【摘 要】
：
本文对带残余频偏的正交相移键控(QPSK)调制的直接序列扩频(DSSS)信号参数估计问题展开研究.将二次谱法拓展到带残余频偏的QPSK-DSSS信号伪码周期估计中,即对信号的功率谱再进行傅氏变换并取模平方.其原理在于信号的二次谱将在伪码周期的整数倍处出现代表信号存在的尖锐三角形脉冲.对于残余频偏大小以及伪码码片速率的估计,采用基于循环谱的方法,即利用循环谱的频率截面和循环频率截面提取频偏和码片速率等信息.研究表明,在低信噪比下,本文采用的方法能够有效估计出带残余频偏的QPSK-DSSS信号的各个参数.
【机 构】
：
重庆邮电大学通信与信息工程学院,信号与信息处理重庆市重点实验室,重庆400065
论文部分内容阅读
本文对带残余频偏的正交相移键控(QPSK)调制的直接序列扩频(DSSS)信号参数估计问题展开研究.将二次谱法拓展到带残余频偏的QPSK-DSSS信号伪码周期估计中,即对信号的功率谱再进行傅氏变换并取模平方.其原理在于信号的二次谱将在伪码周期的整数倍处出现代表信号存在的尖锐三角形脉冲.对于残余频偏大小以及伪码码片速率的估计,采用基于循环谱的方法,即利用循环谱的频率截面和循环频率截面提取频偏和码片速率等信息.研究表明,在低信噪比下,本文采用的方法能够有效估计出带残余频偏的QPSK-DSSS信号的各个参数.
其他文献
文章介绍了八钢二炼钢板坯连铸引入了结晶器保护渣机器人加渣系统,阐述了自动加渣系统工作原理及设备设施.投入自动加渣机器人后,加渣实现了“均匀覆盖,液渣层稳定”、漏钢预报报警次数降低、铸坯表面质量提高、改善现场作业环境、降低职工劳动强度等应用效果.针对自动加渣机器人投用后遇到的典型问题提出了解决方法,自动加渣机器人为进一步实现连铸无人化浇铸奠定了基础.
为提升激光雷达点云目标识别的效率和减少计算开销,本文通过采用改进的邻域确定方法和LRF估计方法,提出了一种新的特征描述子:半球单值形状上下文特征描述子(Hemispheric Unique Shape Context,HUSC).首先计算关键点处的互相关矩阵,并根据邻域点附近的点密度进行加权,以此估计关键点的法向量和切平面,并建立局部参考坐标系;然后以该切平面为底面构建半球形邻域,并将其按照方位角、极角和径向划分为多个栅格;最后统计各栅格中的点数,得到关键点的局部特征描述子.HUSC特征描述子在保证描述子
探地雷达具有探测速度快、穿透能力强、分辨率高的特点,是一种有效的无损探测技术,在市政建设、交通、安防等领域有着广泛的应用需求.在探地雷达中分层介质参数反演是地下目标成像与检测识别的必要步骤.本文提出了一种基于曲线拟合的层状介质参数反演算法.首先基于B-scan数据中的反射波曲线拟合,结合电磁波垂直入射模型,获取地下介质的均方根速度,通过Dix公式,反演得到分层介质相对介电常数与层厚信息.最后,通过有限差分时域(FDTD)仿真软件对本文所提的层状介质参数反演算法的准确性和有效性进行了验证.
针对在支撑集未知的情况下重构多频带信号的问题,本文提出了一种基于压缩采样结构的盲多带信号预失真模型,即将多频输出信号视为单个宽带信号,经下变频和低通滤波器处理后,送入A-MWC (Alternate Modulated Wideband Converter)结构进行盲压缩采样,而后通过基于随机支撑挑选的变步长稀疏度自适应匹配追踪算法(Sto-VSSAMP)盲重构信号,减小反馈回路带宽,降低信号采样速率,提升重构的线性化效果.本文利用双频信号进行实验测试,结果表明该方法在提高重构信号精度的同时,功率放大器输
文章分析了某焦化厂干熄焦提升机晶闸管有源逆变失败案例,找出产生逆变失败的原因.针对电网侧交流电源异常造成的逆变失败故障进行了处理,完善了预防措施编制了相应的排查手顺书.
文章介绍了某钢铁企业动力变电站10kV系统接地现状以及变电站采用的中性点消弧线圈接地装置工作原理.通过对现有系统接地电容电流计算,分析了动力变电站接地系统存在的不足,提出了改进建议,同时对全电缆配电网宜采用的接地方式提出了建议.
针对稀疏快速傅里叶变换(Sparse Fast Fourier Transform,SFFT)并行码相位捕获算法抗噪性能较差的问题,提出了一种新的高抗噪性快速捕获算法.该算法依据伪码相关函数峰值唯一的特点,利用降采样快速傅里叶变换(Downsampling Fast Fourier Transform,DFFT)取代了SFFT并行码相位捕获算法中对噪声容忍能力较差的定位循环与估值循环过程来对伪码相位进行捕获,同时对算法参数进行了优化设计.理论分析及仿真结果表明,与已有的SFFT快速捕获算法相比,SFFT-
分布式雷达通过多部小口径雷达按照一定规则稀疏部署,形成等效大口径阵列,使其具有较高的角度分辨率和测量精度,能够在空域有效抑制主瓣干扰,然而在实际应用中,各单元雷达的阵元位置不准、时频不同步等非理想因素会引入幅相误差,严重影响分布式雷达系统的性能;且分布式雷达的超长基线给阵列标校提出了更高的要求.本文提出一种基于干扰样本的幅相误差补偿方法,通过广义内积法(GIP)选取干扰的样本,采用牛顿迭代法进行幅度补偿和相位聚焦,采用最小方差无失真(MVDR)波束形成器对主瓣干扰进行抑制.提升了分布式雷达在存在幅相误差时
端到端的梯度提升网络是由多个基学习器集合而成的神经网络.它与残差网络结构上有相似之处,二者后面的网络单元(学习器或残差块)都在前面网络单元的基础上继续学习,以逐渐逼近目标函数.端到端的梯度提升网络其网络结构较为复杂,我们对其工作机制的理解还不足.可视化技术有助于我们直观地理解网络内部的工作机制.本文着眼于探究端到端的梯度提升网络的分类过程和特点,在模拟数据上对其分类过程进行了可视化,通过与全连接网络和残差网络的对比突出其特点和问题,并利用哑节点说明其自正则能力相对较弱.然后,利用可视化方法探索了学习率对其
城市道路环境中行人、路障等弱目标回波信噪比低,传统车载雷达对其探测能力有限.本文将分布式体制应用于车载雷达,通过对多雷达回波相参积累,以期提高目标信噪比,改善雷达探测能力.相参参数估计是实现车载分布式雷达相参积累的关键,本文针对车载分布式雷达脉间相位编码波形非理想正交,导致传统相参参数估计方法精度低的问题开展研究,提出了一种时延参数与相位参数分步估计的高精度相参参数估计方法.首先根据回波正交性分离各通道回波,随后根据目标时空位置估计通道间时延参数,然后利用时延参数补偿回波,在各通道目标位置对齐后,估计各通