本文介绍了用于GSM接收机的低中频多相滤波器的设计，采用有源RC电路架构且单片全集成。设计采用TSMC 0.18um CMOS工艺，通过spectre仿真，滤波器的中心频率为110kHz，带宽200kHz，增益30dB，镜像抑制比38dB。

er菜（Amaranthus palmeri S.Wats。）入侵对全美国的棉花（Gossypium hirsutum L.）生产系统造成了负面影响。 这项研究的目的是评估冠层高光谱窄带数据作为随机森林机器学习算法的输入，以区分棉花中的distinguish菜。 该研究着重于将Palmer mar菜与棉花的近等基因系（铜，绿和黄叶）区分开来。 使用分光辐射计在两个不同的日期（2016年12月12日和2017年5月14日）获取Palmer mar菜和棉花冠层的高光谱反射率测量。数据是从温室中种植的植物中收集的。 将光谱数据汇总到提议用于研究植被和农作物的24个高光谱窄带。 这些带由随机森林（cforest）的条件推断版本进行了测试，以区分Palmer mar菜和棉花。 分类为二进制：Palmer mar菜和棉青铜，Palmer mar菜和棉绿，Palmer mar菜和棉黄。 分类准确性已通过总体，用户和生产者的准确性进行验证。 对于这两个日期的总和，总体准确性介于77.8％至88.9％之间。 相对于棉黄色分类，Palmer mar菜红的整体准确性最高（2016年12月12日为88.9％;

为提高传统窄带接收机的解调增益，提出了基于级联随机共振的窄带信号宽带化接收方法。该方法一方面对接收信号进行随机共振运算，将信号中的噪声转化为信号能量；另一方面通过级联方式将接收信号转化为方波信号，并利用其先验信息构造本地序列进行宽带化相关运算，最终提高了信号处理增益。理论分析与仿真结果表明，该方法相比于传统的处理方式，其信噪比增益提高大于3 dB，并且对于接收信噪比为?7～1 dB的QPSK信号，其增益提高约为20 dB。

本文提出了一种通过具有两个垂直线性阵列的窄带多输入多输出（MIMO）雷达系统进行二维成像的系统模型和方法。 此外，我们的方法的成像公式是通过傅立叶积分处理开发的，并且还检查了天线阵列的参数，包括跨范围分辨率，所需大小和采样间隔。 与在反向合成Kong径雷达（ISAR）成像中多次快照照明期间对散射回波进行采样的空间顺序过程不同，该方法利用空间并行过程在单个快照照明期间对散射回波进行采样。 因此，可以避免ISAR成像中的复杂运动补偿。 此外，在我们的阵列配置中，采用了以正交多相序列编码的多个窄带频谱共享波形。 来自不同滤波器带的压缩回波的主瓣可能位于同一范围内，因此，经典ISAR成像中的范围对准是不必要的。 提供基于合成数据的数值模拟以测试我们提出的方法。

matlab开发-扬声器框架窄带宽频带频谱图。比较和对比使用两个不同窗口的效果

为抑制窄带信号并减少其对直接序列扩频通信系统的干扰，研究了一种新的变步长LMS算法处理信号。根据步长调节原则，结合双曲正割函数来调整步长μ(n)及误差e(n)的非线性关系。对算法进行理论分析，该算法提高了收敛速度，提升了收敛精度，降低了稳态时的误差。在MATLAB中通过搭建直接序列扩频通信系统进行仿真，研究结果表明该算法优于已有的算法，能更准确地预测及抑制音频干扰信号，增强了直扩通信系统的抗干扰性能。

小波分析是最近十几年来发展起来的一种新的时频分析方法。它克服了短时傅里叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力。小波包分析是小波分析的延伸，其基本思想是让信息能量集中，在细节中寻找有序性，把其中的规律筛选出来，为信号提供一种更加精细的分析方法。它将频带进行多层次划分，对多分辨分析没有细分的高频部分进一步分解，并能够根据被分析信号的特征自适应地选择相应频带，使之与信号频谱相匹配，从而提高时一频分辨率。我们可以根据小波包的分解特性，利用小波包分解技术滤除干扰信号。 　　1 小波包分析基本原理 　　1.1 小波变换 　　信号x(t)的连续小波变换

应急通信

为了抑制接收信号中的高斯噪声和窄带干扰,在进一步分析边带相关置换(SCR)算法的基础上,提出了一种新的高斯噪声和窄带干扰抑制算法———循环边带相关置换(CSCR)算法 。 CSCR算法将 SCR思想引入循环谱相关理论中,利用循环谱相关可有效抑制高斯噪声的技术优势,在接收信号的谱相关密度函数中用相对于窄带干扰的边带对称值代替干扰值来重构期望信号,从而实现了高斯噪声和窄带干扰的同时抑制 。该算法对谱相关密度谱对称的调制方式均适用 。通过对 2PSK信号的计算机仿真表明,循环边带相关置换算法可以有效抑制高斯噪声

在对窄带干扰(NBI)进行时频特性分析的基础上,提出了一种利用小波变换进行NBI抑制的方法。该方法首先把回波数据的频谱变换到多分辨的小波域中;然后在小波域中采用恒虚警概率方法对小波系数进行干扰识别和干扰抑制;接着把干扰抑制后的数据变换到原始回波数据域,利用常规的SAR成像算法进行成像处理;最后得到清晰的SAR图像。与其他窄带干扰抑制算法相比,该算法在干扰抑制过程中对有用信号造成的损失较小,并且可以有效地抑制时变的NBI。结合仿真和实测数据的处理,经过实验分析,验证了该方法的有效性。