频谱仪测量微弱信号的噪声

要正确使用频谱分析仪精细测量小信号的各种电参数，重要的是正确了解频谱仪内部存在的和外部可能引入的噪声特性。较详细介绍和讨论了频谱仪在测量微弱信号中的噪声及其分布。     

包络均值滤波算法实时检测微弱信号

在强噪声环境下提取微弱信号一直是信号处理方法研究的难点,提出一种基于包络均值滤波(EMF,Envelope Mean Filter)的微弱信号提取算法,可以实时恢复出深埋在均匀分布噪声中的微弱缓变非周期信号的波形.EMF算法通过对混有均匀分布噪声的信号进行过采样,对信号的包络线进行实时分析,并用上、下包络的均值作为真实信号的估计值.为了使输出信号平滑、无跳变,采用实时滑模平均滤波器对估计值进行滤波,最终恢复出的原始信号.通过仿真研究对包络的分析算法、最优衰减系数的选取、过采样系数、平滑序列长度和不同信噪比的微弱信号对还原精度的影响进行了研究.EMF算法简单,可使信噪比提高60 dB以上.已经成功用于IEEE 1588精密时钟同步的时钟伺服算法中.     

一种基于双通道微弱正弦信号幅值检测的新方法

针对传统的基于自相关法的弱正弦信号幅值测量中存在准确度不高的问题,本文提出了一种新的基于双通道的正弦信号幅值检测新方法。根据正弦信号和噪声的统计性质,采用双通道对原始信号进行同步采样,提取原始正弦信号的幅值信息,分析了各个因素对算法的影响,实验结果表明本文的算法较传统的自相关法准确度有大幅提高,具有一定的工程实用价值。     

基于前向神经网络的非线性平滑滤波器设计研究

文章阐述了基于前向神经网络的非线性平滑滤波器的设计问题，分析了上述平滑滤波器的存在性及其滤波误差方差的组成，给出了有限观测序列下网络学习的性能指标，由此提出了一种次优网络学习算法，它具有很好的抑制白噪声能力。     

基于多层感知机的密封继电器PIND信号识别

设计了一套航天密封继电器信号识别方法,基于微粒碰撞噪声检测(PIND)法,通过对信号的时域及频域的特征分析选取了多个具有代表性的特征。运用了机器学习方法,采用多层感知机并对其进行超参数寻优,找到了最优的超参数组合。对信号进行处理分析来判断密封继电器内是否存在多余物。提高了分类的准确率,同时也提高了模型的整体性能。     

用于压电料位计的微弱信号检测电路设计

设计了一种用于压电料位计的微弱信号检测电路,从防积分饱和电荷放大、带通滤波、精密检波、两级比较和逻辑控制五个方面介绍了其工程实现。能够实现单极性电源供电处理交流信号,实时监测料位计输出电荷大小,并转换为开关信号输出;具备灵敏度调节功能,可以根据不同物料的阻尼特性,有针对性地设置动作阈值;能够根据用户需要设置输出电平极性,提高了料位计的灵活性和适应性。结合理论计算、仿真分析和试验测试,验证了设计的合理性和正确性。     

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。     

失真信号的合成

总结了波叠加的方法，指出了基准坐标系的重要性与有关量的求解方法。     

一种基于双通道弱正弦信号频率检测新方法

针对传统的基于自相关法的弱正弦信号频率测量中存在准确度不高的问题,本文研究了一种新的检测微弱正弦信号频率的方法,利用正弦信号的特性,通过双通道采集微弱信号,利用多重自相关和互相关原理,结合四点式频率估计和多点绝对值补偿,有效地检测了微弱信号的频率,并与传统的单通道自相关频率检测原理做了对比,结果表明本文的算法准确度更高、算法简单、实用性较强。     

微弱信号检测系统中的接地与屏蔽技术分析

讨论分析了测试中常见的几种接地方法:单点串联接地、单点并联接地、多点接地和浮点接地,并总结出了在微弱信号检测系统中电路接地设计应注意的问题。另外,文章也简单讨论了与接地技术非常密切的屏蔽技术,并得出在屏蔽设计时应遵循的原则。     

微弱电信号检测技术

主要介绍微弱电压信号和电流产生的主要因素及其测量方法，指出在精密测量过程中需要注意的一些问题：如接地、屏蔽和抗干扰等。     

畸变信号重建的神经网络方法

分析了通信信道在传输信号时使信号发生畸变的现象，提出用径向基函数神经网络方法描述信道的畸变特征，并利用此方法作了仿真计算，结果表明用神经网络方法进行畸变信号重建效果较好。     

