基于DDS技术的多种数字调制的实现

直接数字合成技术（DDS）随着专用芯片的大量出现而得到广泛的应用。现代数字通信所用的信号调制，也由于DDS技术的出现而变得简单了。中通过对DDS工作原理的分析，结合具体的DDS芯片和单片机控制技术，详细介绍了包括MFSK、QPSK及QAM调制技术在内的多种调制方法的具体实现。     

一种新颖的限流比较器的设计

设计了一个新颖的基于Step-Down PWM电源管理芯片的PFM（脉冲频率调制）限流比较器电路，在轻栽时使芯片进入PFM工作模式，因此能够延长电池寿命并且大幅度的提高Step-Down PWM电源管理芯片的效率。经分析和仿真表明：该比较器延迟小，具有简单、实用、可靠性高等优点。     

基于PWM的汽车交流发电机调节器芯片电路设计

为满足车载用电设备的不断更新对汽车交流发电机调节器性能提出的更高的要求，设计一款汽车交流发电机调节器芯片，通过脉冲宽度调制控制功能来调节电路占空比，解决因调频不稳导致的电压数值上下摆动的问题。为进一步优化汽车调节器性能，在调节器芯片内部电路增设启动电路、基准电压源电路、PWM比较器、短路保护电路、过热保护电路等组合模块。电路芯片采用双极工艺制成，发挥其高速、高跨导、高密度、低功耗等优势。通过电路仿真验证调节器芯片各项参数均满足设计需求。     

基于集成压控振荡器的调频电路仿真分析

LM566是一种积分-施密特触发电路型的单片集成 VCO 芯片,在调频电路的教学中作为调制器和解调器,通过对其芯片的仿真,可以在软件平台形象的展示其工作特点,便于定量分析。由于Multisim元件库里没有LM566所需模型,为实现LM566在Multisim12仿真环境中的建模,首先,运用Multisim元件库中现有的基本元件模型,构建LM566芯片内部结构;然后,对外围调频电路的静态工作方式和动态工作方式的分析;最后,实验结果表明,给出的芯片模型能够客观的描述LM566的基本特性,为运用该芯片完成包括调频电路在内的各种功能电路的仿真分析奠定了基础,有效扩展了Multisim仿真软件的使用范围,具有一定的借鉴意义。     

智能语音合成系统的研究与实现

本文介绍了一个利用单片机8031与语音合成芯片T6668、拨号集成电路HM9102D组成的智能语音合成系统。本系统具有自动拨号功能，界面友好，操作方便，实用性强，成本低廉，具有较好的推广应用前景。     

适于语音处理的SDA80D51芯片及其数字录放音系统

SDA80D51UNISPEECH是Infineon公司新推出的具有DSP和单片机双核的芯片。介绍了该芯片的组成框图及各功能模块,并且用该芯片完成一个硬件系统,实现了语音的G.723.1编码存储和解码放音。     

ADSL收发器片上系统芯片的设计与实现

介绍了非对称数字用户环路收发器片上系统芯片的组织结构，对其硬件实现给出了具体描述。     

应用DDS芯片AD9835开发的一种高精度频率信号发生器

介绍了一种DDS专用芯片AD9835,并利用该芯片设计了一种高精度频率信号发生器,讨论了DDS芯片的基本原理、应用及其与计算机、单片机的接口。并对实际结果进行了分析。     

基于DPS的调制类型识别方法及其实现

调制类型识别在通信应用领域中扮演十分重要的角色，用高速数字专用芯片ADSP2101可快速准确实现调制类型的识别。     

微机在光调制反射谱实验中的应用

介绍了计算机在光调制反射谱实验中的应用。在自动控制系统中使用ＧＰＩＢ接口连接锁相放大器和直流万用表，用８２５５和８２５３芯片控制单色仪的步进电机。软件采用Ｗｉｎｄｏｗｓ图形界面，极大地提高了易用性。实验结果显示，自动控制系统精度高并且使用方便 。     

基于轻量型网络的单载波信号调制识别

针对当前应用深度学习实现数字信号调制识别过程中网络复杂、计算量高、硬件平台要求高的问题, 本文提出了在改进的MobileNetV3轻量级神经网络中使用信号星座图调制识别的方法. 首先, 将接收到的MPSK和MQAM信号转换成星座图像, 将其进行灰度图像提取, 灰度图像增强, 构建星座图的图像数据集, 然后将ResNet中的跨层结构引入MobileNetV3网络, 解决了随着网络层数的增加, 权重减小而导致的梯度消失现象. 最后将星座图数据集用于训练MobileNetV3的轻量型神经网络权重, 对星座图像进行识别. MobileNetV3基于深度卷积可分离和神经架构搜索(network architecture search, NAS)技术在保证识别精度的前提下, 大大降低了参数量和训练时间, 将对于简单信号的调制识别, 轻量型神经网络可以有效简化网络结构, 降低对硬件设备的要求. 仿真结果表明, 针对的调制信号(BPSK、QPSK、8PSK、16QAM、64QAM), 能实现识别率为99.76%的调制识别, 相较于传统应用深度学习实现调制识别的网络, 网络参数量和计算量明显减小.     

