高动态环境下GPS信号捕获研究

高动态环境信号的捕获是GPS接收机的关键技术,接收机处于高速运动的状态使GPS信号产生相位延迟和多普勒频移,增加了信号的捕获难度。分析了滑动相关捕获和基于FFT捕获两种算法,给出了基于FFT捕获算法的FPGA实现架构,并采用GPS信号仿真器对该设计的可行性进行了捕获验证。结果表明：在导航星相对载体的速度为1 000m/s,加速度为5g的情况下,基于FFT捕获算法可以实现信号的可靠捕获。     

航测法提取动态三维深度信息

目前提取三维信息,重建三维图像的研究很多,本文叙述的是仅用一台摄像机利用航测法来提取动态三维信息的方法。假设物体不动,移动摄像机。在移动摄像机前后,即在摄像机移动的相邻两点,可以得到模型的像片对,通过此像片对来实现同名点交会,求得未知点的三维深度信息。为此,首先要进行绝对定向,计算像片元素和确定各个坐标系。然后实现不依赖像片角定向元素的同名点空间交会;或实现利用对应轴系上的坐标进行空间交会。在此基础上,笔者充分利用先验条件和专家知识来确定飞机模型上的同名点,初步得到了飞机模型的轮廓侧视图。     

过程控制机

过程控制机由数据采集系统、智能控制器、控制过程量输入输出部件和标准接口等组成。数据采集系统采集测力天平和压力传感器的输出信号,它的模拟量输入通道32路,采集速度5万次/秒,系统精度0.04%。模拟量输出控制调压阀系统,频率量输出控制模型姿态角系统,标准接口 IEEE-488和上位机通讯,传送命令和数据,所有软件固化在智能控制器的 ROM 中,它分析上位机送来命令指挥各部件工作。文章还介绍过程控制机在风洞测控系统中的工作过程以及使用后取得的良好效益。     

微波暗室内雷达散射截面自动测量系统

介绍了微波暗室内雷达散射截面自动测量系统。主要包括同步转角信号的Ａ／Ｄ转，ＲＣＳ值的同步采集与处理以及转台的自动控制等部分，该系统具有１／３６度的定位精度和２．５ｍＶ的回波电压分辨率，系统误差小于１ｄＢ，适用于ＲＣＳ、天线方向性图及电磁兼容等测量。     

信号源失真对波形记录仪动态有效位数评价的影响(英文)

波形记录仪和数据采集系统等设备的动态有效位数评价中,大都假定所用正弦波信号源无任何失真.当信号源具有噪声或谐波失真时,给评价结果将带来多大的影响,尚无确切的结论,这使得对有效位数评价结果无法进行量值溯源.本文从能量守衡角度,阐述了信号源噪声失真对波形记录仪动态有效位数评价结果的影响,同时给出了由输入信号源噪声和谐波失真带来影响的修正关系式,以及在给定误差限度下,信号源失真度选择原则的关系式。     

高动态GPS信号粗捕和精捕算法仿真实现

为了解决高动态下对GPS信号快速捕获的问题,提出了改进的部分匹配滤波(PMF)和快速傅里叶变换(FFT)相结合的粗捕方法,对其原理和结构进行了分析,并针对其引起的扇贝损失和捕获性能不高的问题,对传统PMF+FFT方法进行加窗处理;考虑到高动态下基于扩展卡尔曼跟踪的方法对捕获后参数的精度要求很高,因此在粗捕的基础上提出了基于线性调频Z变换(CZT)算法的精捕方法,并在GPS信号理论模型和模拟高动态轨迹的基础上,实现了高动态GPS数字中频信号的生成,为进一步加快捕获速度,对于冷启动时提出了一种组合码相关的卫星快速盲搜方法;最后通过MATLAB进行系统仿真实验,验证了所提出的高动态GPS信号粗捕和精捕算法能在加速度为100 g的高动态环境下有约10 Hz的捕获精度。     

在PN码捕获中门限判决对TMA性能影响的分析

文章比较了在单径加性高斯白噪声(AWGN)无衰落信道环境下,利用匹配滤波器(MF)捕获方法,对不同的门限比较判决准则对系统平均捕获时间(TMA)性能的影响进行了分析;同时给出了不同门限值时系统的平均捕获时间的仿真结果,并对结果进行讨论,得出各种门限设置准则的应用环境,为捕获系统的设计与实现提供参考.     

英语习得与人为目的语环境的创造

"语言习得"与"语言学习"是外语教学理论研究中的两个重要概念,克拉申认为只有"习得"来的语言才能成为流利的口头表达,而"学习"只能起"监查"作用.在"学习"的条件下,通过营造人为目的语习得环境,以用为本,立足实践,学习者同样可以达到习得外语的目标.     

论动机理论对大学英语教学的启示

学习动机是学习者在第二语言习得过程的诸多因素中最具能动性的因素,是推动大学生进行学习活动的动力,直接影响到大学生进行学习活动的积极性。二语习得中的动机理论给我们大学英语教学以重要启示,它将会成为大学英语教学成功与否的关键所在。     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。