调制方式的动态TOPSIS识别

提出了基于动态理想解法（TOPSIS）的调制识别方法，将各特征参数看成一个整体，对各个调制方式判别打分，根据得分高低来判定调制样式。该方法简单、方便，弥补了传统判决树法判决门限难于选取的缺点，同时克服了神经网络法训练时间长、对算法要求高的难题。仿真验证了所提方法的有效性，在信噪比10 dB以上时正确识别率接近100%。     

一种码元宽度部分重叠的chirp-rate调制高效传输方法

chirp-rate调制是线性调频扩谱通信的一种调制样式,具有很强的抗多径和抗多普勒频移 能力。为进一步提升chirp-rate调制码元传输的带宽利用效率,提出了一种码元宽度部 分重叠的chirp-rate调制高效传输方法。然后,推导了其带宽效率提高倍数。接下来,基 于分数阶Fourier域解调而推导了单个码元宽度内不同调制信号的分数阶傅里叶谱对正确解 调的影响,并据此导出了部分重叠传输模式下的带宽效率提高倍数最大值的解析表达。最后 ,通过仿真分析验证了上述理论推导的正确性。     

基于Ozaktas算法的LFM信号参数估计误差分析

Ozaktas算法因其运算复杂度低、精度高、提出时间早而成为目前对LFM信号进行处理 时最为常用的离散分数阶Fourier变换算法,但其附加的量纲归一化对LFM信号参数估计存在 影响。为此,在对LFM信号参数估计建模基础上,分析了基于Ozaktas算法的参数估计二维离 散网格效应,并进一步得到了影响初始频率和调频率估计精度的因素。可以发现：在满足采 样定理条件下,基于Ozaktas算法的LFM信号参数估计能保持较好的估计精度,且在一定程度 上可以通过增大采样频率或减小采样时长来进一步提高估计精度。最后,通过仿真分析验 证了上述理论推导的正确性。