多片ADC并行采集系统的误差时域测量与校正

并行时间交替采样是提高系统最大采样率的有效方法之一,但由于制造工艺的局限性,并行时间交替采样将不可避免地造成通道失配误差。本文利用正弦采样信号的时域特性,推导出一种快速而精确的算法,用于同时校正通道失配引起的增益误差、偏置误差和时间误差,并通过模拟仿真证明了算法的可行性。     

一种时间交替采样的非均匀时延估计技术

给出了一种时间交替采集系统各通道非均匀采样时延偏差的估计方法，分析了非均匀采样信号的频谱特性，介绍了非均匀采样信号时延估计原理。仿真结果表明，该算法可显著提高数据采集系统的性能。     

用于数字D类音频功放的伪自然采样算法综述

伪自然采样方法是对数字D类音频功放中均匀采样脉冲宽度调制（Uniform-sampling Pulse Width Modulation,UPWM）失真校正的主流方法。近年来，如何使伪自然采样算法在校正谐波失真的同时降低算法的计算复杂度成为研究重点。首先介绍了伪自然采样方法的谐波失真校正原理，然后从UPWM面临的问题出发分别描述和分析了近年来涌现的各种伪自然采样算法的原理及其存在的问题，最后从谐波失真校正效果和计算复杂度方面比较和综合评价了不同伪自然采样算法，并展望了伪自然采样算法未来需要进一步研究的方向。     

非均匀采样信号理论及其发展

对非均匀采样信号理论的发展及其研究内容作了综合评述，是对非均匀采样理论发展的一个阶段性的总结，并指出了当前该理论的一些研究方向     

基于混合滤波器组的时间交替采样技术

时间交替采样技术对通道失配误差十分敏感，而基于混合滤波器组的采样技术降低了对通道失配误差的敏感，但前端模拟分析滤波器的稳定性难于设计限制了其工程应用。结合时间交替和混合滤波器组采样技术，提出了一种易于工程实现的基于混合滤波器组的时间交替采样技术。仿真结果表明，该技术能显著提高采样系统的精度。     

基于PT100型热电阻的矿用本安型多通道温度巡检仪的设计

本文介绍了一种基于PT100型热电阻的矿用本安型多通道温度巡检仪的设计方法，并进行了实验验证。该巡检仅采用恒流源对PT100热电阻进行激励，用电子多路开关切换通道，用A／D采样得到相应通道的电压值。单片机用分段线性法将此电压值转换为温度值。该方法精度高，误差小，可以同时采集多路温度。将该巡检仪用于监控系统中，有利于缩小系统规模，降低成本。     

CBERS-2 CCD遥感图像辐射校正技术

在对CBERS-2卫星CCD遥感图像辐射校正技术进行深入研究的基础上,给出了图像的0级预处理、传感器标定、大气辐射校正、照度校正等技术方法。在0级图像预处理方面,提出了利用测试数据来解决拼接区的辐射失真问题,并提出一种新的条纹检测技术;传感器的标校方面,讨论了底电平和非均匀性的消除方法;大气辐射校正采用回归分析法和直方图法;给出了太阳高度和地形坡度的照度校正方法与技术。     

采样信号频率偏离设计值情况下离散傅立叶变换的误差分析

通过理论推导和数字仿真，从本质上揭示了被采样信号频率发生波动时离散傅立叶变换（DFT）计算结果的误差根源，给出了相对误差表达式，对误差曲线进行了定性分析；本文结论对减小DFT误差的研究具有一定的指导意义。     

智能天线阵列误差校正算法的实验验证

阵列误差的校正是智能天线技术实用化的关键所在。对各种阵列误差进行了深入分析并建立了数学模型。阵列误差可以用一个误差矩阵来表征,通过对误差矩阵的估计,能够恢复理想的阵列流型。实验结果表明,这种阵列误差校正方法能够有效减小各阵元通道之间的差异,改善了系统的性能。     

“北斗”信号重构的导向矢量实时校正

针对导航应用中阵列天线导向矢量误差导致波束合成器性能恶化甚至失效的问题，提出了一种“北斗”信号重构的导向矢量实时校正算法。该算法利用重构的本地“北斗”参考信号与阵列天线接收信号进行相关解扩处理，然后利用信号子空间与信号正交补空间正交的特性，构造代价函数对各卫星方向的阵列导向矢量进行校正。仿真结果表明，经过校正的导向矢量相位误差从-100°~100°降低到-10°~10°范围内，幅度误差从-10~10 dB降低到-4~2 dB范围内；另外，导向矢量校正后，卫星信号波达方向估计误差在0.2°以内，估计精度大大提高。     

SAR成像系统重频抖动的影响及补偿

合成孔径雷达(SAR)系统要求时间严格同步,从而可利用脉冲间的相干性进行方位处理。推导了重频抖动造成的时间同步误差对SAR成像方位聚焦的影响以及其极限值,并给出了补偿方法。采用实际系统参数进行了仿真验证,并分析了存在重频抖动误差的实际SAR成像雷达系统,实测数据处理和补偿结果验证了理论的有效性。所提方法对实际雷达系统的设计、问题分析和SAR成像处理误差补偿有指导意义,具有较高的实用价值。     

双选信道下一种基于混沌交织的FBMC系统

高速移动环境下，无线信道具有时频双选性衰落的特性，使得滤波器组多载波(Filter Bank Multi-carrier，FBMC)系统产生长突发差错。将一种基于Baker映射的混沌交织算法应用在滤波器组多载波系统中，根据混沌密钥对发送数据进行分块和重新排列，按照Baker映射规则完成数据交织。此方法可以将长突发差错变为单突发差错，结合卷积编码能有效地纠正双选信道产生的长突发差错。仿真结果表明，在双选择信道中，基于混沌交织的滤波器组多载波系统误比特率性能优于传统基于块交织的滤波器组多载波系统。     

