信号通信论文精选(九篇)

第1篇：信号通信论文范文

模拟通信系统模型如图1所示。在发送端，基带信号经过调制后，变换成频带适合信道传输的信号，并且相应地在接收端进行反调制，即解调。利用Matlab作为软件开发工具，可以完成如图1所示模拟系统的代码编写与仿真调试，实时显示各点的时域波形和频谱结构，将仿真结果和理论结果相比较，加深对信号传输原理的理解。实验中关于滤波器的选取，考虑到FIR滤波器具有严格的线性相位特性，又因为窗函数法比较简单且有现成的窗函数公式可用，在技术指标要求不高的场合使用比较灵活，故本次实验中采用Kaiser窗设计FIR滤波器实现滤波。基于Mtlab的模拟传输实验步骤归纳如下:1)根据实验内容和要求，综合运用课堂理论知识，完成模拟信号幅度调制调解与角度调制解调的系统模块设计，增强学生对理论知识的综合运用能力。2)根据设计方案进行软件仿真，通过观察仿真图，掌握常见模拟幅度与角度调制信号的波形与频谱特点，让学生更直观地感受常见模拟波形的特点，培养学生软件调试能力。

2模拟信号传输实验设计

根据模拟通信系统模型，基于Matlab完成模拟幅度调制和模拟角度调制实验。在实验过程中，鼓励学生采用多种不同的设计思想来解决问题，保证学生独立自主完成实验方案的设计以及软件仿真调试的过程。使学生能够通过本次实验，加深对模拟通信的认识，使自己的创新思维得到培养，动手能力得到提高。

2.1模拟幅度调制实验方案设计通过课堂学习，学生已经掌握模拟幅度调制的基本原理和方法。已调信号乘以相干载波后经低通滤波、隔直流便可得到输出信号，由此完成了解调过程。

2.2模拟角度调制实验方案设计角度调制也称非线性调制，通常是通过改变载波的频率或相位来达到的，而频率或相位的变化都可以看成是载波角度的变化。角度调制信号的一般表示。角度调制分宽带与窄带两种，由调频或调相所引起的最大瞬时相位偏移远小于30°时，称为窄带调频(NBFM)或窄带调相(NBPM)，否则，称为宽带调频(WBFM)或宽带调相(WBPM)。

2.3滤波器设计用Kaiser窗设计FIR滤波器时要进行参数估计。Kaiserord函数用于返回滤波器的阶数n和beta参数，去指定一个函数fir1需要的Kaiser窗。该函数计算出滤波器的大约阶数n，频带的边缘归一化频率Wn，以及参数beta和ftype。其中，参数fcuts是频带边缘频率向量，mags是各频带的理想幅值向量;devs是通带与阻带纹波向量，用于限制通带与阻带的波动幅度;fsamp为采样频率。下面给出带通滤波器对应的fcuts和mags值所要遵循的规则:带通滤波器的fcuts为四元矢量，分别对应两个通带截止频率和两个阻带起始频率，如，fcuts=［16000175002250024000］，表示17500～22500Hz为通带，阻带为小于16000Hz及大于24000Hz区域;mags为三元矢量，可设置为mags=［010］。hh=fir1(n，Wn，ftype，kaiser(n+1，beta)，＇noscale＇)其中，kaiser(n+1，beta)函数表示返回一个n点的kaiser窗，参数beta是凯撒窗的β参数，在kaiserord()函数中获得，它影

响着窗函数傅里叶变化中旁瓣的衰减。函数fir1()返回一个包含有n阶FIR滤波器的系数向量，其归一化截止频率为Wn’。noscale’表示不对滤波器归一化。2.4Matlab仿真演示完成代码编写后需要进行仿真调试，基带信号为2kHz余弦波，载波频率为20kHz，采样率为1MHz，考虑信道噪声(加性高斯白噪声)。模拟幅度调制的几种常见方式中，给出AM调制的仿真图，模拟角度调制则给出FM调制的仿真图，分别如图3～图5所示。

3结束语

第2篇：信号通信论文范文

【关键词】灰色关联理论证据理论通信

现代通信环境日益复杂，通信信号的密度成倍增加，电磁信号样式复杂多变，使得通信信号的识别变得异常困难[1]。信号检测设备通过对待识别通信信号的特征参数的观测，与数据库中己知信号的特征参数进行匹配，从而确定待识别通信信号的类型。

本文提出利用灰色关联算法获得各证据体的BPAF，然后利用基于证据理论[2，3]对证据进行融合。理论分析和仿真结果表明，该方法识别率高、可靠性强，适合于复杂下的通信信号识别。

一、灰色关联分析基本原理

三、算法的步骤

本文所提出的识别算法步骤如下：

（1）构造通信信号识别框架U

定义所有通信信号的类型U={R1，R2，…，RN}。

（2）获取证据的BPAF

计算比较数列与参考数列的灰色关联度，然后采用式（7）计算BPAF。

xij=xij+滓ij×randn（5）

xij、滓ij分别为第i类信号的第j指标的均值和方差，randn为均值为0、方差为1的正态随机分布。

假设三种传感器的测量方差如表2所示，根据表2和式（5）可以模拟来自于辐射源b1的观测样本。其中，信号侦察设备获取三个周期的样本，ELINT系统二个周期的样本，利用ESM一个周期的样本，获得的观测样本序列如表3所示。

利用灰色关联算法获得BPAF，如表4所示。

按照相同侦查设备融合的结果，如表5所示。

按照不同侦查设备融合的结果，如表6所示。可见，本文的方法可以正确的识别出的信号b1。

五、结论

针对复杂环境下的信号识别问题，本文研究了一种利用灰色关联算法获取BPAF，利用证据融合模型进行识别的方法。理论分析和仿真结果表明，该方法可以正确的识别出信号的类型。

参考文献

[1]林象平.雷达对抗原理.西安：西北电讯工程学院出版社，1985.6：171-175.

