信号通信论文十篇

信号通信论文篇1

论文摘要:近几十年里，数字信号处理技术取得了飞速发展，特别是在自适应信号处理方面，通过内部参数的最优化来自动调节系统特性并以其计算简单，收敛速度快等许多优点而被广泛使用。本文主要介绍了几种常用的自适应算法，如：LMS，RLS，NLMS等。分别就几种算法在算法原理，算法性能分析和计算机仿真等方面来说明各种算法的优越性。通过围绕算法的优缺点进行比较，得出一些重要结论。最后对自适应信号处理的一些应用作了介绍和分析，并对其进行了仿真。

Abstract：Inrecentdecades,digitalsignalprocessingtechnologyhasmaderapiddevelopment,especiallyinadaptivesignalprocessing.Theadaptivesignalprocessingalgorithmcanadjusttheinternalparametersoffilterstooptimizesystemcharacteristicsautomatically.Foritssimplecomputationalcomplexity,fastconvergencespeedandmanyotheradvantages,adaptivefilerhasbeenwidelyused.

Thispaperintroducesseveralcommonlyusedalgorithms,suchas:LMS,RLS,NLMS,etc..Throughtheprincipleofadaptivealgorithmanalysisandsimulation,weillustratethevariousaspectsoftheadaptivealgorithm’ssuperiority.Andthroughthecomparingoftheiradvantagesanddisadvantages,wecoulddrawsomeimportantconclusionsfordifferentalgorithm.

Keywords:Adaptivesignalprocessing,Adaptivefilter

1引言

自适应信号处理是信号处理领域的一个非常重要的分支。作为自适应信号处理基础的自适应滤波理论是对信号处理研究的一个重要方法，本文亦将它作为研究的手段。自适应信号处理经过近40年来的发展，随着人们在该领域研究的不断深入，其理论和技术已经日趋完善。尤其是近年来，随着超大规模集成电路技术和计算机技术的迅速发展，出现了许多性能优异的高速信号处理专用芯片和高性能的通用计算机，为信号处理，特别是自适应信号处理的发展和应用提供了重要的物质基础。另一方面，信号处理理论和应用的发展，也为自适应信号处理的进一步发展提供了必要的理论基础。自适应信号处理已经在诸如噪声对消，信道均衡，线形预测等方面得到广泛的应用。

本文主要研究的是自适应信号处理中一些基本的算法，如：LMS，RLS，NLMS等。在学习和总结前人工作的基础上，对各种算法进行了详细的推导，分析了它们的特点及性能，诸如稳态特性，收敛条件及参数的取值。对其中的两个基本算法LMS和RLS算法在收敛性和稳定性进行了分析比较，并用matlab仿真得到验证。最后对自适应处理的一些应用作了简要说明，如：噪声对消，信道均衡，线性预测及陷波器等，并对其进行了仿真。

1.1研究的目的和意义

常规的信号处理系统，利用自身的传输特性来抑制信号中的干扰成分，对不同频率的信号有不同的增益，通过放大某些频率的信号，而使另一些频率的信号得到抑制。由于其内部参数的固定性，消除干扰的效果受到很大的限制。通常许多情况下，并不能得到信道中有用信号和干扰信号的特性或者它们随时间变化，采用固定参数的滤波器往往无法达到最优滤波效果。在这种情况下，可以用自适应处理系统，来跟踪信号和噪声的变化。

自适应系统可以利用前一时刻已经获得的滤波器参数等结果，自动的调节现时刻的滤波器参数，以适应信号和干扰未知的或随时间变化的统计特性，从而实现最优滤波。正是由于它在设计时需要很少或者无需任何关于信号和干扰的先验知识就可以完成的优点，所以发展很快，并得到广泛的应用。

1.2自适应系统的组成

自适应系统和常规系统类似，可以分为开环自适应和闭环自适应两种类型。开环自适应系统主要是对输入信号或信号环境进行测量，并用测量得到的信息形成公式或算法，用以调整自适应系统自身；而闭环自适应系统还利用系统调整得到的结果的有关知识去优化系统的某种性能，即是一种带“性能反馈”的自适应系统。

