基于NSP的微弱频率确知信号的提取

为实现确知频率信号在强噪声环境下的有效提取,本文在零空间追踪(Null Space Pursuit, NSP)方法的基础上,通过增加已知频率的先验信息约束,提出了一种基于频率确知信号约束的微弱信号提取方法 .该方法继承了零空间追踪方法的优良属性,通过将确定的频率作为先验信息约束,可以实现其微弱信号相位和幅度的有效提取,仿真实验证明最多可实现高达30dB信噪比的提升;特别适合相对低信噪比环境下(信噪比小于-5dB)的微弱信号提取.该方法提供了常规的微弱确知信号的检测/提取方法之外的一种新的选择.

任意确知信号波形的一种最佳过滤方法及其应用

数字通信的调制信号的波形,根据需要可有若干种供选择。而解调器中,总希望对调制器选定的已调波形能起到最佳过滤效果。本文给出对于任意确知信号波形的最佳过滤方法。

通信确知信号频谱分析

通信系统中的信号包括确知信号和随机信号;信号分析包括时域分析和频域分析.本文分析了通信中要进行信号频域分析的缘由,并以确知信号为研究对象系统地阐述了频域分析的来龙去脉.

对偶传播网络解决多元确知信号检测

针对利用匹配滤波器设计相关接收机可以实现二元确知信号检测,但对多元确知信号,该方法的门限值的选择与判决变得复杂的情况,将对偶传播网络(CPN)作为一种竞争型神经网络,通过对期望输出编码,实现多元确知信号的检测,较好地解决了门限值的选择与判决复杂的问题。由于CPN采用内星权和外星权的网络结构,仿真中采用信号的期望和方差作为神经网络的输入,收敛速率比采用采样点作为网络输入要快。仿真结果证实了该方法的有效性。

一种基于神经网络的确知信号检测技术

建立在统计信号处理理论基础上的相关检测器和匹配滤波器取得了广泛的应用,但两种模型都是建立在对实际通信信道线性化近似基础上的,在适应信道的非线性变化方面有所不足。利用神经网络自适应、非线性和高速并行运算的特点,在此提出了一种结构简单有效的神经网络接收机,并可推广到其他确知信号。

基于窄带混合高斯噪声的最佳检测

论文首先研究高斯柯西卷积噪声模型和窄带混合高斯噪声模型用来对混响建模,前者主要用于仿真分析,而后者因其参数有明确物理意义且可通过样本序列估计得到,因此被用于海洋的工程实现.文章重点研究混合高斯噪声背景下确知信号的非高斯最佳检测器的构造,并对检测器进行了仿真.验证结果表明混合高斯噪声背景下确知信号的非高斯最佳检测器检测性能优于常规的匹配滤波器3～4.5 dB.