[2] Dempster AP. Upper and Lower Probabilities Induced by a Multivalued Mapping [J].The Annals of Mathematical Statistics， 1967，38（4）：325-339.

[3] Waltz E， Lilnas J. Multisensor data fusion [M]. Boston： Artech House， 1990.

[4]肖新平，宋中民，李峰.灰色技术基础及其应用[M].北京：科学出版社，2005：27-35.

[5]王杰贵，罗景青，尹成友.多传感器信息融合机载辐射源识别[J].信号处理，2002，18（1），11～14.

第3篇：信号通信论文范文

关键词 采样定理；压缩感知；信号稀疏；测量矩阵；重构算法

中图分类号TP3 文献标识码 A 文章编号 1674-6708（2015）138-0083-01

早期，香农奈奎斯特（Shannon Nyquist）采样理论是用于不失真地恢复信号。香农理论指出至少以信号最大频率的2倍频率进行采样才能保证精确恢复原始信号。由香农理论得到的采样数据将会是十分的庞大，将会造成很大的数据传输成本。有学者提出是否可以在采集数据的时候只采集重要的数据，即获取采集数据的同时进行压缩和采样。压缩感知理论提供了解决办法。

1 压缩感知

压缩感知（Compressed Sensing，CS）采样理论[1-2]于2006年由Cand?s、Tao、Donoho等人提出。CS理论指出：一个信号若是可稀疏或可压缩的，可以通过测量矩阵对该信号进行“感知测量”得到采样数据，最后通过重构算法采样信号进行重构，就可以近似地恢复原来的信号。下面开始介绍CS理论的三大步骤：信号稀疏、测量矩阵和信号重构。

1.1 信号稀疏

利用信号的稀疏性是CS理论应用的一个前提条件。假设有一信号为一维信号，将信号在一组正交变换基上展开得到：

（1）

其中：是信号的稀疏系数。从公式（1）可以理解为信号的稀疏化。一般，现实中的信号都可以找到一组正交变换基用来展开。假如此时只有个非零值（），则可以认为信号是稀疏或可压缩的。在某些场合，前个数据对信号而言是相对重要的，后个数据是可以忽略的，在传输的时候是可以抛

弃的。

1.2 测量矩阵

在CS采样理论中，测量矩阵的作用是用于数据采样，是CS理论中感知测量数据中关键的一步。测量矩阵设计的好坏将会直接影响到后续数据重构的精度。

假设信号，利用一组测量矩阵（其中）对信号进行采样，从而得到的个采样数据。

整个采样过程是一个降维过程，其可以用公式（2）

描述：

（2）

因为最终得到的采样数据的维度，且不受信号带宽影响，所以相对于传统香农采样理论而言，其采样得到的数据容量要小的多。

测量矩阵必须满足有限等距性质（Restricted Isometry Property，RIP），即公式（2）中对于任意k稀疏信号和常数，测量矩阵满足[3]：

（3）

目前，测量矩阵主要有：确定性和随机性测量矩阵。确定性测量矩阵有Toepltiz和循环矩阵；随机性矩阵主要有高斯、贝努利矩阵等等。

1.3 信号重构

由于，公式（2）是一个欠定方程组，无法求出其具体解，如何求出具体解将是CS理论需要解决的问题。在满足RIP条件下，可以利用范数优化方法求解的近似解或逼近解，即通过式（4）求解：

（4）

另外也可用使用范数代替范数，以解决式（4）存在的NP-hard问题：

（5）

CS重构算法的好坏决定了信号恢复的精度。目前主要的重构算法有正交匹配追踪OMP算法、匹配追逐MP算法和基追踪BP算法等等。

2 压缩感知应用

CS理论自诞生以来，在光学、医学和生物学等领域得到了蓬勃发展。CS理论具有采集数据小，同时具有很好保密性，近年来在军事领域引起了关注。下面将介绍CS理论在不同领域中的应用。

1）光学领域。

单像素相机是CS理论应用于光学的一个很好的例子。其工作原理是：通过光敏二极管电极两端的电压变换记录采集得到数据微镜装置（Digital Micromirror Device，DMD）阵列反射的测量值，然后经过模数转换，当采集一定数量的数据之后，经过重构算法恢复得到原始图像。