下图a表示一个开环自适应系统，控制该系统的自适应算法仅由输入确定。图b则表示一个闭环自适应系统，控制该系统响应的自适应算法除了取决于输入外，还依赖系统输出的结果。

1.3基本自适应算法

这里主要介绍LMS，RLS，NLMS三种基本算法。

LMS算法是最被广泛应用的滤波器演算法，最大的特点就是计算量小，易于实现。基于最小均方误差准则，LMS算法使滤波器的输出信号与期望输出信号之间的均方误差最小。运算过程不需要对相关函数及复杂的反矩阵做运算，所以经常拿来用作比较的基准。

LMS算法为了便于其实现，采用误差输出模的瞬时平方值(即瞬时功率)的梯度来近似代替均方误差的梯度。实际上我们可以直接考察一个由平稳信号输入的自适应系统在一段时间内输出误差信号的平均功率，即把平均功率达到最小作为测量自适应系统性能的准则，这就是RLS算法。换句话说，LMS算法是将输出误差信号的平均平方值最小化，而RLS算法是将输出误差信号平方值总和最小化。虽然RLS算法复杂度和阶数平方成正比，但是由于它的收敛速度快，所以仍然受到广泛的应用。

为克服常规的固定步长LMS自适应算法在收敛速率，跟踪速率与权失调噪声之间的要求上存在的较大矛盾，许多学者提出了各种各样的改进型LMS算法。比如归一化LMS，基于瞬变步长LMS以及基于离散小波变换的LMS自适应滤波算法。这里我们讨论归一化的LMS算法，即NLMS算法。

以上这些算法主要特点是不需要离线方式的梯度估值或者重复使用样本数据，而只需在每次迭代时对数据作“瞬时”梯度估计。因此自适应过程中的迭代比较简单，收敛速度比较快。

1.4Matlab语言介绍

本文的算法仿真采用了MATLAB语言。MATLAB是Mathworks公司于20世纪80年代推出的数值计算软件，近些年来得到了广泛的应用。MATLAB的全称是MatrixLaboratory，意思是矩阵实验室。它是以矩阵运算为基础的新一代程序语言。与Fortran和C相比，MATLAB语句显得简单明了，更加符合人们平常的思维习惯。同时，MATLABB有着良好的数据可视化功能，能将数字结果以图形的方式表现出来，让人们一目了然。这些特点使得MATLAB从众多数值计算语言中脱颖而出，并正以相当快的速度在科学研究和工程计算中得到应用和普及。

MATLAB有着非常强大的数值计算能力，它以矩阵为基本单位进行计算，数域扩展到复数，这一特点决定了MATLAB有着非凡的解决数值问题的能力。绘图方面，MATLAB的绘图语句简单明了，功能齐全。它能够在不同坐标系里绘制二维、三维图形，并能够用不同颜色和线型来描绘曲线。正是由于MATLAB这些特点，从而使它适合与进行自适应算法仿真。

2基本自适应算法的分析与Matlab仿真

2.1最小均方误差(LMS)自适应算法

2.1.1LMS自适应滤波器基本原理

SHAPE\*MERGEFORMAT

图2.1.1LMS自适应滤波器原理框图

图2.1.1中，表示时刻的输入信号，表示时刻的输出信号，表示时刻的参考信号或期望响应信号，表示时刻的误差信号。误差信号为期望响应信号与输出信号之差，记为。自适应滤波器的系统参数受误差信号控制，并根据的值而自动调整，使之适合下一时刻的输入，以使输出信号更加接近期望信号，并使误差信号进一步减小。当均方误差达到最小值时，最佳地逼近，系统已经适应了外界环境。

2.1.2E[e2(n)]与权值W的关系

LMS自适应滤波器通过算法，当最小时，滤波器已经调节出适合现在外部环境的滤波器权值W。

(1)我们可以先推导出与加权系数W的关系式。

写成矩阵形式：式(2.1.2.1)

误差：式(2.1.2.2)

