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117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)

文檔簡介

1、在過去的幾十年里,隨著電磁設(shè)備研發(fā)的多樣性及應(yīng)用的廣泛性,采集到的信號(hào)形式與種類也越來越復(fù)雜,分布越來越密集,在同一信道中存在多個(gè)信號(hào)的情況變得越來越普遍,這種情況為后續(xù)的信號(hào)處理研究增加了一些新的問題。由于廣泛的應(yīng)用背景和巨大的現(xiàn)實(shí)意義,盡管時(shí)頻域多分量信號(hào)的分析識(shí)別問題是一個(gè)極端欠定的病態(tài)問題,但仍然得到了很多研究人員的青睞和投入。盡管在研究過程中,研究人員針對(duì)生電、機(jī)械振動(dòng)、語音等自然信號(hào)和雷達(dá)、通信等人工信號(hào)的分析識(shí)別問題,分別

2、定義了確定性信號(hào)模型、非平穩(wěn)信號(hào)模型、非線性時(shí)間序列模型和狀態(tài)空間模型等等各種模型,提出了各種時(shí)頻變換方法、矩陣分解方法和參數(shù)估計(jì)重構(gòu)方法。但歸根結(jié)底,所有這些研究都是針對(duì)特定的應(yīng)用場景的,而在更為復(fù)雜的情況下或者更為廣泛的應(yīng)用背景下常常存在失效的問題。針對(duì)這些問題,本文在前人現(xiàn)有研究成果的基礎(chǔ)上,對(duì)時(shí)頻域多分量信號(hào)的分析識(shí)別問題進(jìn)行了更加深入地研究和探討,提出了一些新的思路和算法,進(jìn)而擴(kuò)展了這個(gè)方向上的研究內(nèi)容,具體包括:
  

3、1.針對(duì)在多個(gè)線性調(diào)頻信號(hào)的全盲分析識(shí)別中對(duì)較弱分量信號(hào)的檢測失效問題,本文將譜峭度的盲檢測技術(shù)和分?jǐn)?shù)階傅里葉變換算法相結(jié)合,在現(xiàn)有研究的基礎(chǔ)上提出了基于分?jǐn)?shù)階傅里葉譜峭度的變換新算法,并將其應(yīng)用于較低信噪比下對(duì)多個(gè)非等功率分量信號(hào)的檢測估計(jì)之中。該算法首先討論了分?jǐn)?shù)階傅里葉變換的圓特性,然后將譜峭度的盲檢測技術(shù)引入分?jǐn)?shù)階傅里葉域,定義了分?jǐn)?shù)階傅里葉譜峭度的概念并推導(dǎo)了它的一些特性,進(jìn)而將這些特性用于多個(gè)線性調(diào)頻信號(hào)的盲的分析識(shí)別中。最

4、后,理論分析和仿真結(jié)果都驗(yàn)證了所提算法在較低信噪比下對(duì)較弱分量信號(hào)的檢測性能優(yōu)于其它算法;
  2.針對(duì)在多個(gè)非線性調(diào)頻信號(hào)的全盲分析識(shí)別中對(duì)多個(gè)相近分量信號(hào)的檢測失效問題,將分?jǐn)?shù)階傅里葉譜峭度和短時(shí)分?jǐn)?shù)階傅里葉變換算法相結(jié)合,在現(xiàn)有研究的基礎(chǔ)上提出了基于分?jǐn)?shù)階傅里葉譜峭度的自適應(yīng)短時(shí)分?jǐn)?shù)階傅里葉變換新算法,并將其用于多個(gè)相近非線性調(diào)頻信號(hào)的檢測估計(jì)之中。該算法首先推導(dǎo)了高斯旋轉(zhuǎn)窗的譜密度和非圓特性,并將分?jǐn)?shù)階傅里葉譜峭度的特性用

5、于修正后的最優(yōu)旋轉(zhuǎn)高斯窗的參數(shù)選擇,從而定義了基于分?jǐn)?shù)階傅里葉譜峭度的自適應(yīng)短時(shí)分?jǐn)?shù)階傅里葉變換新算法;在此基礎(chǔ)上,將基于分?jǐn)?shù)階傅里葉譜峭度的時(shí)頻分割算法用于時(shí)頻變換后對(duì)多個(gè)非線性調(diào)頻信號(hào)的盲檢測提取之中。最后,理論分析和仿真結(jié)果驗(yàn)證了所提算法的時(shí)頻聚焦性優(yōu)于其它算法,因此可以識(shí)別非常接近的多個(gè)非線性調(diào)頻信號(hào);
  3.針對(duì)全盲條件下多個(gè)非平穩(wěn)非線性時(shí)間序列的分析識(shí)別問題,將高階統(tǒng)計(jì)技術(shù)和非平穩(wěn)分割技術(shù)、相空間重構(gòu)技術(shù)以及單通道獨(dú)

6、立分量分析算法相結(jié)合,在現(xiàn)有研究的基礎(chǔ)上提出了基于高階單通道獨(dú)立分量分析的變換新算法,并將其應(yīng)用于多個(gè)非平穩(wěn)非線性時(shí)間序列的全盲分離識(shí)別之中。該算法主要分為三個(gè)步驟:首先通過應(yīng)用基于高階啟發(fā)式的非平穩(wěn)檢測和分割算法成功得到高階平穩(wěn)的非線性時(shí)間子序列;然后通過選取合適的重構(gòu)參數(shù)將分割后的非線性時(shí)間子序列有效重構(gòu)為多維軌跡矩陣,并應(yīng)用基于高階奇異值分解的坐標(biāo)變換方法將該矩陣轉(zhuǎn)換成偽多通道的瞬時(shí)線性混合模型;最后應(yīng)用盲源分離方法將其中感興趣的

7、信號(hào)分量分離并提取出來。理論分析和仿真顯示都驗(yàn)證了所提算法不僅可以有效分離多個(gè)非平穩(wěn)非線性時(shí)間序列,而且對(duì)噪聲和重構(gòu)參數(shù)的魯棒性也優(yōu)于傳統(tǒng)的單通道獨(dú)立分量分析算法;
  4.針對(duì)數(shù)字通信中多個(gè)相位調(diào)制信號(hào)的共信道盲分析識(shí)別問題,在現(xiàn)有研究的基礎(chǔ)上提出了基于高階奇異值分解的盲源分離新算法,并將其應(yīng)用于共信道碼速率不同的多個(gè)數(shù)字相位調(diào)制信號(hào)的分離估計(jì)之中。該算法首先通過過采樣和矩陣重排將多個(gè)數(shù)字相位調(diào)制信號(hào)的盲分析識(shí)別問題轉(zhuǎn)化成相位變

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。

最新文檔

評(píng)論

0/150

提交評(píng)論