基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度智能预测

部分稳定氧化锆（Partially stabilized zirconia,PSZ）陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标，为了降低磨削表面粗糙度的预测误差，提出了一种基于相关性分析与卷积-双向长短期记忆神经网络（Convolution-bidirectional long short term memory neural network,CNN-BiLSTM）的PSZ陶瓷磨削表面粗糙度声发射预测模型。通过分析磨削声发射信号特征值与磨削表面粗糙度值之间相关性，筛选出磨削声发射信号与磨削表面粗糙度之间的最相关频段和特征矩阵，作为CNN-BiLSTM神经网络的输入参数以降低磨削表面粗糙度声发射预测的误差。研究结果表明，基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度的平均预测误差低于3.92%。     

CSK调制信号的跟踪方法

CSK调制信号能够满足GNSS厘米级高精度服务的高信息速率播发需求，正受到广泛关注。针对CSK调制信号只能用于播发数据，而不能用于提供测量观测量的问题，对CSK调制信号的跟踪方法进行了研究。通过权衡性能和实现复杂度，提出了两种跟踪方法，方法一跟踪精度高但实现复杂度高，方法二以损失跟踪精度为代价降低了实现复杂度。理论和仿真分析结果表明，所提方法一在CSK调制信号载噪比高于40dB-Hz时，可提供与BPSK信号相当的跟踪性能。方法二相比方法一所需相关器资源降低一半，性能损失约4dB。论文的研究成果可为CSK调制信号在GNSS高精度信号体制中的应用提供支持。     

基于码片幅度调制的导航信号扩频码认证方法

信号认证是满足全球卫星导航系统(GNSS)民用信号安全性需求的关键，相比于导航电文认证(NMA),扩频码认证(SCA)具有更强的安全性。为了在实现SCA的同时不对非认证用户造成影响，提出了一种基于码片幅度调制(CAM)的导航信号SCA方法，对民用信号的扩频码的码片幅度进行了调制，实现了在扩频码层面的认证特征的引入。为了验证所提方法的有效性，采用理论和仿真分析，与GPS L1C采用的Chimera SCA方法进行了比较。结果表明，所提方法在检测性能方面提升了2.55～2.78 dB。研究成果可为下一代高安全卫星导航信号的设计提供支持。     

一种基于功率谱的多载波信号频率、带宽提取算法

随着电子通信技术和计算机信息技术的迅猛发展,各种自动化监测技术不断涌现,新型的准实时/实时频谱自动监测技术在卫星系统中得到应用,以提升卫星通信系统的状态分析能力和监测效率.在卫通信号频谱监测领域,频率、带宽的估算是其他特征参数估计的基础,为了快速识别卫通信号多个载波的频率和带宽信息,提出了一种基于信号功率谱图的盲估计方法.该方法利用信号功率谱图曲率及特定的修正方法确定载波左右边界,从而将载波分离出来.文章对该估计方法进行了仿真验证,结果表明,该方法与传统的估计算法相比,频率估计精度高,NMSE在10-3以内,且该算法在固定采样率与分辨率条件下耗时受载波个数影响很小,特别适用具有多种调制类型和码率的多载波应用场景.