基于Laurent分解的多指数CPM低复杂度序列检测算法

针对现有的多指数连续相位调制(CPM)信号解调中存在的运算量大,工程实现难度高等问题,本文提出了一种基于Laurent分解的低复杂度序列检测算法。该算法采用两个近似处理过程来有效减少解调中所使用的匹配滤波器的个数以及维特比译码器中所使用的网格状态数,并结合基于判决反馈的减少状态序列检测(RSSD)算法进一步减少后端处理中使用的网格状态。为了估计本文提出的接收机的性能,把该算法应用到一个实际中使用的多指数调制方案。仿真结果给出了与传统的最大似然序列检测(MLSD)相比,该调制方案中译码器的网格状态数从32个减少到4个,匹配滤波器的数目从8个减少到2个,然而仅仅带来0.9dB的性能损失。表明该算法能有效的降低多指数CPM接收机的复杂度,适合于实际应用。

μ子成像中心面伪影成因及其校正方法研究

PoCA算法和MLSD算法是宇宙线μ子成像中常用的两种算法,其成像结果在中心面普遍存在分布均匀、灰度值较小的层状伪影。本文通过分析μ子成像的物理机制和重建算法原理,研究上述中心面伪影,指出其产生原因是成像空间中存在本底物质,并在此基础上提出一种校正方法,模拟实验表明该方法能在不影响μ子三维重建的前提下有效地消除中心面伪影。