基于谱相关特性和组合神经网络的数字调制信号识别*

针对通信信号非稳定、信噪比（SNR）变化范围大的特性,利用调制信号的循环平稳特性,提取出五种对SNR和信号调制参数不敏感但对调制类型敏感的特征参量。为提高分类性能,设计了一种采用多个不同神经网络的组合分类器结构,采用输出向量加权表决的融合规则。仿真表明,低信噪比下组合神经网络分类器比单个神经网络分类器有更高的识别率。     

基于非监督学习神经网络的自动调制识别研究与实现

以非监督学习神经网络为主要研究对象,描述自组织网络的基本模型,分析传统自组织网络的训练算法,提出了一种基于自组织特征映射SOFM(Self-Organizing Feature Map)神经网络的通信信号自动调制识别方法。方法改进了训练算法中的学习率函数和邻域函数,提高了算法的收敛速度和性能,并将其应用在通信信号调制识别中。仿真实验检验基于SOFM神经网络的调制识别方法的性能,并与后向反馈(BP)神经网络加以比较,结果表明SOFM神经网络的调制识别方法具有较高的识别精度,改进后的训练算法提高了识别的有效性。     

基于支持向量机的数字调制信号识别

针对神经网络分类器容易陷入局部最小值和不适用于小样本的缺点,提出一种应用零中心瞬时特征提取法提取分类特征,采用支持向量机分类器进行数字调制信号识别的方法。与传统的神经网络方法相比,该方法具有更好的泛化推广能力。实验仿真结果表明,该调制识别方法在小样本下具有较高的识别率。     

基于神经网络的在线调制自动识别

对未知的无线电信号的调制类型进行在线自动识别在军事对抗和频谱监控中有着非常重要的意义。提出了一种在线进行调制识别的系统模型,并给出一种基于神经网络的快速收敛分类器算法。仿真结果证实了该种方法的有效性。     

基于软件无线电和神经网络的RFID调制制式测试研究

RFID测试技术的发展对RFID技术的成熟和广泛应用具有重要的理论意义和实用价值;RFID调制制式测试(识别)则是RFID测试技术重要研究内容之一;文中提出了一种新的基于软件无线电的RFID调制方式测试方法;`在软件无线电的基础上,采用4个特征参数,用BP神经网络实现对2ASK、4ASK、2FSK、4FSK和BPSK等RFID系统典型调制方式进行识别;讨论了方案设计,给出了仿真实验结果;仿真结果表明该方法具有较好的准确性和稳健性。     

数字调制信号识别的特征参数优化方法

针对数字调制信号识别中特征参数数目多和特征冗余的问题,提出一种数字调制信号识别的特征参数优化方法。首先利用正交实验对常用的20个特征参数进行优化选择,然后利用RI3F神经网络识别9种数字调制信号,最后分别与主分量分析方法((PCA)和核主分量分析方法(KPCA)进行比较。仿真结果表明,该方法在高斯和多径信道下均能够有效地对特征参数进行优化选择,比PCA方法和KPCA方法有更好的优化能力。     

Towards an accurate radar waveform recognition algorithm based on dense CNN

Existing algorithms for radar waveform classification currently exhibit the lower recognition accuracy, especially at the lower signal to noise ratio (SNR) environment. To remedy these flaws, this paper proposes an accurate automatic modulation classification algorithm based on dense convolutional neural networks (AAMC-DCNN). The algorithm owns the competitive advantages of strengthening the feature reuse and extracting the detailed feature, for improving the recognition performance of radar waveform at the lower SNR. First, the dense convolutional neural networks (CNN) are designed, which connects each layer to every other layer in a feed-forward pattern. In the latter, 8 types of signals are converted into time-frequency images by choi-williams distribution (CWD), and the large training and testing datasets are fabricated. Then, the transfer learning and Adam optimization are introduced. Finally, the experimental analyses are carried out to evaluate the recognition performance. It is worth mentioning that the classification accuracy can be up to 93.4% when the SNR is ?8 dB, and even reach to 100% at 0 dB, which demonstrates the superior performance over others. The present work provides a sound experimental basis for further studying automatic modulation classification for the sake of future field application in electronic warfare systems.

     

基于K-means算法改进的SOM神经网络调制识别分类器

通信过程中,获得情报信息的关键步骤是清楚接收到的调制信号的调制方式.随着现代通信技术的高速发展,人工智能广泛应用于调制方式识别领域.提出将自组织特征映射(Self-Organizing feature Map,简称SOM网络)神经网络用于调制制式的识别.用K均值(K-means)聚类算法来寻找每类特征参数的两个聚类中心...     

基于小波包分析和BP神经网络的中医脉象识别方法*

利用小波变换具有揭示信号时频两域细节和局部特征的能力,提出了将脉象信号的小波包分析和BP神经网络相结合以达到识别中医脉象的新方法。首先对脉象信号作三层小波包分解,利用小波包分解系数重构信号。然后计算第三层从低频至高频八个频带的信号能量,以此能量构造出脉象信号的特征向量送入改进的BP神经网络进行训练。大量样本的实验证实该方法具有识别正确率高、速度快的优点。