则式(2.1.2.3)

令带入式(2.1.2.3)中得

中国可以从上式看出均方误差是加权系数的二次函数，它是一个中间上凹的超抛物形曲面，是具有唯一最小值的函数。即与的关系在几何上是一个“碗形”的多维曲面。为了简单，设是一维的，则与的关系成为一个抛物线。调节加权系数使均方误差最小，相当于沿超抛物形曲面下降到最小值。连续地调节加权系数使均方误差最小，即寻找“碗”的底点。碗底：，即点。

2.1.3LMS算法推导

最小均方差（LMS）算法，即权系数递推修正达到最佳权系数是依据最小均方算法。最陡下降法（SteepestDescentMethod）是LMS算法的基础，即下一时刻权系数矢量应该等于“现时刻”权系数矢量加上一项比例为负的均方误差函数的梯度，即

式（2.1.3.1）

其中为

式（2.1.3.2）

为控制收敛速度与稳定性的数量常数，称为收敛因子或自适应常数。式（2.1.3.1）中第二项前的负号表示当梯度值为正时，则权系数应该小，以使下降。根据式（2.1.3.1）的递推算法，当权系数达到稳定时，一定有，即均方误差达到极小，这时权系数一定达到所要求的最佳权系数。LMS算法有两个关键：梯度的计算以及收敛因子的选择。按（2.1.3.2）计算时，要用到统计量G，P，因此有很大困难，故通常用一种粗糙，但却有效的方法，就是用代替，即

式（2.1.3.3）

式（2.1.2.3）的含义是指单个误差样本的平方作为均方误差的估计值，从而使计算量大大减少。从而最终可以推出权系数迭代的LMS算法为：

式（2.1.3.4）

为输入样本向量，只要给定系数迭代的初值，根据上式可以逐步递推得到最佳权系数，并计算出滤波器误差输出。下图为LMS算法的流程图：

SHAPE\*MERGEFORMAT

2.1.4LMS算法的参数分析

LMS算法所用到计算式如下：

系统输出：

误差估计：

权值更新：

其中为信号输出，为输入向量，为误差值，为权值向量，为期望值，为步长。在LMS算法中步长值的取舍问题非常重要，直接影响了算法的收敛速度。值是用来调整加权参数的修正速度，若值取的过小，收敛速度就会过于缓慢，当取的过大时，又会造成系统收敛的不稳定，导致发散。所以选取最佳的值是LMS算法中一个重要的问题。具体收敛条件可由下面的式子分析得出：

可以以得出收敛条件及

其中是输入相关矩阵的最大特征值。

2.1.5LMS算法的仿真分析

图(2.1.5.1)

上面为输入信号与输出信号图示。输入信号采用正态随机信号加上高斯白噪声。可以看出输出信号经过一段时间基本达到跟踪，滤波的效果。

图(2.1.5.2)

图(2.1.5.3)

信号通信论文篇2

由于普通的计算机控制系统安全性差，无法对外部输入信息的准确性进行判断。当系统产生故障时，无法保证系统安全的能力，这些因素都限制了计算机控制系统的应用。当前，我国干线铁路上使用的计算机连锁系统主要为国外铁路信号公司的容错计算机控制系统，成本较高。所以，我国铁路科研院逐渐将安全、铁路信号控制系统作为主要的研究工作来开展。

2铁路信号系统无线通信的基本要求

2.1通信结构

铁路信号系统远程控制技术在保证铁路信号系统安全运行方面具有重要意义。相较于继电连锁系统来说，计算机连锁系统的综合性能更好。所以，车站连锁系统也逐渐从继电装置专变成了计算机系统。事实上，计算机连锁系统是一个满足安全、故障信号的连锁逻辑运算系统。而逻辑上，可以将运算系统分为监控层、控制设备层和关联系统三个模块。其中关联系统主要包括调度集中、联锁机、模拟屏、调度监控、复显等内容；监控层主要是指计算机联锁系统对调度机车信号和站场状态进行监测和控制的设备；控制设备层主要控制电源屏无线通信、I/O、PLC和电源屏的无线通信、I/O的通信。

