踏频多分辨率数字信号处理

文摘

随着雷达工业技术的迅速发展,相应的信号处理技术变得越来越复杂。对短程雷达检测函数,其相应的信号主要是介绍了宽的带宽和多分辨率的特点。在传统的数据处理过程中,大量的信号会干扰信号,这使得最终的信号处理相当困难的,甚至是不可能的。基于这个问题,本文提出了一种主成分线性预测处理算法的基础上,基于杂波抑制处理传统的信号处理算法。根据返回的数据的曲线特征的目标检测到的信号,通过特定的图像信号测量和转换,杂波可以有效地抑制和相应的典型特征可以增强目标曲线。收敛问题的信号处理和相应的图像色差补偿问题,本文将实现色差补偿相应的目标回波图像基于径向指向横模算法,提高系统整个算法的收敛速度。在本文的实验部分,本文提出的优化算法与传统算法相比。实验结果表明,本文提出的算法具有明显的优势的融合信号处理和抗干扰性能,具有推广价值。

1。介绍

随着信息技术和电子技术的快速发展,雷达技术进一步发展。常见的低空探测雷达的距离分辨率主要取决于传输信号的带宽,相应的宽带数据信号处理技术和抗干扰技术(1- - - - - -3]。目前,传统的踏频多分辨率数字信号处理技术在低空雷达探测技术主要集中在理论层面上,和有效、合理的数字信号处理技术仍然是低空雷达信号处理的问题(4,5]。目前的因素影响低空探测雷达的信号回波的直接耦合天线之间的信号收发器的低空探测雷达、地面和地下的大反思信号生成,和各种不可抗拒的反射源发射的地方,附近和干扰传输源主要来自于复杂和巨大的DSP印制板。相应的数据信号需要转换不同的频率域之间在处理相应的数据信号,这将使旁瓣堵塞现象之间相应的信号,形成一个强大的干扰(6- - - - - -8]。

传统的踏频多分辨率数字信号处理主要集中在系统硬件设计优化和回波信号的优化处理。在相应的硬件水平,这不是关键的问题需要考虑。数字信号处理的水平,它主要处理近距离数字混乱。相应的传统加工方法包括平均法数字信号处理算法,数字信号主成分分析算法,和相应的数字信号的线性预测算法(9- - - - - -11]。在相应的数字信号平均处理算法,它是检测环境的限制,这就需要相应的检测环境。如果它是地面,它需要尽可能光滑的地面。当低空探测环境,它需要更少的干扰。会议相关的环保要求后,平均的相应元素呼应,以筛选大量的杂波。从本质上讲,这是安排,结合大量的原始数据返回的回声在一定逻辑顺序,形成一个二维序列,序列中的每个元素对应于减去平均值(一个接一个12]。对应的数字信号的主成分分析算法假设杂物在检测提出了一种高斯分布。在这种假设下,信号通过小波分解,以减少雷达的杂波分量检测信号。数字信号的主成分,它是由二维行列式来分解,最后相关杂波抑制(13]。处理数字信号的线性预测算法,主要利用自回归平均算法过程。在处理的过程中,需要相关的信号作为参考信号和其他信号预测预期的输出。在相应的数学模型,它传送相应的参考信号的输入数字信号处理算法。通过这种方式,我们可以最大化之间的关联相应的算法处理能力和相应的处理效果(14]。基于上述情况,可以看出,传统的数字信号处理技术有一些问题,特别是在算法的收敛性和抗干扰度不能达到一定的妥协。在此基础上,提出了一种主成分线性预测处理算法基于杂波抑制处理的曲线特征数据显示返回的目标信号,检测到的杂波可以有效地抑制和相应的目标曲线的典型特征可以通过某些图像增强的信号测量和转换。收敛问题的信号处理和相应的图像色差补偿问题,本文将实现色差补偿相应的目标回波图像基于径向指向横模算法,提高系统整个算法的收敛速度。在本文的实验部分,本文提出的优化算法与传统算法相比。实验结果表明,本文提出的算法具有明显的优势的融合信号处理和抗干扰性能,具有推广价值。

本文的结构如下:在第二部分,当前踏频多分辨率数字信号处理算法的研究现状进行了分析和讨论。在本文的第三部分中,我们将重点分析了频多分辨率数字信号处理算法,主要在分析主成分线性预测基于杂波抑制处理算法处理和半径指向横模算法。在本文的第四部分中,我们将使算法的比较实验。最后,本文总结了。