2）医学领域。

在医学领域，CS理论主要是用于核磁共振（Magnetic Resonance Imaging，MRI）成像领域。CS理论的应用可以在减少仪器测量时间的同时保证数据恢复精度并减少仪器对病人身体带来的伤害。随着计算机的处理速度大大加快，采用CS理论进行MRI成像，甚至可以达到实时成像。

3）物联网。

当今，我们社会步入了物联网时代，无线传感网络是其中关键的技术支撑。无线传感器本身具有工作环境特殊，容易受到高温、风沙、地震等等恶劣环境的影响，将容易导致数据丢失。CS理论将很好的解决数据丢失问题，这会是以后人们研究的一大热点。

4）军事领域。

目前信息化已经渗透到军事领域，军事战争对信息的实时性传输性提出了很高的要求。反映战场形式最直观的数据是各种语音、图像等数据，但它们过于庞大，对实时传输造成了巨大的影响。而CS理论的提出将解决此类问题，一方面可以达到减少数据冗余，实现实时传输，另一方面也具有很好的保密性。

3 总结

本文介绍了压缩感知的理论框架，探讨了CS理论中三个关键步骤：信号稀疏、测量矩阵、信号重构。文章最后介绍了CS理论的实际应用的情况，作为一门新生的理论，在信号处理各领域中注入了新生的血液，给广大研究者提供了广阔的研究前景。

参考文献

[1]David L.Donoho， Compressed sensing[J]. IEEE Transaction on Information Theory， 2006， 52（4）：1289-1306

第4篇：信号通信论文范文

【论文关键词】连续波；发射泄露；中频对消

0 引言

连续波雷达[1]按照发射信号的形式可以分为：非调制的点频、多频连续波雷达，调频连续波雷达等，本文阐述的雷达采用点频连续波体制。连续波雷达接收机除接收到目标回波信号外，还包括发射泄露信号，连续波雷达的体制决定了雷达发射信号对接收通道的发射泄露比较严重，发射泄露主要影响目标的检测。如何有效的将发射泄漏信号抑制到足够低的程度是连续波雷达设计所必须解决的问题。

1 系统概述

1.1 系统简介

某连续波雷达由1个发射单元、3个接收单元等组成。雷达工作时，发射天线发射电磁波，3个接收天线分别接收目标回波。

每个接收通道[2]由LAN（低噪声放大器）、混频器、对消器、AGC（自动增益控制）和中频放大器等组成，图1为该雷达接收通道的原理框图。

1.2 系统参数

某点频连续波雷达发射功率为50dBm，收发空间隔离约为85dB，接收机输出端的饱和电平约为9dBm，整个接收通道的增益为73dBm，自动增益控制的增益控制范围为0～60dB。

2 对消技术的分析

信号之间的对消[3]使用对消器便可以达到，对消时要尽量减小两路对消信号之间幅度差，尽量保证两路对消信号相位相反。

若泄露信号为v1，对消信号v2，泄露信号与对消信号偏离相位相反方向的角度值θ。

发射天线通过空间隔离向接收机泄露的发射泄露功率为50dBm-85dB=-35dBm；接收机饱和输出为9dBm，接收机增益为73dBm，则可以得到使接收机饱和的最小泄露输入为9dBm-73dBm=-64dBm；则要使发射泄露信号不堵塞接收通道，要求中频对消达到-35dBm-{-64dBm}=29dB，毕业论文根据理论计算，可以看出中频对消的设计满足要求。

3 实验分析

实验环境：在空旷的地方进行，以减小环境对雷达的影响；

实验仪器：采用频谱分析仪测量数据；

实验条件：接收机关闭对消支路，设置AGC使接收机不饱和，测量雷达在不同俯仰扫描角时的最大泄露信号。

由表1可得，接收机1前端最大输入泄露信号为-34.54dBm，则要使发射泄露信号不堵塞接收通道1，要求中频对消达到-34.54dBm-{-64dBm}=29.46dB，由前文可知理论计算的中频对消量可以达到30dB，可以看出中频对消的设计满足要求。

接收机2前端最大输入泄露信号为-60.88dBm，则要使发射泄露信号不堵塞接收通道2，要求中频对消达到-60.88dBm-{-64dBm}=3.12dB，由前文可知理论计算的中频对消量可以达到30dB，可以看出中频对消的设计满足要求。接收机3前端最大输入泄露信号为-52.49dBm，则要使发射泄露信号不堵塞接收通道3，要求中频对消达到-52.49dBm-{-64dBm}=11.51dB，由前文可知理论计算的中频对消量可以达到30dB，可以看出中频对消的设计满足要求。

4 结束语

本文阐述的雷达采用点频连续波体制，连续波雷达发射信号对接收通道的发射泄漏一直是影响目标检测的主要因素之一，因此，发射泄露必须进行有效抑制。本文采取了中频对消对发射泄露进行了有效的抑制。从理论计算方面，中频对消的设计满足要求；经过试验的验证，中频对消的设计满足要求。

【参考文献】

[1]贾兴泉.连续波雷达数据处理[M].北京：国防工业出版社，2005.