2.2通信设计

2.2.1控制设备之间的无线通信

控制设备主要是用来对现场的多个I/O设备进行控制，常规的方法将多路器布置在现场，然后将输入/输出模块和端子排连接，并利用现场总线技术，在工业现场放置I/O模块。所有的现场子站都可以利用一根电缆连接起来，从而把所有的现场信号简单方便的传送到控制室的监控设备上。

2.2.2控制设备和监控站的通信

监控站通信主要传递安全信息数据，利用PLC和联锁机之间的串口和监控站连接实现信息的传递。因而PLC和联锁机之间使用CCM传输协议进行传输。为了屏蔽外界的干扰，提升数据的准确性，将读取的PLC数据作为有效数据，向联锁程序提交。此外，该通信程序还可监督PLC和联锁机运行状态。由于每次通信时，联锁机都会对PLC的约定内部寄存器进行检查，此寄存器只可以利用联锁机置位PLC进行复位。在检查的过程中，如果PLC置位时间不对，就表示PLC工作异常。同理，如果PLC发现联锁机置位不按时，证明连锁机的也不能正常工作，为了确保系统安全运行，会立即发出报警信息，并会进行安全处理。

2.3关联系统之间通信技术

关联系统主要是计算机之间利用互联网进行通信，可以利用RS-485和RS-232达到通信目的。而局域网中的通信可以利用Socket的接口实现，局域网中电脑可以通过拨号的方式和互联网机械通信，也可以连入专网进行通信。

3无线通信技术的特点

目前，无线通信技术主要有433Hz频段、2.4Hz频段、蓝牙、红外等。在高速行驶高速铁路上，如果距离小可以使用这些无线技术。但是如果距离很远的时候，无线通信的距离也就相对较远，利用无线通信可以避免使用中继设备。铁路信号系统作为指挥铁路运行的系统，在运行的过程中，可以利用信标和全球定位系统来保证铁路的位置和速度。车站在收到设备信息后，会经过信息发送到执行控制计算机中。在铁路信号系统中，无线通信技术主要有以下特点：（1）可以对铁路的运行情况进行更加稳定的控制，不仅可以防止列车运行情况下速度过快或者多次发动，并且可以有效地节省资源。（2）在一些关键的控制系统中,列车按照操作状态和自身情况进行调节，利用计算机对列车进行辅助调整，进而提高铁路信号系统的管理水平；（3）省去地面上的信号设备，降低了信号系统设备的维护资金；（4）无线信号适应能力强，可以提高列车的行进速度，可以对系统中的相关参数进行远程调节。不过，在使用无线通信技术时，铁路信号系统中也有一些问题存在，例如一些设备的成本较高、高速铁路列车的运行速度和电码传送速率不符合。

4无线通信技术在铁路信号系统中的应用

4.1集中调度中的应用

在集中调度系统中，调度中心科员按照车站的区段闭塞情况和法线占用情况了解列车的运行，并根据收集到的信息对进路进行排列。但是，使用无线通信技术可以使控制系统详细了解列车的运行速度和位置，并根据沿线信号系统的基本情况，向列车传递控制信息，确保列车稳定、安全、快速地运行。通过利用无线通信技术，可实现控制中心和列车之间的双线数据传输，为列车的运行提供了便利，达到自动指挥的目的。

4.2微机联锁中的应用

在微机联锁中应用无线技术，可以将信号机的闭锁状态、道岔情况等发送至主控中心，并使用道旁接口单元对主控中心传达的控制命令进行接收，达到控制信号机动作和道岔的目的。此外，道旁接口单元可以使用无线信道和控制中心取得联系，然后利用电缆和现场设备进行连接，达到控制、检测辅助子系统的目的。当前，无线通信技术在微机联锁中的应用需要增加运营成本，并且一些比较大的车站对无线信号干扰比较大，还没有得到广泛的推广和应用，不过在微机联锁中应用无线技术的前景是非常不错的。