2。相关工作分析:踏频多分辨率数字信号处理算法的研究现状

领域的主要技术难度加强低空雷达频率检测是数字信号处理算法。踏频雷达主要传送一群宽带载波跳频脉冲信号。相应的回波信号处理技术成为数字信号处理的困难(15,16]。通过研究和分析大量的科学研究机构和军事研究机构,主要有三个频率阶跃多分辨率数字信号处理算法,相应的均值方法,数字信号主成分分析算法和相应的数字信号的线性预测算法。三种算法的重点是不同的,和相应的数据信号处理技术都有自己的优点和缺点。在相应的数字信号处理,主要包括数字信号平均法,即所谓的二维序列处理算法,数字信号预测算法和其他主流数字信号处理算法。相应的算法的细节如下:在数字信号平均法的算法,它是有限的检测环境。如果检测环境是地面,地面应尽可能平坦。当环境被探测到较低,较少干预是必要的。会议相关的环保要求后,相应的元素呼应的平均过滤掉大量的杂波。本质上,大量的原始数据返回的回声某种逻辑顺序排列和组合,形成一个二维序列。要减去相应的序列中的每个元素的平均。 The algorithm has strong antijamming performance, but it has more strict requirements on the experimental environment, and most detection environments are complex and changeable [17- - - - - -19]。相应的数字信号主成分分析算法假设杂乱呈现高斯分布在相应的检测。在这种假设下,信号通过小波分解降低雷达检测信号的杂波分量。数字信号的主要组件是由二维行列式分解抑制相关的混乱。算法具有简单的需求环境和较强的抗杂波干扰的处理能力,但是相应的计算相对复杂,导致严重的收敛问题[20.,21]。线性预测的数字信号处理算法,主要应用自回归平均算法。在这个过程中,信号作为参考信号的相关性预测预期的其他信号输出。在相应的数学模型,相应的参考信号是传输数字信号处理算法的输入,以最大化之间的关联相应的处理能力和相应的处理效果。收敛的算法仍然有问题22- - - - - -24]。因此,上述分析的基础上,结合低空探测的实际情况处理,具有重要意义,从而优化频率阶跃多分辨率数字信号处理算法。

3所示。优化算法的分析和研究了频率多分辨率数字信号处理

本节主要分析和研究了频率多分辨率信号处理算法。主成分线性预测的主要核心算法处理算法和半径指向横模算法。相应的算法体系结构如图1。相应的算法架构从图可以看出,算法和相应的硬件模块体系结构也相应的架构图所示。如图1,核心算法主要是基于传统的信号处理算法,和主成分线性预测处理算法提出了基于杂波抑制处理。根据返回的数据的曲线特征的目标检测到的信号,通过某些图像信号测量和转换、杂波可以有效地抑制和相应的目标曲线的典型特征可以增强。所以它摆脱单一的缺点意味着算法,主成分算法,线性预测算法。收敛问题的信号处理和相应的图像色差补偿问题,该算法主要是基于径向指向横模算法实现相应的目标回波图像的色差补偿,提高系统整个算法的收敛速度。在相应的硬件设计水平,本文主要论述了选择和配置电路设计的FPGA和DSP和讨论相关的辅助电路的设计。

在相应的实验水平,本文首先进行准确建模的信号回波数据,然后进行基于相关性的实验建模。在实验部分,本文不仅进行四种不同算法的比较实验踏频多分辨率处理的数字信号,还模拟了四种不同算法的收敛性和收敛速度基于MATLAB和相应的建模。图中所示的仿真和实验框架。

3.1。主成分线性预测处理算法基于杂波抑制处理

在杂波抑制层面,本节主要是基于主成分的线性预测杂波抑制。在主成分处理,主要分析和过程收集到的回波信号从二维的角度行列式。的主成分,相应的核心处理思想如下:基于二维因素分析的角度来看,它的结构,并计算相应的二级领域无关,从而分析二级字段的重量之间的关系。以回波数据为例,进行了主成分分析。假设相应的回波数据Data1,相应的数据是基于主成分的解构。公式(1)是对应的解构公式。在解构主义公式,相应的数学符号n代表相应的数据采样点的标签,数学符号米代表数据分解通道的数量,和相应的人工智能代表了我目标向量。

基于公式(1),回波数据处理与协方差的行列式。相应的问代表了投影的大小相应的行列式在相应方向对应的回波数据转换后,代表回波数据的波动程度行列式在相应的方向和相应的能量大小。