块处理Kalman算法及其在系统辨识中的应用

Kalman滤波器能以自适应的方式精确地辨识一个系统,但在通信等应用领域,Kalman系统辨识的意义往往在于求其逆系统并用作均衡等后级处理。由于求逆算子的敏感性,估计结果中小的误差也可能造成均衡器性能的显著损失。本文在研究Kalman估计的各种噪声抑制结构后提出一种块处理Kalman算法,该算法在静态或缓变系统中显示出比传统逐符号处理Kalman算法更好的估计误差的性能(误差功率与块处理长度成反比),而且其结构简单,易于实现。     

一种残余频偏算法在OFDM同步跟踪中的应用

在正交频分复用(OFDM)系统中,定时误差、多普勒效应以及本地振荡器不稳定等因素都会引起估计频率产生偏移,致使子载波星座相位发生旋转,并随着时间而不断累积,最终导致解调失效。为此,提出了用均方误差短时反馈算法来矫正旋转相位的新方法。该方法利用在反馈时间段内计算得出的残余相偏来直接矫正后续接收数据的相位。仿真结果表明,该算法很好地满足实时跟踪的要求,具有运算简单、速度快等特点,同时也提高了系统的性能。     

一种适用于TD-SCDMA系统的多用户检测算法

利用逐次干扰抵消多用户检测结构,结合空时RAKE接收机,提出一种空时逐次干扰抵消多用户检测算法.仿真结果表明,该算法相比传统空时RAKE接收机有近5 dB的增益,误码率有了相当的改进.     

一种基于快速搜索的视频时域差错隐藏算法

为了克服视频传输中因传输差错引起的视频质量下降,提出一种基于快速搜索的边框匹配时域隐藏算法(CSBM)。该算法针对时域差错隐藏的运动矢量恢复问题,利用边框匹配算法改善被恢复的物体边缘模糊的情况;采用基于中心偏置的快速搜索样式得到最小边界匹配差值的候选运动矢量,减少了解码器差错恢复的计算复杂度。实验结果显示,针对不同性质的序列,该算法与边界匹配算法(SMA)、棱形搜索的边界匹配法(DSSM)等典型差错隐藏方法相比,平均搜索点数可减少12.5~19个点,亮度分量的峰值信噪比(PSNR)能改善0.93~1.55 dB,证明该算法能获得更好的差错隐藏效果,并减少了运算量。     

共形天线阵元位置误差校正的辅助阵元法

共形天线的安装和测量以及载体平台表面的变形和振动均会引起阵元位置误差,严重影响 共形天线的测向性能。通过设置４个方位未知的精确校正的辅助阵元,实现了共形天线大尺度三维 的阵元位置误差校正。给出了阵元位置误差条件下共形天线导向矢量的方位依赖的幅相误差等效 表示模型;基于子空间原理得到等效的方位依赖的幅相误差估计,进而得到共形天线阵元的三维位 置误差估计。该方法可以实现共形天线校正信源来波方位和阵元三维位置误差的联合但“去耦”估 计。计算机仿真结果验证了共形天线阵元位置误差校正的辅助阵元法的有效性     

基于置信度的S模式信号随机多位纠错技术

针对现有纠错技术只能对少量随机错误或突发错误进行纠错的不足,提出了一种基于置信度的随机多位纠错方法。该方法在准确进行置信度判断的基础上,通过缩短循环冗余校验（CRC）处理时间或增加并行运算能力以增加纠错位数。同时给出了可运用于工程实际的保守技术和强力技术的联合纠错处理流程。通过解码纠错实验,统计结果表明该置信度判定法则的准确性为98.24%,通过图形处理器（GPU）强力纠错可实现高达83.37%的解码率,通过现场可编程门阵列（FPGA）强力纠错可实现73.66%的解码率,较现有强力纠错技术的纠错能力有较大提高,可增强对航空器监视的连续性。     

对抗NLOS误差的TOA/AOA混合无线定位算法

信道的时间和空间的变化所导致的非视距（NLOS）传输是移动定位技术面临的巨大困难。为此，利用蜂窝网络的结构、信号到达时间（TOA）以及信号到达角度（AOA）提出了一种TOA／AOA混合定位算法，有效地解决了这一问题。研究了算法在不同类型NLOS误差下的表现，结果表明该算法能够有效地降低NLOS误差的影响，定位精度比其它算法有显著提高，而且在不同分布的NLOS误差下表现稳定。     

基于PSO-BP算法的无线传感器网络定位优化

在研究现有定位算法的基础上，针对基于接收信号强度指示(RSSI)定位模型中的参数易受环境影响等问题，提出了一种新型的粒子群优化(PSO)算法与后向传播（BP）神经网络相结合的算法。BP网络算法权值的修正依赖于非线性梯度值，易形成局部极值，同时学习次数较多，需先通过粒子群算法进行优化。为了提高定位精度，首先采用速度常量法滤波处理，然后通过改进的混合优化算法对BP神经网络初始权值和阈值进行优化，并分析算法的性能。试验中隐层节点个数采用试错法，从12到19变化，以确定合适数目。实验结果表明，与一般加权算法和传统BP算法相比，改进的混合优化算法可大幅改善测距误差对定位误差的影响，同时可使25 m内最小定位误差小于0.27m