4.3无线通信技术在中继器中的应用

在铁路运行过程中，想要实现每一个铁路都设置通信基站难度是比较大的。这样设置不仅会导致设备投资增加，并且会使无线通信铁路信号系统丧失意义。而利用中继器，基站可以使用中继器进行射频信号的发送和接收，进而实现基站同时，管理线路、车辆以及基站区域范围中的站区。

4.4使平交道口的通过率提升

信号通信论文篇3

专 业：

姓 名：

学 号：

报告日期：

论文(设计)题目：

智能天线技术的基本原理及其music算法

指导教师：

论文(设计)起止时间：

一、论文(设计)研究背景与意义

智能天线是3g的一项关键技术，作为当今三大主流标准之一的td-scdma(time division-synchronous code division multiple access)是由中国自主提出使用的tdd方式的(时分双工方式)的第三代移动通信系统标准。td-—scdma的核心技术之一就是智能天线技术。在td-—scdma系统中使用智能天线技术，基站可以利用上行信号信息对下行信号进行波束成形，从而降低对其他移动台的干扰，同时提高接收灵敏度，增加覆盖距离和范围，改善整个通信系统的性能。

智能天线是一种多天线系统，它按照某种算法来对准期望信号，使得期望信号得到最大增益，而干扰信号被压制。　智能天线系统的核心在于数字信号处理部分，它根据一定的准则，使天线阵产生定向波束指向移动用户，并自动调整权系数以实现所需的空间滤波。智能天线需要解决以下两个关键问题：辨识信号到达方向doa(directions of arrinal)和数字波束赋形的实现。在对信号doa估计的算法中，作为超分辨空间谱估计技术的music(multiple signal classification)算法是最经典的算法之一。

本文针对3g的需求背景，研究智能天线技术及doa估计算法。随着移动通信用户数迅速增长和人们对通话质量要求的不断提高，要求移动通信网在大容量下仍具有较高的话音质量。经研究发现，智能天线可将无线电的信号导向具体的方向，产生空间定向波束，使天线主波束对准用户信号到达方向doa(directions of arrinal)，旁瓣或零陷对准干扰信号到达方向，达到充分高效利用移动用户信号并删除或抑制干扰信号的目的。同时，利用各个移动用户间信号空间特征的差异，通过阵列天线技术在同一信道上接收和发射多个移动用户信号而不发生相互干扰，使无线电频谱的利用和信号的传输更为有效。在不增加系统复杂度的情况下，使用智能天线可满足服务质量和网络扩容的需要。

其实就是一种多天线系统，它按照某种算法来对准期望信号，使得期望信号得到最大增益，而干扰信号被压制。因此需要知道期望信号到来的方向，即doa。music算法是经典的用来估计波达方向的算法。

二、论文(设计)的主要内容

智能天线是一种安装在基站现场的双向天线，通过一组带有可编程电子相位关系的固定天线单元获取方向性，并可以同时获取基站和移动台之间各个链路的方向特性。智能天线的原理是将无线电的信号导向具体的方向，产生空间定向波束，使天线主波束对准用户信号到达方向doa(direction of arrinal)，旁瓣或零陷对准干扰信号到达方向，达到充分高效利用移动用户信号并删除或抑制干扰信号的目的。

波达方向(doa,direction of arrival)估计是智能天线研究的一个重要方面,无论是上行多用户信号的分离,还是下行选择性发射,对用户信号doa的测定,都成为智能天线实现指向性发射的必要前提。在对信号doa估计的算法中,作为超分辨空间谱估计技术的music(multiple signal classification)算法是最经典的算法之一。本文主要介绍智能天线技术的基本原理，发展历程，技术分类，及智能天线对系统的改进和主要用途。写出均匀线阵的统计模型，研究music算法的基本原理，用matlab仿真实本课题的主要研究内容如下：

(1)介绍智能天线技术的发展历程、研究现状和技术分类;

(2)在均匀线阵的统计模型下研究智能天线技术的基本原理;

(3)重点研究music算法的基本原理，并用matlab仿真软件实现;