在此基础上,确定相应的主成分处理算法模式如图2。从图中,我们可以看到相应的处理细节如下。步骤1:以相应的回波数据为相应的处理对象,和相应的处理矩阵计算公式见公式(3),相应的地方n代表了相应的回波数据采样点,和相应的米代表了相应的回波数据的数字。 步骤2:使用传统均值算法来处理回波数据,和相应的回波数据进行预处理。步骤3:基于相应的二维处理矩阵,通过协方差矩阵对应的回波数据处理。第四步:分析相应的特征值和特征向量矩阵的值处理后对应的回波数据。第五步:选择相应的主成分进行处理和分析,并重构相应的回波数据。

基于相应的特征值和特征向量通过上面的主成分值算法的参考数据线性预测算法,相应的回波数据进行进一步的处理和分析,主要实现当前测量数据的预测。在此基础上,相应的核心处理公式见公式(4)。

近距离探测所面临的复杂的干扰因素,基于上述公式定义的数学模型和相应的环境因素,近距离和相应的数学模型如图3。

回波数据处理基于主成分作为相应的参考数据,和相应的双边数据回波数据矩阵的线性预测数据选择当前雷达扫描,和相应的参考数据的数量设置为w .当参考数据的数量很小,相应的参考值范围将会缩小,相应的预测效果会大大降低。当引用数据的数量很大,相应的雷达检测的区别在相应的区域将是巨大的。通过这种方式,相应的数据将失去其代表性。因此,当处理参考数据的数量,本节过滤器根据主成分预处理后的数据特征值,以解决问题的参考数据的数量。在本节中,实际的选择通常是10至20。基于上述原理分析,基于主成分对应的线性预测算法流预处理如图4。从图4,相应的处理步骤如下。步骤1:预处理后再结合收集到的数据对应的主成分,重命名相应的数据矩阵,再分析所有的新矩阵。步骤2:从上面选择一个合理的子空间分析结果并结合相应的数据信息。第三步:进行线性两国在上面的第2步的处理分析数据,和相应的数量线性双边处理数据设置为6 (12)。步骤4:使用最小二乘法预测上述数据,以便最后获得测量值和相应的估计价值,并根据测量值和估计价值,减少差异。

为了解决设备天线之间的耦合干扰的短程探测系统,消除外部干扰因素nonalgorithm因素,以进一步优化上述算法;本节设计的辅助设计天线耦合干扰消除。天线之间的耦合主要存在于固定和稳定的发射天线和接收天线之间的混乱。基于这个杂乱的特点,本节使用空气收购作为实际的参考和减去实际收集的数据。相应的处理步骤如下。步骤1:设置相应的短程检测设备,调试相应的参数,并保持接收和发射天线之间的间隔不变。第二步:拍摄相应的设备天线一个干净的环境没有杂波干扰,并收集相应的清洁的环境数据。步骤3:预处理收集到的数据删除相应的目标源的干扰。收集到的回波数据之间的相互耦合直接波主要是接收和发射天线。步骤4:平均和存储相应的数据。当前的参考数据应该减去从随后的回波数据,以便清洁收集的数据可以获得实际数据处理的算法。

3.2。半径指向横模算法

为了提高整个线性预测算法的收敛速度和解决的单向性问题相应的形象问题,本节提出了半径指向横模算法基于独立细胞分析算法。当相应的回波数据预处理的主要组件,同时信号预处理的一部分。相应的横模算法迭代对应的数据。相应的迭代终止条件设置为绝对值阈值。在此基础上,对应的回波数据的逆矩阵。基于上述获得的逆矩阵,半径指向横模算法用于去极化复用,这样回波数据的处理可以快速收敛。在此基础上,相应的算法流程图如图5。从图可以看出,相应的算法流程细节如下。步骤1:预处理和分析收集到的回波数据。步骤2:基于恒模算法,预处理数据迭代处理。第三步:重复步骤2,直到迭代终止条件(满足一定的阈值)来获取相应的回波数据的逆矩阵。步骤4:基于回波数据的逆矩阵,半径指向横模算法用于去极化复用实现快速收敛。

3.3。算法的硬件系统设计

相应的硬件系统设计基于上述算法和相应的硬件系统架构如图6。从图可以看出,相应的硬件模块包括FPGA数据处理模块、DSP数据处理模块、处理模块和辅助数据。相应的数据处理模块主要采用Xilinx芯片进行数据处理。与此同时,整个数据处理单元配置了两个SDRAM内存芯片和两个闪存芯片。相应的前端信号采集模块主要采用多通道ADC模块和相应的FPGA接口模块。

