基于循环谱对称性的频谱感知算法

针对现有基于循环谱的频谱感知算法的不足,利用改进SSCA算法计算接收信号的循环谱,减少算法的计算量;利用循环谱的对称性,选择非零循环频率处的循环谱抵抗干扰和噪声,结合对称性搜索策略进行频谱感知。分析并仿真了循环谱的参数对频谱感知算法的影响,仿真结果证明了所提出算法克服了传统算法的不足,提高了低信噪比下的正确检测性能。

基于循环谱对称性的新型频谱判决算法

采用循环平稳信号特性检测法能够更好地分辨出不同的调制信号,其对噪声具有很好的抑制,但在循环频谱工程上使用存在数据截断效应,它会降低频谱感知的检测概率,结合频谱已有的频谱搜索策略,提出了一种新的频谱判决算法,利用相对偏差、双门限和权重来对抗传统算法上方差的差值抖动问题。在使用FPGA搭建的硬件测试系统下,证明与传统算法相比,提出的算法大大提高了单节点的检测概率。

构造性算法的神经网络集成在近红外光谱分析中的应用

针对传统的近红外数据分析方法精度较低、,应用的局限性问题,本文提出了一种基于构造性算法的神经网络集成方法,由一个构造性算法决定个体网络中隐层节点的数量以保证个体网络的精确性,运用负相关学习算法和网络个体训练次数不同保证了网络个体的多样性。这种方法在近红外光谱分析中得到了成功的应用。

SSCA算法中FFT模块的设计与实现

该文介绍了高效循环谱估计算法SSCA(Strip Spectral Correlation Algorithm)中FFT模块的重要作用,给出了一种FFT模块的设计和实现方案。该方案采用定常构形算法,可以很好地满足SSCA算法对FFT核心模块的并行化以及高速运算要求,同时数据处理采用流水线工作方式,大大提高了FFT模块的连续处理数据能力。仿真测试表明,该方案能够满足SSCA算法对FFT模块的运算要求。

几种信号调制样式识别方法的分析与比较

信号调制样式的识别是近年来信号处理领域研究的热点问题 ,其中对于统计量方法的研究更为集中。通过对信号调制样式识别的统计量方法 ,包括基于信号时频域瞬时参数的算法、谱相关算法的仿真与比较 ,这里提出一种将瞬时幅度的统计信息与频点个数相结合的新算法 ,将谱估计方法应用到这一领域。试验表明 ,这种新算法具有很好的识别效果 ,在信噪比不低于 10dB的情况下 ,正确识别率可以达到 90 %以上。