(4)分析music算法的估计精度，得出全文结论。

三、论文(设计)的工作方案及进度安排

第一阶段(XX年9月7日-XX年10月11日)查阅有关智能天线技术，music算法和matlab仿真等方面的资料，关注国内、外当前的先进技术和发展前景，积累知识。

第二阶段(10月12日-11月8日)对智能天线的工作原理进行详尽地分析，给出均匀线阵的统计模型，研究music算法的基本原理，学习用matlab实现仿真

第三阶段(11月9日-11月22日)用matlab编写程序，程序调试

第四阶段(11月23日-12月20日)整理资料，结合设计经历撰写论文，备战论文答辩。

四、参考文献

1) 刁鸣，熊良芳，司锡才，超分辨测向天线阵性能的计算机仿真研究，电子学报，XX no.5

2) 何子述，黄振兴，向敬成，修正music算法对相关信号源的doa估计性能，通信学报，XX no.10

3) 张贤达，保铮，通信信号处理，国防工业出版社，XX

4) 刘德树，罗景青，张剑云，空间谱估计及其应用，中国科学技术大学出版社，1997

5) 李旭健，孙绪宝，修正music算法在智能天线中的应用，山东科技大学，266510

6) 陈存柱，浅析自适应智能天线技术的应用，北京师范大学，100875

7) [美]s.m. 凯依 著，黄建国等 译，现代谱估计原理与应用，科学出版社，1994

8)徐明远， matlab仿真在通信与电子工程中的应用 XX

五、指导教师意见

指导教师签字：

年 月 日

六、答辩小组意见

信号通信论文篇4

关键词：通信信号调制方式 识别方法 统计模式 决策模式

中图分类号：TN911 文献标识码：A 文章编号：1003-9082（2016）08-0012-01

就一般情况而言，调制识别作用于信号的检测与解调之间，在整个信号传输过程中，只有信号的接收方通过信号调制方式对信号传递的信息进行解调，才能顺利地完成整个信号传输过程。在信息传递过程中对信号的识别受诸多因素影响，尤其在无线通讯技术迅速发展的情况下，为满足更加高端的需求，无线信号传输过程中对调制方式及参数的选择越来越复杂。如何快速准确地识别不同状态下的通讯信号，成为通讯领域日益关注的问题。

一、通信信号调制方式中的统计模式识别方法

统计模式识别方法是在模式识别理论基础上发展而来的，其识别过程主要包括信号预处理，特征提取和调制类型分类（如图1所示）。三者在信号的识别过程中所起的作用是相互顺承的，其中信号预处理是为了保障信号信息的精准度而实施的，具体是指在特征提取这一环节之前为信息的传递筛选更加精准的内容，确保传递的有效性。同时，对信号进行特征提取，准确捕捉信号传输过程中某一结点的特征，以此更加准确的把握信号传输中的具体情况，从而选取最为合适的识别分类方法，如图1所示。

统计模式识别方法是通信信号调制方式中较为常见的识别方法，其具有以下优势：

1.理论清晰，预处理过程确保信号信息的精准可靠。即使在通信环境非合作化状态下，也能对信息在接收端做到较好的掌控，从而确保其在整个传递过程中的稳定及时。

2.特征提取针对性较强。通过特征提取保障信号的信道中的唯一性与稳定性，并且可以有阵性地对信号开展调制分类。

但是，在具体的识别过程中，统计模式识别方法也存在一定的问题：统计模式的识别方法虽然理论清晰，但是其理论框架不够完善，当信道环境处于较为迷糊状态时，尤其在噪音较大的环境下，特征提取的效率较低，很难实现预期效果。

二、通信信号调制方式中的决策模式识别方法

决策模式识别方法的理论基础为假设检验方法，其被看做为利用多重假设检验来解决识别问题（如图2所示）。其理论实施所具备的相关环境为背景干扰状态下，对信号的相关统计量进行核查推导，以此得出信号的正确性能参数。在这个过程中，推导得以实现的理论依据为相关函数的最小化原则。