在相应的数据采集,相关广告公司的芯片主要是使用,和主要模型包括ad9042 ad9631 ad8138, ad4938。ad9631及其相关的电路由电阻和电容,它的主要功能是直流耦合电路,需要配备相应的电路由运算放大器组成的射极跟随器。它的主要功能是画出相对应的内部偏置电压ad9042,和偏置电压的调整仍主要通过运算放大器进行。在ADC系统中,偏差纠正是必要的。修正后的偏置电压和输入回波数字信号合成宽带低噪声运算放大器和用作ad9042的模拟输入。在上面的数据采集电路的设计,数字电路的电源部分应分开模拟部分,以防止它对ADC转换速度的影响。

传输线的实现关键FPGA电路相应的数字处理部分主要实现FFT运算由阿尔特拉公司通过IP核设计。在选择方面相应的DSP,本文主要选择TMS320C3X一系列德州仪器。其相应的结构相对比较简单,和相应的外围设备相对较少。同时,它具有高质量的浮点,低功耗,丰富的寄存器,等等。与此同时,相应的处理器硬件资源也很丰富。它有两个2 k∗32位内存模块和两个16 k∗32位内存模块。其独立项目总线、数据总线和DMA总线使处理器实现并行处理。

在上面的硬件架构系统,相应的辅助电路设计主要包括电源管理电路模块、时钟电路设计部分和复位电路设计部分。相应的电源管理模块的设计主要考虑电源对应的相应FPGA和DSP处理器。在时钟设计方面,相应的DSP, FPGA, ADC,各种各样的记忆回路硬件板是同源的外部时钟。考虑到整个系统的自检功能,晶体振荡器中设置相应的印刷电路板。相应的复位电路设计水平主要包括三种类型的重新设计:上电复位设计,手动复位设计,重新设计和相应的命令。

4所示。信号建模和实验分析

4.1。回波信号的建模

为了更好地分析回波信号并准备以下实验,本节将模型和处理回波信号。理论分析表明,回波信号主要由三部分组成:外部干扰杂波,外部干扰噪声,和相应的短程目标信号。当相应的设备收集信号的回波数据,它可以直接反映在信号频谱。根据实践经验,相应的杂波信号可以归因于杂波干扰直接从空中或地面附近地下耦合。在某种程度上,回波信号的建模可以被理解为杂波信号的建模,它对应于附近空气中的杂物,地下和地面。主要造成的碎片在不久的环境。这种杂波信号的特点,其相应的振幅的变化并不是很大。相应的杂物隐藏在地面或在空中目标信号来源密切相关。相应的混乱往往是造成的严重失真的地下或附近的空间环境媒体的不均匀分布在相应的腔。相应的混乱是一个快速变化的过程。 Therefore, the model corresponding to this kind of clutter is random. The signals generated by the corresponding target source are usually signals with small amplitude. The corresponding other types of clutter are usually random clutter, which are generally set as the standard Gaussian white noise mathematical model, and are basically processed and analyzed by this model in the actual model processing. The corresponding coupling signals between antennas are preprocessed by subtraction algorithm. Based on the above analysis, the corresponding mathematical model of echo signal is established as shown in the following formula:

实验环境设置如下:收集的实验数据是一个研究所,相应的实验环境是一个接近地面,还有洞和相应的地面上不同规格的小石头。实验是基于相同的硬件系统,并收集数据以及测试网站的水平运动,和相应的移动速度将制服。在实际的比较实验中,两种算法的实验条件变量保持不变。在实验场景1,信噪比(信噪比)介绍了区分实验结果。如表所示1显示,不同算法的信噪比的值。从表中可以看出,本文提出的算法有明显优于单一算法,主成分算法,线性预测算法。它具有较高的杂波抑制效应在场景1和更高的信噪比。

在实验场景2,金属干扰的基础上添加实验场景1,和相应的雷达硬件设备不断检测的检测目标测试区域的5倍。振幅积累图对应不同的算法如图7(一)- - - - - -7 (d)。从图可以看出,与其他算法相比,本文提出的算法可以明显过程五个最高目标。

基于实验场景2的信噪比计算表如表所示2。从表中可以看出,本文提出的算法明显优于单一算法,主成分算法,线性预测算法。它具有较高的杂波抑制效果和更高的信噪比在场景2中。