第5篇：信号通信论文范文

关键词：盲源分离，自然梯度算法，自适应步长

 

引言

在科学研究和工程中，很多观测信号可以看成是不可见的源信号的混合，这意味着源信号和传输信道都是未知的，仅仅由观测信号对未知的传输信道和源信号进行估计的问题称为盲源分离（Blind Signal Separation,BSS），所谓“盲”是指（1）源信号不可观测；（2）混合方式未知。硕士论文，自然梯度算法。BSS技术是当前信号处理领域的一个热点研究问题，在生物医学信号处理、军事雷达技术、通信信号处理中有着广泛的应用[1-3]。硕士论文，自然梯度算法。

在Amari[4]的自然梯度算法中，步长的选择对算法的稳定性和收敛速度有着非常重要的影响。步长越大，算法的收敛速度就越快，但同时会引起算法的稳态失调；步长越小，算法的稳态误差就越小，但同时收敛速度变慢。本文算法在迭代过程中，适时对步长进行优化，使得算法在保证稳态误差的情况下收敛速度大幅提高。

1 线性混叠盲源分离模型

假设有n个相互统计独立的未知源信号，经过未知的传输信道后获得m个观测信号,写成矩阵形式为：

（1）

即，该模型称为盲源分离的线性混叠模型，称为混叠矩阵或者传输信道，t为时间指标。硕士论文，自然梯度算法。盲源分离的任务就是在源信号和传输矩阵A均为未知的情况下，仅仅由对源信号作出估计，通过学习，寻找一个满秩的分离矩阵W使得各分量之间尽可能的独立，依此作为对源信号的一个估计。若全局矩阵[5]的各行各列只有一个元素接近于1，其余的元素皆接近于0，此时估计信号是源信号的一个拷贝。硕士论文，自然梯度算法。

2、Iformax[6]（information maximization）盲源分离算法

Informax算法采用信息传输极大准则，通过调整分离矩阵使得非线性输出与网络输入之间的互信息最大：

图1 Informax 算法原理图

由信息论知识：

（2）

边缘熵： （3）

微分熵： （4）

得到代价函数：（5）

与分离矩阵无关，优化代价函数为：

（6）

即算法通过调整通过调整分离矩阵，使得(5)式极大。

采用自然梯度算法搜索代价函数（5）的极值点：

（7）其中： （8）

第个分量：（9）

称为激活函数，是对源信号的概率密度函数的近似估计。硕士论文，自然梯度算法。

3、改进的自适应步长算法

在信号分离的初始阶段，由于信号之间的强相关性，算法需要使用较大学习速率，以加速信号的分离，到了算法的后期，需要跟踪分离出来的信号，同时还需要捕捉未分离出来的信号，此时较小的步长可以满足需求，以分离出剩余的信号。硕士论文，自然梯度算法。算法收敛时满足：

（10）

计算过程的迭代式为[4]：

（11）

当（9）式成立时，算法的迭代式满足：

（12）

由（11）式可以看出，当[7]取值较大时，则信号分离情况较差，需要较大的步长，算法趋于收敛时，取值趋于0。所以可以依据取值大小调整步长。现有定义如下：

（13） （为源信号个数）（14）

（15）

综合（10）(11)（12）（13）（15），本文的自适应步长算法可以描述为：

（16）

令，设置小的正数，当时算法收敛。

4、计算机仿真

随机选取混合矩阵，两个语音信号为：

图2：源声音信号图

Fig2:Sourcespeech signal

混合后的信号图像为：

图3：混合声音信号

Fig3:Mixture speech signal

还原后的信号图像为：

图4: 还原声音信号

Fig4: Recovery speech signal

串音误差曲线图[8]为：

图5：串音误差曲线图

Fig5: Crosstalk error

5总结：

本文在对自然梯度算法进行分析的基础上，提出了算法迭代过程中步长适时调整的依据，在加快算法收敛速度的同时兼顾稳态误差，通过计算机仿真，本文算法的收敛速度明显优于原算法，且稳态误差较小。

参考文献：

[1]张贤达，保铮.盲信号分离.[J]电子学报，2001，29(12):1766一77.

[2]CardosoJF.Blindsignalseparation:statisticalprinciples.ProceedingofIEEE.[J],86(10):2009-2025,1998.

[3]E.OjaThenonlinearpcalearningruleinindependentcomponentanalysis.[J].NeuroComputing,17(1):25-46,1997.

[4]SAmari.NaturalGradientWorksEfficientlyinLearning.[J].NauralComputation,10,251-276,1998.

[5]CardosoJF.Blindsignalseparation:statisticalprinciples.ProceedingofIEEE.[J],86(10):2009-2025,1998.

[6]RLinsker.Self-organizationinaperceptualnetwork.Computer,[J].21:105-117,1988.

