基于分数阶傅里叶变换的线性调频脉冲信号波达方向估计

针对宽带线性调频脉冲信号的时宽与观测时宽不等的情况,基于分数阶傅里叶变换(FRFT)提出了一种新的中心频率估计方法,并据此对基于FRFT的MUSIC算法的波达方向(DOA)估计进行了改进。该算法利用线性调频信号在傅里叶变换域良好的能量聚集性,分析了脉冲信号中心频率随着脉冲信号在观测时间内位置的变化规律,并修正了中心频率估计的方法。在相应的分数阶傅里叶域,构造分数阶傅里叶域的方向向量,利用MUSIC算法进行DOA估计。数值仿真验证了该算法对方位估计的有效性,并仿真分析信噪比(SNR)和脉冲信号时间宽度对方位估计结果的影响。随着SNR的增大、脉冲信号时间宽度的增加,方位估计方差减小。

基于有限状态机的数字同步重频分选器

针对FPGA/CPLD芯片设计中常常会遇到脉宽识别的问题 ,根据实际工程设计了一种同步重频分选器 ,它在某些通讯系统中有极其重要的应用。主要介绍如何通过同步有限状态机来设计该数字重频分选器 ,结合CPLD芯片的设计 ,给出了它的具体设计思想 ,以及VHDL语言描述的有限状态机的源代码、逻辑综合。

基于卷积神经网络的脉搏波时频域特征混叠分类

针对脉搏波信号识别准确率低和实现复杂等问题,提出了一种基于脉搏波时频域特征混叠的低复杂度分类算法。该算法首先基于卷积神经网络(CNN)自动提取脉搏波信号时域特征,包括表征周期内信号片段特征的单周期特征和本文提出的表征周期间关系的多周期特征;然后,补充基于小波变换的梅尔倒谱系数作为频域特征;最后,使用神经网络全连接层将时频域特征混叠、去冗余后,通过softmax分类器实现脉搏波分类。由于CNN权值共享和降维等特点,本文算法可通过低计算成本实现特征提取。基于python平台的仿真验证表明:本文算法对脉搏波的识别准确率可达93%,远高于传统的基于时域或频域特征的识别准确率。