为了验证算法的收敛速度,仿真是进行基于仿真框架如图8下面,和相应的仿真工具MATLAB。仿真架构图中所示的是用来模拟和分析不同算法的收敛性。

在相应的仿真架构图,仿真主要是分为四个频道,对应平均值法、主成分法、线性测量方法,本文提出的算法。在实际的模拟过程中,控制变量法的原则,和相应的数据源是保证是相同的,和相应的数据处理环节是保证是相同的。唯一的区别是数据处理模块。

四种算法的收敛速度图模拟基于上述模拟框架图如图9。从图中,可以看出,本文算法的收敛速度比其他三种算法的快。本文提出的算法可以达到收敛点的速度比其他三个算法。同时,曲线趋势图可以看出。随着数据量的增加,该算法的收敛速度优势将更加明显。

基于场景1和场景2的数据结果,我们可以得出以下结论:单一算法,主成分分析和线性预测算法可以过滤大部分的杂物去除杂波回波信号时,但它仍有混乱的情况不能过滤面对复杂的环境,这是相对较大的相关水平。与上述单一算法相比,本文提出的算法具有明显的杂物过滤的优点,及其相应的收敛速度也非常快。因此,基于上述实验结果,该算法具有明显的优势与融合处理。

5。结论

本文主要分析了现状和缺点踏频多分辨率的数字信号处理技术。基于传统的信号处理算法,提出了一种主成分线性预测处理算法基于杂波抑制处理。根据返回的数据的曲线特征的目标检测到的信号,通过特定的图像信号测量和转换,杂波可以有效地抑制和相应的典型特征可以增强目标曲线。收敛问题的信号处理和相应的图像色差补偿问题,本文实现了色差补偿相应的目标回波图像基于径向指向横模算法和系统提高了整个算法的收敛速度。在实验部分,提出优化算法与传统算法相比。实验结果表明,该算法具有明显的优势的融合信号处理和抗干扰性能,具有推广价值。本文将重点优化的收敛性和抗干扰大规模回波数据。

