2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩161頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、頻率寬開數(shù)字接收機(jī)常面臨著欲接收的小信號(hào)被同頻段大信號(hào)或強(qiáng)干擾的非線性產(chǎn)物淹沒的問題,設(shè)法提高數(shù)字接收前端的無雜散動(dòng)態(tài)范圍可在很大程度上改善這一情況。本文首次提出以非線性系統(tǒng)辨識(shí)技術(shù)來解決數(shù)字接收前端這類弱非線性系統(tǒng)的失真補(bǔ)償問題,其基本思路是:通過自適應(yīng)調(diào)整級(jí)聯(lián)于數(shù)字接收前端之后的非線性數(shù)字補(bǔ)償模型的參數(shù),使其與接收前端的非線性傳遞函數(shù)互逆,從而有效降低或消除接收前端的非線性。歸納起來,本文內(nèi)容主要包括以下幾個(gè)方面:
  通過定

2、性分析和仿真,研究數(shù)字接收前端的輸出噪聲與非線性失真的各種來源及所占比重,分析它們對(duì)數(shù)字接收機(jī)微弱信號(hào)檢測(cè)性能的影響,指出非線性失真才是制約數(shù)字接收前端無雜散動(dòng)態(tài)范圍的最主要因素。
  對(duì)幾類常用的記憶非線性模型進(jìn)行詳細(xì)地分析和總結(jié),包括記憶多項(xiàng)式模型、模塊化模型和Volterra模型。對(duì)比分析這幾種參數(shù)化模型的擬合精度和計(jì)算復(fù)雜度。理論分析表明,Volterra模型在普適性和精度上均優(yōu)于具有相同階數(shù)和記憶深度的其它兩類模型;但與

3、此同時(shí),它的計(jì)算復(fù)雜度也更高。據(jù)此,設(shè)計(jì)一種Volterra模型簡(jiǎn)化方法:如果頻域Volterra核是可分離的,則可將Volterra模型簡(jiǎn)化為并行Wiener模型;如果頻域Volterra核是組合頻率的線性函數(shù),又可將其簡(jiǎn)化為并行Hammerstein模型。推導(dǎo)出Volterra模型和這兩種簡(jiǎn)化模型的逆模型,分別為Volterra模型和并行Wiener-Hammerstein模型。對(duì)模數(shù)轉(zhuǎn)換器AD6645和一款直接采樣型數(shù)字接收前端的

4、測(cè)試結(jié)果表明,它們的頻域Volterra核隨輸入信號(hào)頻率的變化規(guī)律符合并行Wiener模型的性質(zhì)。因此,與它們的非線性傳遞函數(shù)互逆的數(shù)字補(bǔ)償模型是并行Wiener-Hammerstein模型。
  設(shè)計(jì)了三種Volterra模型自適應(yīng)辨識(shí)和數(shù)字接收前端非線性失真補(bǔ)償技術(shù)。它們分別使用了均方誤差最小、峰度差異最小和基于二階與三階統(tǒng)計(jì)量組合的辨識(shí)準(zhǔn)則。通過理論推導(dǎo)、仿真和對(duì)比試驗(yàn)評(píng)估了這些模型辨識(shí)方法的性能和優(yōu)勢(shì)。仿真試驗(yàn)結(jié)果表明,經(jīng)

5、過上述模型辨識(shí)與失真補(bǔ)償處理后,系統(tǒng)的線性度指標(biāo)可
  獲得不同程度的改善。其中,基于均方誤差最小的算法直接使用到輸入信號(hào)的瞬時(shí)幅度信息,相比于其它兩種使用統(tǒng)計(jì)量信息的算法,性能表現(xiàn)更加優(yōu)異。
  提出了兩種Volterra模型盲辨識(shí)和數(shù)字接收前端非線性失真補(bǔ)償技術(shù)。它們分別使用了帶外總功率最小和除大信號(hào)外總功率最小的辨識(shí)準(zhǔn)則。使用前一種準(zhǔn)則的算法采用限定輸入信號(hào)頻率范圍的方式,將所有帶外信號(hào)的總功率作為目標(biāo)函數(shù)。使用后一種

6、準(zhǔn)則的算法采用頻域搜索的方式,分辨出大信號(hào)的頻率區(qū)間,將這一區(qū)間外的所有信號(hào)的總功率作為目標(biāo)函數(shù)。通過理論推導(dǎo)、仿真和對(duì)比試驗(yàn)評(píng)估了這兩種目標(biāo)函數(shù)的性能。在一款直接采樣型數(shù)字接收前端硬件電路上,對(duì)這兩種算法進(jìn)行了實(shí)際測(cè)試:多頻正弦信號(hào)和帶通信號(hào)輸入時(shí)的試驗(yàn)結(jié)果表明,經(jīng)過上述模型辨識(shí)與失真補(bǔ)償處理后,系統(tǒng)的無雜散失真動(dòng)態(tài)范圍能夠獲得14dB到24dB左右的改善。
  提出了一種并行Wiener-Hammerstein模型的混合辨識(shí)和

7、數(shù)字接收前端非線性失真補(bǔ)償技術(shù),避免了由于輸出信號(hào)與這一模塊化模型參數(shù)之間不呈線性關(guān)系而造成的直接辨識(shí)難度較大的問題。模型的混合辨識(shí)分為兩步:第一步是采用單頻正弦信號(hào)作為測(cè)試輸入,依據(jù)諧波失真抵消準(zhǔn)則,辨識(shí)出并行Wiener-Hammerstein模型中的Wiener模塊。第二步是依據(jù)MPOT準(zhǔn)則,自適應(yīng)地辨識(shí)模型中的線性記憶模塊。在一款直接采樣型數(shù)字接收前端硬件電路上,對(duì)這一算法進(jìn)行了實(shí)際測(cè)試:多頻正弦信號(hào)輸入時(shí)的試驗(yàn)結(jié)果表明,經(jīng)過上

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論