[7]一种改进的步长自适应EASI算法。[J].舰船电子工程，2006，（2），P137

[8]AmariS,CichockiA,YangHH.Anewlearningalgo2rithmsforblindsignalseparateion[J].NeuralInformationProcess2ingSystems,1996,(8):757～763

第6篇：信号通信论文范文

【关键词】小波双谱;小波变换;特征提取

引言

当机电设备出现故障时，通常伴随着非线性耦合现象的出现，且振动信号呈现出非高斯特性。高阶谱是分析非高斯信号的有力工具，它从更高的概率结构表征信号，弥补了二阶统计量（功率谱）。双谱是高阶谱中最常用的一种信号分析方法，传统双谱是以傅里叶变换为基础，然而傅里叶变换是建立在信号平稳性假设条件下的一种时域和频域的全局性变换，它对于非平稳信号则能力有限，不能很好地揭示非平稳信号的特征[1]。小波变换的优势在于分析非平稳信号时具有明显的时频局部化，可有效地增强隐藏在机械信号中的瞬态信息提取。将小波变换与双谱分析方法相结合，发挥小波变换与高阶统计量信号处理方法各自的特点，产生了小波双谱理论。小波双谱能够把时间平均减小到最低而检测出非线性耦合，而同时能满足对冲击脉冲、间歇性的信号的分辨能力，尤其适合对含有噪声信号的特征提取[2]。本文从传统双谱、小波变换理论出发，重点研究小波双谱理论方法，详细介绍小波双谱信号处理算法流程。

1.小波双谱方法理论

小波双谱方法思想源于传统双谱定义，以小波变换为基础，替代了传统双谱中以傅里叶变换为基础的定义。本文从理论上分析传统双谱、小波变换、小波双谱理论。

1.1 双谱基本理论：双谱是属于高阶谱范畴，双谱即为三阶谱。对于一个离散时间的确定性信号，双谱（bispectrum，BS）的定义[3]为：

（1）

是信号在处的傅里叶变换。是的共轭函数。双相干（bicoherence， BC）定义为：

（2）

其中是信号在处的功率谱密度函数。

1.2 连续小波变换理论：B.Ph.van Mil-ligent[6]指出小波双谱理论采用连续小波变换，本文选用morlet小波进行分析。

被认为是近年来在工具和方法上有重大突破的小波变换，为非平稳信号分析展示了美好的前景。由基本小波或母小波通过伸缩a和平移产生一个函数族称为小波，定义如下：

（3）

式中a是尺度因子，有;是时移因子。

函数f（t）的小波变换如下式：

（4）

由上式可知，小波变换是用小波基函数代替傅里叶变换中的基函数而进行的内积运算。在信号处理中，小波变换的实质是以基函数的形式对信号x（t）分解为不同频带的子信号。

本文选用morlet小波，其函数表示如下

（5）

式中fb表示带宽参数，fc表示小波中心频率。

1.3 小波双谱方法：类似于传统双谱的定义，小波双谱（wavelet bispcetrum ，WBS）定义为：

（6）

其中Wf表示对函数f（t）进行的小波变换，积分是在一定时间间隔上进行的。W*f是Wf的共轭函数。其中尺度a，a1，a2满足以下的关系式：

（7）

小波双谱计算的是在时间间隔T中函数f（t）的尺度a，a1，a2小波成分的相位耦合量。因为尺度a能解释成反频率，满足关系式，所以小波双谱也可理解为满足频率分辨率下小波频率之间的耦合量，即小波双谱用以检测信号中两个频率成分的二次相位耦合关系。其中二次相位耦合定义为在信号中的两个频率，，与它们的和（或差）同时存在，即（或），同时它们的相位和（或差）为常数，则称这种关系为二次相位耦合关系。

类似于BC的定义，小波双相干（wavelet bicoherence， WBC）的定义为：

（8）

小波双相干，即是归一化小波双谱，用以定量检测信号中存在的二次相位耦合关系，其中幅值在0到1之间取值。为了便于理解，小波双相干通常在平面内做图，而非在平面内做图。小波双相干的物理意义是：频率，二次相位耦合产生的能量在处总能量中所占的比例。

2.小波双谱算法

依据小波双谱理论方法，小波双谱信号处理算法的步骤如下：（1）截取所分析的数据长度为N，对该数据减去其均值。（2）计算小波变换时间序列。通过选定合适的连续小波函数，设置其带宽系数fb与中心频率fc，同时设置对分析数据所要进行小波变换的频率与时间范围，频率通过关系式转化为尺度范围，然后对分析数据按照式（4）进行小波变换，得到小波变换后的时间序列。（3）计算小波双谱。将步骤2得到的小波变换序列按照式（6）和式（8）计算所分析数据的小波双谱、小波双相干值。4生成图形。将步骤3所得的小波双谱、小波双相干、与求和小波双相干值生成在频率域中的图形。观察图形，如果满足检测的要求与频率分辨率的要求，整个小波双谱算法结束;如需改变检测要求与频率分辨率的要求，则重新选择小波函数与设置其小波参数，同时调整分析的频率范围，重新对分析数据进行连续小波变换，计算小波双谱值。

第7篇：信号通信论文范文

[关键词]电子对抗 通信干扰 单音信号 训练序列同步 Matlab仿真 无线局域网协议 干信比 状态机

一、引言

由于IEEE 802.11a的广泛应用，因此从国家信息安全和军事国防的高度来看，很有必要从电子对抗的角度去考虑如何对IEEE 802.11a通信进行干扰的问题。目前，人们对IEEE 802.1 1a的研究大多集中于其通信机理本身，少数从通信对抗角度进行研究的学者，也是主要针对于干扰信号对通信过程建立后的过程进行讨论。

