基于DSP的飞机全电刹车模糊神经网络控制系统

介绍了一种基于DSP的飞机全电刹车模糊神经网络控制系统 ,此系统以电作动器取代液压机构。由于不使用液压机构使得系统更加安全 ,同时刹车效率也有所提高。仿真及试验结果显示该系统具有良好的性能 ,达到了设计要求。     

卫星测控信号的调制类型自动识别算法

研究了应用于卫星测控信号的自动调制识剐算法，提出了FM和PM测控信号识剐的两种算法，分析并仿真验证了载频偏移对正确识别率的影响，研究了载频偏移估计算法对消除载频偏移影响的效果。计算机仿真实验表明：在基于瞬时相位标准偏差σdp为关键特征的算法中，采用最小二乘原理估计频偏可以有效地消除载频偏移和部分噪声的影响；基于瞬时折叠相位偏差σ1Wp的算法在载频偏移为100Hz，信噪比高于-6dB时，其识别率可达100％。     

星载TDICCD随机振动与数据处理研究

对星载TDICCD进行了随机振动试验，提出了TDICCD机体在进行宽带随机振动工程试验中必定面临的几个技术问题及处理方法，分析了振动环境与结构振动特性的关系及其对TDICCD结构的影响和危害，研究了试验的实用技术和控制方式的选择要点．根据对星载TDICCD振动信号的现场采集结果，分析了振动信号的时域划分、信号采集基本参数的选择原则，并用信号分析仪进行了数据处理，获得了该机体振动的参数，这些动态特性参数为星载TDICCD的防振、隔振提供了可靠的参考，为对机体进行有限元模态计算提供了修正和科学依据．     

同轴电缆的远距离传输带宽扩展技术

在快脉冲信号测量中,同轴电缆的带宽不能满足信号传输要求。本文从电缆频带的扩展原理入手,着重讨论了传输电缆的无源带宽扩展技术的实现方法,最后给出了一个实际例子供参考。     

应用最大熵谱估计检测微弱信号

频谱分析是数字信号处理的主要内容之一 ,近年来 ,由于最大熵算法的一些优点 ,使它成为现代谱估计中一个比较活跃的领域。最大熵算法是 196 7年由Burg提出来的一种现代谱估计方法。提出了应用最大熵谱估计及LMS自适应算法 ,根据有限数据 ,在频域内提取被淹没在噪声中的有用信号的方法及应用MATLAB语言进行的仿真。     

遥感图像受控有失真压缩技术研究

在测绘遥感领域, 对图像的像质要求较为严格, 但即便如此, 遥感图像数据中仍然含有噪声, 从而有损压缩是可行的。文章在遥感图像信噪分析的基础上, 提出了一种遥感图像受控有失真压缩技术。首先分析了遥感图像有失真压缩的可行性; 然后应用小波的良好变焦性能, 对遥感图像施行2层2维小波的塔式分解; 对低频子图进行精细量化,对高频子图进行从粗到精的量化; 最后, 考察不同的高频量化器对遥感图像的压缩倍率和恢复图像像质的影响。     

FY-4闪电成像仪实时事件处理器(RTEP)的FPGA设计研究

闪电是中尺度,特别是中-γ尺度天气系统研究的有力工具。闪电成像仪主要利用4种方法 组合来实现闪电信号的增强与探测。这4种方法是:光谱滤波、空间滤波、时间滤波、帧-帧背景去除。实时 事件处理器(RTEP)是实现帧一帧背景去除的最为有效的手段,它是提取闪电信号的重要途径。实时事件处 理器是一个实时数字信号处理系统,在2ms的时间内要完成12 bit量化的512×512个像素的信号数据处理, 探测出闪电信号。文章论述了实时事件处理器RTEP的必要性,实现原理,以及FPGA实现方案。     

捷联寻北仪的误差补偿技术及信号处理方法研究

捷联寻北仪采用中等精度两自由度动力调谐速率陀螺仪,来感测地球自转角速度在两个水平方向的分量,从而确定地理北向。各种干扰的存在会削弱有用信号,从而降低寻北精度。本文分析了陀螺静态及动态漂移误差对寻北精度的影响,提出了有效的误差补偿技术;针对有用信号的特点提出了简单实用的噪声消除法。仿真和试验结果说明,文中所提方法能有效地提高寻北精度。     

基于DSP和CAN总线的发动机电子控制器核心电路模块研究

为了满足复杂控制算法和分布式控制的需要 ,提出一种基于数字信号处理器 ( DSP)和控制器局域网( CAN)总线的电子控制器核心电路模块的设计方案 ,并进行了工程实现。阐述了硬件设计和软件设计中的关键技术问题 ,并通过实物在回路仿真实验 ,验证了本核心电路模块设计方案的可行性。该模块也可作为飞 /推综合控制、分布式控制等需要高性能计算能力和实时数据通信能力的核心电路模块使用     

Method for denoising and reconstructing radar HRRP using modified sparse auto-encoder

A high resolution range profile (HRRP) is a summation vector of the sub-echoes of the target scattering points acquired by a wide-band radar. Generally, HRRPs obtained in a non-cooperative complex electromagnetic environment are contaminated by strong noise. Effective pre-processing of the HRRP data can greatly improve the accuracy of target recognition. In this paper, a denoising and reconstruction method for HRRP is proposed based on a Modified Sparse Auto-Encoder, which is a representative non-linear model. To better reconstruct the HRRP, a sparse constraint is added to the proposed model and the sparse coefficient is calculated based on the intrinsic dimension of HRRP. The denoising of the HRRP is performed by adding random noise to the input HRRP data during the training process and fine-tuning the weight matrix through singular-value decomposition. The results of simulations showed that the proposed method can both reconstruct the signal with fidelity and suppress noise effectively, significantly outperforming other methods, especially in low Signal-to-Noise Ratio conditions.