决策模式识别方法在应用过程中得以不断地创新与改善，形成多种具体边便捷的方式，其具体优势如下：

1.理论基础相对完善。决策模式识别方法在识别性能方面具有突出的优势，其在识别过程中可形成相关的性能曲线，具有一定的权威性。因此，在具体的识别过程中，可以将其作为标准性参考，对其他识别方法进行有效地检验。

2.受噪音影响较小。由于在设计中充分考虑信道中噪音的影响，使其在噪音环境下仍能确保识别的可靠性与有效性，从而提升其识别能力。

但是，在决策模式识别方法具体实践过程中，仍存在一定的不足。首先，其相关函数的建模过程较为复杂，在数据处理方面具有一定的难度。为了得到相关数据，通常情况下对其采取简化手段以此获取相应的计算结果。但是这样一来，会造成原始数据的丢失，从而导致计算结果的偏失。其次，其普遍性较差。通过决策识别方法中的相关算法得到的数据及参数，由于获取环境的特定性，其结果具有相当强的特殊性，不具普遍代表性。最后，其特定性较强，应急能力较弱。运行过程中对环境的先定要求较高，一定环境发生临时改变，其算法的准确性急剧下降，进而影响其识别功能。

三、通信信号调制方式特殊情况中的识别方法选择

在通信信号调制过程中存在着相应的特殊情况，即非理想信道和共信道多信号两种情况。首先，在非理想信道中，存在诸如信道衰落或噪声中的色噪声和脉冲噪声等情况。在这些特殊情况下，对通信信号调制方式的识别方法具有特殊的要求，较为普遍的识别方法无法解决其中的问题。（1）对于噪音的处理将其转化为普通信道中存在的噪音模式，在对其进行相应的处理或者对其特征进行把控，开发新新的识别方法以实现对其调制。（2）对于信道衰落的处理一般采取补偿衰落的方式，对信道恢复后的相关数据进行特征提取。同时，采取空间分集，对信号干扰进行有效控制与消除。

其次，共信道多信号的出现源于无线电技术不断发展造成的传输频段相对紧张，信号干扰不断发生的状况。在共信道多信号状态中，会出同一个信道中叠加多种信号的情况，从而造成信号混乱。对于共信道多信号的情况，多采用的识别方法主要表现为两种：第一，采取盲源技术，对多信号进行剥离，将其转化为单独信号问题，进而选取合适的识别方法。第二，借鉴特征提取，在多信号中找寻明显的特征，从特殊性出发对其进行识别。

四、通信信号调制方式中识别方法未来发展要求

1.降低识别算法中对先验知识的要求。当前识别方法中，对预处理数据及参数的要求极高，在算法中先定条件为信号参数已知并且相关数据具备实时共享的可能性。但是，在特殊条件下，先验知识是不确定的，对参数及相关数据不明确，导致算法准确性缺失甚至无效。因此，在通信信号调制方式识别方法的发展过程中，要降低识别算法中对先验知识的要求，从而提高算法的适应性，以更好地开展识别活动。

2.简化处理过程。由于无线信息技术的不断发展，数据传输越来越复杂，数据处理工作也变得日益繁杂。为了提高处理效果，提升识别方法的有效性。在今后的通信信号调制方式中识别方法的开展中，务必要简化相关处理过程，从而降低算法中不同信号的叠加。

结语

综上所述，就目前通信信号调制方式识别方法的发展与研究现状而言，其已经具备相当成熟的技术水准，对于大部分通信信号传输过程中存在的相关问题都能及时准确地予以分析识别。在通信信号调制方式中识别方法的未来发展中，准确把握其发展方向及发展优势，保证其更好地推进无线通信信号调制方式的创新，更好地促进无线通信技术的发展。

参考文献

[1]李红.浅析通信信号调制识别方法[J].科技创新与应用，2015，（34）：94.