数据可用性

没有数据被用来支持这个研究的发现。

的利益冲突

作者宣称没有利益冲突。

确认

作者承认西安Peihua大学的科学研究项目,2020年可穿戴运动数据显示系统的设计基于蓝牙(PHKT2029)。

引用

1. h .伊克尔和c . Zdemir”适应了频率连续波形range-Doppler SAR信号处理的算法,”数字信号处理,卷106,不。4 p。102826年,2020年。视图:出版商的网站|谷歌学术搜索
2. c . l .绿诺科技k . m .园c·s·卡里诺et al .,“数字信号处理电离层传播诊断。”无线电科学,50卷,不。8日,11-23,2015页。视图:出版商的网站|谷歌学术搜索
3. m . s . Li雪,t, c . Yu l .吴和锅,“超速和超高分辨率光学矢量分析使用线性调频波形和dechirp处理,”光学信,44卷,不。13,3322页,2019年。视图:出版商的网站|谷歌学术搜索
4. s . j . Tingay p . j . Hancock r . b . Wayth et al .,“一个多分辨率,multi-epoch低射频开普勒K2的调查任务活动1场,”天文杂志,卷152,不。4、112 - 121年,2016页。视图:出版商的网站|谷歌学术搜索
5. o . Lobachev c·乌尔里希,b . s . Steiniger诉Wilhelmi诉Stachniss和m . Guthe“基于功能的多分辨率应用串行部分,登记”医学图像分析,35卷,不。4、288 - 302年,2017页。视图:出版商的网站|谷歌学术搜索
6. m·查冈m . Morsy-Osman d . Patel诉Veerasubramanian, a . Samani d .植物,“数字信号处理的双极化强度和interpolarization相位调制格式使用斯托克斯发现,“光波技术杂志》,34卷,不。1,第195 - 188页,2016。视图:出版商的网站|谷歌学术搜索
7. m·r·Kuldvee, h . c . Smit”改善信号~列车噪声比重复和再现性分析与数字信号处理和多个注射,”分离科学杂志》,21卷,不。3、169 - 174年,1998页。视图:谷歌学术搜索
8. m . Agostini m . Allardt a . m . Bakalyarov et al .,“通过优化改进的能量分辨率数字信号处理在我惊惶的阶段,”欧洲物理期刊C,卷75,不。6,255年,页2015。视图:谷歌学术搜索
9. Schaefer, M·格雷戈里和w·Rosenkranz“相干接收机设计基于数字信号处理在光学高速星际链路与M相移键控,“光学工程,55卷,不。11,111614年,页2016。视图:出版商的网站|谷歌学术搜索
10. 胡赵y, b, z他et al .,“一代和相干检测的QPSK信号用数字信号处理的新方法,”现代物理学字母B,32卷,不。4,1850103页,2018年。视图:出版商的网站|谷歌学术搜索
11. p . j . Yu l . Wang廖et al .,“数字信号处理的方法得到控制信号触发的接收器,”光学工程,54卷,不。11,116103年,页2015。视图:出版商的网站|谷歌学术搜索
12. w . Nascimento Lopes, f·艾萨克·费雷拉,f . Aparecido Alexandre et al .,“数字信号处理声发射信号的使用功率谱密度和数量统计应用于单点酱应承担的操作,“专业科学、测量及技术,11卷,不。5,631 - 636年,2017页。视图:出版商的网站|谷歌学术搜索
13. m . Mazur j·施罗德,a . Lorences-Riesgo t .吉田m . Karlsson和p . a . Andrekson”Overhead-optimization pilot-based数字信号处理的灵活的高频谱效率传输,”光学表达,27卷,不。17日,第24654页,2019年。视图:出版商的网站|谷歌学术搜索
14. t . Yellamraju a·j·杰罗姆翻译,和m . Boutin”调查学生的思维习惯在数字信号处理课程,“IEEE教育,卷62,不。4、312 - 324年,2019页。视图:出版商的网站|谷歌学术搜索
15. m·奥特曼”Ardutouch: Arduino-compatable合成器:数字信号处理挤进一个易于构建的工具——(Resources_Hands],”IEEE频谱,55卷,不。12日,21 - 22日举行,2018页。视图:出版商的网站|谷歌学术搜索
16. k .张问:诸葛,h .鑫和w·胡”DML性能比较,EML MZM dispersion-unmanaged短达到传输和数字信号处理,”光学表达,26卷,不。26日,第34304 - 34288页,2018年。视图:出版商的网站|谷歌学术搜索
17. k . v . Ajay、a .已经和Arif,“数字信号处理的比较、反馈和前馈补偿技术,双极化128 - qam广播/纤维联系,“Optik,卷174,不。5,68 - 76年,2018页。视图:出版商的网站|谷歌学术搜索
18. r·阿西夫·r·艾哈迈德,r . Basir”混合opto-digital信号处理在112 Gbit / s DP-16QAM和DP-QDB传输长途大- $ $ \ hbox{一}_ \ mathrm {eff} $ $ eff pure-silica-core纤维联系,“光子网络通信,32卷,不。1,1 - 8,2016页。视图:出版商的网站|谷歌学术搜索
19. Verma j . z . Wang, n . et al .,“减少量化为内积操作错误在嵌入式数字信号处理系统(技巧),“IEEE信号处理杂志,33卷,不。6,141 - 147年,2016页。视图:出版商的网站|谷歌学术搜索
20. h . y . Liu, c, c .赵问:周,和美国,“实时信号处理在现场可编程门阵列为基础的数字伽马射线能谱仪,“审查的科学仪器,卷91,不。10,104707年,页2020。视图:出版商的网站|谷歌学术搜索
21. h·w . Wang, p .赵et al .,“先进的数字信号处理达到112 gbps的扩展和性能改进和超越直接检测DML-based传播,”光波技术杂志》,37卷,不。1,第169 - 163页,2018。视图:出版商的网站|谷歌学术搜索
22. p·s·李,c·s·李和j·h·李,“发展fpga数字信号处理系统的辐射光谱,”辐射测量,48卷,不。4、12 - 17,2013页。视图:出版商的网站|谷歌学术搜索
23. 问:诸葛,m . Morsy-Osman m .查冈x, m .秋和d . v .植物,“Terabit bandwidth-adaptive传输使用低format-transparent数字信号处理,”光学表达,22卷,不。3,p。2278年,2014年。视图:出版商的网站|谷歌学术搜索
24. 钱德拉塞卡x Liu和p . j .矿井“数字信号处理技术使tb \ / s superchannel传播:最新进展的概述DSP-enabled superchannels,”IEEE信号处理杂志没有,卷。31日。2 - 24,2014页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Qunying陈。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。