然而经过研究发现，IEEE 802.11a的通信信号与其它很多数字通信体制一样，在通信过程建立之前，需要同步过程来协调各种参数指标，因而其同步过程也受各种干扰因素的影响，当干扰因素强度超过一定界限后，同步过程受到影响，从而使通信无法建立。而针对数字通信的同步进行干扰，其干扰效能往往要比干扰信号本身更为简便。因此本文的研究重点正是通过研究干扰信号对IEEE 802.11a的同步过程影响，来评估干扰对其通信的影响。

二、理论分析

2.1定时粗同步原理

定时粗同步是PLCP到达接收机后第一步操作。接收机同步通过两个宽度与短序列重复周期相同的判别窗，对接收到的短训练序列数据进行采集，而后进行三步操作：

首先，两个判别窗采集到的数据进行如式（1）的相关运算；（1）第二步，第二个判别窗中数据再进行一次自相关运算；（2）

最后，再由这两个数据进行比例运算，从而得到定时粗同步的判别电平。（3）

当判决电平为高电平时，接收机判定信号到达，并记录检测到高电平的位置；反之当判决电平为低电平时，则接收机判断信号没有到达，因而接收机并不进行后续的操作。

2.2干扰对同步的影响分析

当干扰信号与数据信号叠加后，干扰信号势必影响判决电平的数值大小，从而影响接收机对信号到达与否的判别。

设单音干扰影响下的接收信号为：

RM（n）=RB（n）+A'J（n） （4）

基带信号的离散形式为RB（n），干扰信号离散形式为，（n），A'为干扰信号的幅度系数。

从单音信号的自相关函数中可以得知，当延时τ=nT（n=0，1，2，3……）时，自相关函数为正最大值；当延时T=（n+0.5）T（n=0，1，2，3……）时，自相关函数为负最大值。

将此条件纳入式（1）与式（2）中分析，即可得到推论：当单音信号的周期T=D/（n+0.5）时，Cn为负最大值，而式Pn由于τ=0，因而为正最大值。在这种情况下Cn与Pn在整体上的数值差异最大，从而使最终的结果最小化。

当短序列重复周期D=16、单音信号周期T=16/5.5时，Mn的数值非常小且稳定，因此当周期T=D/（n+0.5）的单音干扰信号随短序列进入接收机时，很容易产生误判，从而造成对后续OFDM通信活动的阻隔和压制。

三、仿真程序介绍

本文的仿真程序除包含IEEE 802.11a协议所设计的从发射到接收过程中的一系列操作外，还重点针对训练序列同步的特点，对接收存储器和接收状态机进行仿真，以使仿真程序从同步成功与同步失败两个方面，反映干扰信号对IEEE802.11a训练序列同步过程的影响效能。

为了模拟干扰对整个IEEE 802.11a通信活动的影响，本文编写了相关仿真程序，整个仿真程序从结构上分为三个部分：发射机部分、信道与干扰信号产生部分与接收机部分。发射机部分的主要功能，是产生一串随机数据用以模拟要发送的有用数据，然后经过信道卷积、信道交织、QPSK调制、加入训练训练、插入导频、降PAPR转换、IFFY运算、插入循环前缀、滤波、数字上变频等一系列操作后，最终形成射频信号发送到信道部分。信道与干扰信号产生部分的功能有两方面，一是模拟信道中自然存在的高斯白噪声，二是产生干扰信号，并用过信号功率计算，得到需要的干扰信号功率比（JSR）。最终形成由信号、高斯白噪声与干扰信号三部分组成的混合信号。接收机部分结构相对比较复杂，进入接收机的混合信号先经过数字下变频与滤波器后，进入接收机的数据存储器，接收机的同步，就从存储器中调用数据。经过定时同步与频率同步后，进行FFT运算，而后经过降PAPR逆变换、相位补偿、QPSK解调、解交织、解编码等与发射机部分相对应的逆操作后，得到还原后的数据信息。

四、程序仿真与结果

本文在仿真程序中，将短序列重复周期设为16，因此为了验证之前的理论分析，应当设置一个周期T=16/（n+0.5）的基带单音干扰信号。然而，由于仿真程序接收机部分设计有低通滤波器，因此为避免信号经过滤波器时产生功率损失，本文在仿真时将n设置为0，即单音周期T=32，此干扰信号经过滤波、上变频后，在空间中与信号叠加，单音干扰与短序列信号叠加后的信号进入接收机进行解调，最终产生的误码率如下图1所示：

由仿真结果可以看到单音周期T=32时的干扰效果。当干扰信号功率比（JSR）为-3dB时，接收误码率就达到0.1，而同步失败率达到0.3左右。而使用噪声调幅干扰方式进行仿真，要达到同等误码率水平，则JSR需要达到7-8dB左右。

五、结论

第8篇：信号通信论文范文

由此可以看出，《信号与系统》这门专业基础课在BME本科教育的过程中起着举足轻重的作用。同时，《信号与系统》要求学生具备一定的数学基础和电路分析基础。因此，我们在制定教学计划时，应该针对不同基础的学生制定不同层次水平的教学计划，以课堂教学与实践并重，以由浅入深、由粗到细、重点突出为原则，建立在实践中发现问题，在课堂中探讨问题，再回到实践中解决问题的教学模式，以利于学生更好地掌握课程的知识要点，为他们今后的工作和研究打下良好的基础。