基于神经网络的OFDM信道补偿与信号检测

针对非线性失真和多径效应混合的复杂信道条件,提出一种基于神经网络的正交频分复用（OFDM）信道补偿与信号检测的方法。首先接收端信号利用最小二乘（LS）算法和迫零（ZF）算法做预处理,然后再输入到一层全链接层的神经网络进行进一步的信道补偿与信号检测,并恢复数据流。仿真结果表明,在没有进行输入信号功率回退（IBO）时,所提方法的误比特率（BER）性能比LS算法提升2个数量级,比线性最小均方误差（LMMSE）、最小均方误差（MMSE）提升一个数量级;在进行IBO后,所提方法能避免LS信道估计下至少4 dB的功率损失,能避免LMMSE、MMSE信道估计下至少2 dB的功率损失。所提方法在一定程度上验证了机器学习结合通信的先验知识的这种新的网络结构更能提升系统数据传输的准确率。      

基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。      

一种新型的用于深空高动态微弱信号载波跟踪环

分析了深空通信中高动态微弱信号载波跟踪方法,提出并分析了载波跟踪中状态方程非线性与量测方程的非线性取舍问题,分析了滤波过程中影响高动态与低信噪比的决定因素,给出了两个推论,提出了强跟踪算法的必要性。并以此选择了以传统卡尔曼滤波(KF)为基础,以锁相环(FLL)、无迹卡尔曼滤波(UKF)为辅助使用两种工作模式来应对不同环境。针对组合跟踪环路状态转换过渡易出现的频率阶跃问题,给出新型环路的工作模式及切换门限的数学表达式,在环路中添加计算判别器,实时控制环路输出的同时不浪费计算力地剔除了野值,提高了环路稳定性。仿真表明,该新型环路算法与现有的算法相比有很好的低信噪高动态适应能力,消除了切换峰值,剔除了野值。     

磁选态铯原子钟弱信号直接采样方法研究

磁选态铯原子钟的输出频率与铯束管输出的弱电流信号有关,影响其频率稳定度.为了提高其频率稳定度技术指标,在对磁选态铯原子钟主伺服电路弱信号压频转换(V-F)和模/数(A/D)直接采样对比的基础上,设计了基于DSP28335芯片的A/D直接采样电路,利用CAN总线通信技术与主控CPU板进行通信,实现整钟闭环锁定的方案.通过...     

Time constants in the ionosphere from neural network models

Neural network (NN) models for the low latitude and the polar ionosphere from the D- to the F-region were developed which are based on incoherent scatter radar data from Arecibo and EISCAT Svalbard, respectively. The various geophysical input parameters defining the NN are not only the ones that represent the time one wants to predict, but also the geophysical conditions prior to the time of the prediction. The optimum length of these preceding periods are derived for the two models are different, but a period of 60 days is a compromise acceptable for both latitudes. Furthermore from the Arecibo data time constants of electron density decay after sundown are derived which – arguably – are also relevant elsewhere, including the polar latitudes. Whereas at all altitudes the electron densities decay exponentially after sundown, below 300 km there is an additional variation with solar zenith angle.     

基于神经网络的电磁干扰的预测

提出了一种应用神经网络预测电磁干扰的方法.针对遗传算法总体搜索能力较强但容易陷入局部最优,而模拟退火算法具有较强的局部搜索能力,又能避免搜索陷入局部最优解的特点,将模拟退火算法与遗传算法相结合,优化多层前馈(BP,Back Propagation)神经网络,获取最优的权值和阈值,并采用模拟退火的思想确定隐含层神经元的个数,进而建立基于神经网络的电磁干扰预测模型.以双平行导线间的电磁干扰问题为实例,明确干扰要素,建立训练样本和测试样本,对比期望输出和预测输出之间的误差,结果表明该方法可以准确有效地进行电磁干扰预测.     

基于神经网络的电磁干扰的预测

提出了一种应用神经网络预测电磁干扰的方法.针对遗传算法总体搜索能力较强但容易陷入局部最优,而模拟退火算法具有较强的局部搜索能力,又能避免搜索陷入局部最优解的特点,将模拟退火算法与遗传算法相结合,优化多层前馈(BP, Back Propagation)神经网络,获取最优的权值和阈值,并采用模拟退火的思想确定隐含层神经元的个数,进而建立基于神经网络的电磁干扰预测模型.以双平行导线间的电磁干扰问题为实例,明确干扰要素,建立训练样本和测试样本,对比期望输出和预测输出之间的误差,结果表明该方法可以准确有效地进行电磁干扰预测.