术进行伪码跟踪的原理，重点研究通过３阶频率扩展卡尔曼滤波算法（ＦＥＫＦ）进行多普勒频率估计并进行载波跟踪的原理，模拟分析了ＦＥＫＦ算法的动态跟踪能力和频率估计误差，提出了一种适合高动态环境要求的ＧＰＳ信号跟踪方案     

在单脉冲内基于Radon Ambiguity变换的加速度估计方法研究

根据雷达发射恒定载频信号时匀加速目标回波为线性调频（LFM）信号的特点,研究了在单脉冲内基于Radon\|Ambiguity变换（RAT）估计目标径向加速度的问题,首先采用Radon\|Ambiguity 变换（RAT）得到信号的调频斜率,进而根据调频斜率估计出目标径向加速度。分析了加速度分辨率和加速度估计效率,讨论了信号时长和搜索步长对测量加速度精度的影响,最后仿真实验结果验证了方法的有效性。     

基于四阶累积量的来波信号频率和二维角估计

本文提出了一种基于四阶累积量的来波信号频率、方位角和仰角三维参数估计的算法。该算法采用无方向模糊的无效均匀圆阵（阵元数大于６）和阵元延时，实现高斯白或色噪声环境下非高期信源的参数估计，且三维参数可自动配对；在空间欠采样条件下，使用整数搜索法实现方位角和仰角无模糊估计。仿真实验表明了算法的有效性。     

简化七阶CQKF及其在SINS大失准角初始对准中的应用

针对捷联惯性导航系统（SINS）大失准角初始对准的滤波过程，提出简化七阶正交容积卡尔曼滤波算法（7th-SCQKF）。根据简化容积卡尔曼滤波(CKF)理论，推导出改进的简化七阶CKF算法（7th-MSSRCKF），改进了原简化七阶CKF（7th-SSRCKF）的性能；同时，在7th-SSRCKF和7th-MSSRCKF基础上，引入正交半径准则，提出简化七阶CQKF（7th-SCQKF）算法，提高了滤波精度；并将简化七阶CQKF（7th-SCQKF）算法应用到SINS的大失准角初始对准仿真中，结果表明，7th-SCQKF比7th-MSSRCKF的滤波精度高，验证了新算法的正确性和有效性。     

基于隐马尔可夫模型的语音识别技术在载人航天器上的应用

利用嵌入式平台构建了基于隐马尔可夫模型（Hidden Markov Model,HMM）技术的载人航天器语音识别系统,并针对载人航天器特殊的噪声背景和声学训练,对传统语音端点检测算法进行了改进。通过试验在嵌入式运行环境下实现了指令发送、文字输入等功能,证实该系统适应航天员的口音和发音习惯,可对连贯自然发音方式的命令进行识别,能够满足航天员及任务使用需求。     

基于分数阶Fourier域滤波的单电磁传感器宽带Chirp信号二维DOA估计

提出一种基于单个电磁矢量传感器的宽带Chirp信号方位-仰角估计算法。对强度相差不大的信号,该算法利用分数阶Fourier变换分别估计不同信号的电磁矢量传感器导向矢量,并根据矢量叉积运算得到方位-仰角估计值。对强度相差较大的信号,该算法利用分数阶Fourier域滤波,采用逐次消去的方法分别估计电磁矢量传感器导向矢量,得到方位-仰角估计值。提出的算法不需要进行迭代搜索和二维DOA的配对,不受近场信号的球面波效应的影响,并且可估计具有相同或不同调频斜率的多个Chirp信号的二维DOA。计算机仿真试验证明了算法的有效性。     

基于优化多尺度排列熵和卷积神经网络的滚动轴承故障诊断方法

针对滚动轴承故障分类中特征信号微弱、信号非线性和多尺度特征难提取的问题，提出基于优化多尺度排列熵（MPE）和卷积神经网络（CNN）的滚动轴承故障诊断方法:通过改进自适应噪声完备集合经验模式分解（ICEEMDAN）对轴承信号进行分解和重构，实现信号降噪；通过粒子群算法（PSO）对MPE进行优化，提出PSO-MPE特征提取方法，参数优化后的MPE能够提取更为关键的特征信息；将所得的排列熵输入到CNN中进行故障分类以及降维可视化分析。以凯斯西储大学开放轴承数据库样本为测试对象，将文章所提出的ICEEMDAN-PSO-MPE-CNN方法与ICEEMDAN-PSO-MPE-RNN、CEEMDAN-SVM、ICEEMDAN-PSO-MPE-SVM等方法进行纵向和横向对比分析，结果表明改进方法的分类准确率和效率更高，在T-SNE可视化下的分类效果更明显，能够实现滚动轴承故障的高精度和高效率检测。