把握课程思想，创新教学方法

《信号与系统》既承接了先修课《电路分析》等课程，又为《数字信号处理》、《医学图像处理》等后续课程奠定了基础。主要讨论连续时间信号与系统，研究确定性信号经线性、时不变系统传输与处理的基本理论。此课程由《电路分析》中的微观电路过渡到宏观系统，以系统的观点来研究信号处理过程及结果。因此，如何创新教学方法，以培养学生的整体系统思维方法，让学生理解课程理论知识在实际中的应用，提高学生的学习兴趣，成为我们的课程重点。我校坚实的医学、生物学研究基础，为BME专业的本科生提供了大量的研究问题与数据。2011年，我校BME系与美国通用电气公司（GeneralElectricCompany，简称GE）建立联合培养基地，加强BME专业理论及技术交流。

我们通过邀请医学、生物学和GE公司的相关专家针对医学信号问题、显微镜下的生物图像问题以及CT、MRI等设备的图像处理系统问题做报告，让学生了解《信号与系统》的应用领域，以及在此领域中可以解决哪些具体问题、如何解决这些问题，让他们带着问题去学习。在讲授课程的过程中，教师除了讲解一些重要基础理论之外，还要强调课堂互动，以某一信号的处理为例，激发学生们的小组讨论热情，在无形之中培养他们的动脑解决问题的能力和动口表达交际的能力。除了课堂授课之外，我们也需要重视课下交流，鼓励同学们针对自己感兴趣的问题提出一些想法，也可以通过电子邮件、群讨论、博客、论坛等形式增强交流沟通，让课堂学习与实践应用相结合，促进同学们对此门课程学习的积极性和主动性。

丰富教学手段，重视专业术语

《信号与系统》课程的突出特点是数学公式多，利用数学工具解决生物医学问题。如何把枯燥的理论学习和公式推导转化成易于理解的形象思维过程是我们需要探索的方向。我们根据课程特点，重视课件制作，适当地利用声音、动画等手段，增加课件的生动性。另外，可以结合教学软件的应用，实时演示一些计算过程或理论，如信号的相乘、相加、分解等，加深同学们对课堂内容的理解。为了更好地发展BME这一新兴学科，积极应对经济全球化、教育国际化挑战，培养适应地方经济发展和社会进步要求和具有国际合作意识、国际交流与竞争能力的复合型、外向型人才，提高人才培养质量，我们需要尽快转变传统的教学思想和育人理念，融会中西方先进文化和科学成果。因此，在《信号与系统》的教学过程中，有意识地让学生掌握一些信号处理方面的英文专业术语，为他们今后的学习、研究和工作打下一个良好的基础，是十分必要的。一方面，教师可以在课件制作上下功夫，将教材中出现的与BME相关的专业名词以图像加文字的方式加以显示，有利于学生对专业词汇的理解和记忆。另一方面，由于本课程的课时限制，课堂上只能分配少量的时间来学习英文专业术语，教师可以鼓励学生在课外阅读英文原版教材AlanVOppenheim的《signals&systems》（第二版），并结合麻省理工学院《信号与系统》公开课，边学习边思考，培养学生的思维方式，也可以鼓励学生阅读外文文献或心电图机、B超等医疗仪器说明书的形式来进一步学习，使学生初步具备检索、阅读国外专业书籍和文献的能力，拓宽BME本科生的学习视野，为将来先进医疗仪器的研发储备知识。

挖掘应用实例，强调实践教学

《信号与系统》教学离不开医疗仪器实验室。我校各大附属医院拥有先进的医疗设备，为BME专业的学生提供了得天独厚的资源优势。通过“看”各种医疗仪器如何采集人体信号，经过哪些变换之后显示在电脑屏幕上，来了解信号的产生过程，以及信号在各个系统中的处理过程。通过“听”医生对各种医疗仪器原理、使用方法及需要改善的功能等问题的介绍，了解信号处理领域亟待解决的问题，并在学习课程的过程中，分析问题、解决问题，提高科学研究的素质和开拓创新的意识。通过动手“做”各种小仪器，如便携式生理信号检测仪等，将课堂所学的理论知识与实践应用相结合，提高自主解决问题的能力。在进行此类设计性、综合性实验时，一方面可以巩固《电路分析》、《模拟电子技术》等课程中的硬件设计知识，另一方面可以学习Matlab和Labview等仿真软件，以此构筑软硬结合的实验教学模式，与实际应用紧密联系，在夯实学生的理论知识的同时，增强他们的实践技能和创新能力。

结束语

第9篇：信号通信论文范文

关键词：数字信号处理 教学改革 知识网络

中图分类号：G71 文献标识码：A 文章编号：1672-3791（2012）12（a）-0180-01

数字信号处理（Digital Signal Processing，简称DSP）是一门涉及许多学科而又应用领域非常广泛的新兴学科。随着计算机技术和数字信号处理器件的飞速发展，数字信号处理的理论和方法得到了广泛的应用，如在音频处理、图像处理、雷达声纳信号处理等领域都有大量的使用。因此，越来越多的高等院校开设《数字信号处理》课程作为通信与电子信息类专业学生的一门重要专业基础课。然而，由于这门课理论性强，公式推导复杂，学生常常觉得枯燥难学，直接影响了他们的学习兴趣，从而很大程度上降低了课程的教学效果。因此，为提高学生的学习积极性，改善该课程的教学效果，我们对本课程从理论教学与实践教学两个方面进行了有针对性的改革探讨。

1 理论教学改革

1.1 淡化数学推导，注重概念物理含义的阐述

《数字信号处理》这门课涉及到的公式繁多，概念抽象。由于大量结论由数学推导方式得到，学生往往过于注重结论的数学推导过程，而没有理解各种数学公式所包含的物理含义。针对这种情况，在概念与公式的讲授中，要避免通篇繁琐的数学推导，需要特别强调基本概念、基本原理等方面的物理含义阐述和定性分析。

1.2 采用多媒体与板书相结合的教学方法

由于《数字信号处理》这门课理论性强、概念抽象，对于学生来讲比较枯燥难学。因此，考虑利用现代多媒体的教学手段，将抽象的概念通过动画、声音、图像等方式展现出来，使学生能够很容易理解概念的内涵。另外，采用多媒体的教学方式，还需要与板书这种教学形式相结合。《数字信号处理》这门课数学公式推导较多，如果省去板书推导，直接给出结论，学生接受起来将会很困难。因此，为了帮助学生对结论的理解和接受，有必要适当加入板书推导。

1.3 构建知识网络，建立各知识点之间的联系

《数字信号处理》这门课，知识点多而复杂，学生往往对各个知识点之间的联系搞不清楚。实际上，数字信号处理课程系统性很强，各个知识点是紧密联系的，可以通过构建知识网络的方式加强知识点之间的联系。比如：对于离散时间信号分析中介绍的DFS、DTFT、DFT等变换，通过图1构建的知识网络，可以使学生理解这几种变换之间的逻辑关系，便于学生对知识的理解与掌握。

1.4 通过建设网络教学资源，使教学资源共享化

将课程的教学大纲、教案、习题、课件、参考文献等教学资料在Internet上开放，实现教学资源共享。通过开设网络辅导、网上课程研讨、网上交付作业与实验报告和优秀作业展示，建立例题解答范例库和自测试题库等方式，可以方便学生自学和开展远程教学，使书本内容与教辅网站的参考资料相结合。教学资源的共享化可以使教学内容的广度和深度得到明显提高，为学生自主学习提供广阔平台。

2 实践教学改革

2.1 Matlab软件在《数字信号处理》教学中的应用

Matlab（矩阵实验室）是目前高等院校与科研院所广泛使用的优秀应用软件。为配合数字信号处理课程教学，在Matlab软件环境上可以进行数字信号处理实验教学平台的开发，将抽象的理论和概念用易于理解的可视化图形演示给学生看，通过这种方式，学生对数字信号处理课程基本概念、基本原理的理解会进一步加深。

2.2 将LabVIEW软件应用于《数字信号处理》教学中

LabVIEW是美国国家仪器公司（National Instru-ments，NI）推出的一种用图标代替文本行创建应用程序的图形化编程软件。在数字信号处理教学中，利用LabVIEW软件自带的信号处理套件，学生只需要拖放图形控件，便可轻松快捷地开发出人机界面友好、操作方便的应用程序，将书本上理论性较强的知识转换成直观的图形，从而加深学生对理论知识的理解，提高他们的学习兴趣。

2.3 CCS软件在《数字信号处理》实践教学中的应用

CCS是美国得州TI公司推出的DSP系统的一种开发软件，是目前使用最为广泛的DSP开发软件之一。在实践教学中，基于DSP技术在CCS开发环境下可以实现数字信号处理的理论与算法，观察其动态仿真过程，并可以将调试好的算法代码下载到DSP芯片中运行。采用CCS软件开发DSP实验，既可以加强学生对数字信号处理基础的掌握，又可以锻炼学生的工程实践能力，达到理论与实践的有机结合。

3 结语

《数字信号处理》作为电子信息类专业的重要基础课，普遍被学生认为是难点课程。为获得较好的教学效果，结合学校实际情况，对该课程在理论教学和实践教学两个方面进行了改革的探索与尝试。在理论教学中，通过现代多媒体的教学手段，使学生透彻理解各个知识点及其物理内涵，并通过构建知识网络的方式建立各个知识点之间的联系，便于学生对知识点的理解与掌握。另外，通过建设网络教学资源，使教学资源共享化，以方便学生进行自主学习。在实践教学中，采用matlab、labview等仿真软件对教学过程进行优化，可以加深学生对理论知识的理解。另外，采用CCS软件开发DSP实验，可以锻炼学生的工程实践能力，达到理论知识向实践能力的转化。通过理论与实践两个方面教学改革的探索，学生的学习兴趣得到了普遍的提高，该课程的教学效果也得到了很大程度的改善。

参考文献

[1] 胡广书.数字信号处理[M].北京：清华大学出版社，2003.