信号通信论文篇5

1.1基于矢量图形拓扑结构的信息数据模型结合图论和拓扑结构理论，本文采用的信息数据模型是根据地铁站场平面特性，将地理信息系统（GIS—GeographicInformationSystem）数据模型进行平面化处理，构建地铁信号设备系统的信息数据模型。本文根据车站站场图将各个常量模块联结来就形成了站场形数据结构图。本文测试站段线路数据结构图如图3所示。图3中的数据模块为节点，节点与节点之间的联结为链接。以K(n)作为节点的代号，其中是相应监控对象的名称。之后添加的信号设备对象都会依附在这些节点上，再增加一个位置偏移量来区别相对位置和关系，这样形成一个完整的信息系统。因此，构建的线路数据拓扑结构主要包括：轨道区段信息、道岔区段信息和它们的连接关系。其中，轨道区段信息和道岔区段信息是用节点来表示的，它们的连接关系是用线来表示的，线路信息数据结构本质上是节点的链接表，如图4所示。根据节点链接图就可以生成站场形数据结构。每个节点所占区域划分成数据场df和指针场pf两部分。数据场存放该节点的常量，指针场存放相邻节点首地址。指针场定义了两个指针sp和xp，sp表示上行方向上该节点的后辈节点首地址，xp表示下行方向上该节点的后辈节点首地址，当没有邻节点时即没有后辈节点的节点，则在相应的指针场中记入“0”。对于道岔节点来说，有3个指针场：（1）岔前指针场，用来存放岔前邻节点的首地址；（2）岔后直股指针场，用来存放岔后直股邻节点的首地址；（3）岔后弯股指针场，用来存放岔后弯股邻节点的首地址。

1.2基于拓扑图论搜索的设备布置模型根据拓扑图论的思想，将信号设备数据结构与线路拓扑数据关联。将信号设备数据放到线路拓扑数据结构中，在节点数据中包含道岔，在边数据结构中包含信号机、计轴、应答器等。基于拓扑图论搜索的设备布置模型是城市轨道交通信号设备应用模型的核心，模型结构图如图5所示。

1.2.1基于矢量拓扑结构的遍历搜索根据信号设备布置模型的要求，需查找到布置设备约束条件中的特定信号设备。为了解决这个问题，在图论的算法中选择了图的搜索算法。在一个图G中搜索算法的基本思路：从一个顶点v1开始，给它一个“标记”，N(v1)。然后给v1的邻点标记，再给它的邻点的邻点标记，如此等等。最典型的搜索方法有3种，即深度优先搜索（DFS）、广度优先搜索（BFS）和启发式搜索（HS）。根据之前建立的信息数据拓扑结构，本文结合了广度优先搜索BFS和启发式搜索HS来设计搜索算法，基本思想是：从v0开始，依次访问v0的所有邻点v1，v2，…，vl，然后依次访问与v1邻接的所有顶点，已经访问过的顶点不再访问，依次继续搜索，直到所有的顶点都被访问为止[1]；当搜索到某个节点时，进行条件布置判断，若成立，则搜索周围的设备，再进一步进行条件判断。当T中得到访问点时，再进行启发式搜索（HS）判断是否满足信号设备布置原则，若满足则插入新设备对象到信息数据库中。

1.2.2信号设备布置原理分析信号设备布置原理分析是模型的重要部分，也是工作量最大的部分。在此部分将对需要布置的全部信号设备逐个进行条件分析，然后确定是否满足布置的要求。以信号机为例简要说明布置原理分析。信号机的布置与停车点、计轴、道岔、车挡和防护门等因素相关联。实际应用时信号机的布置需遵循设备数量最少化原则。信号机布置规则简表如表1所示。

1.3基于图搜索的进路生成模型在矢量拓扑理论的基础上可以拓展更多的应用，如完成更多设备的自动布置功能、联锁进路表的生成功能、仿真实现功能等。以进路表的生成为例说明拓展应用的开发和研究的方便性。此模型的核心是进路搜索模块，进路搜索算法流程图如图6所示。进路搜索模块的其任务是根据进路表名称从站场形数据结构中选出与该进路有关的节点及确定进路中各道岔应处的位置，然后将各节点的数据及道岔位置信息构成该进路的“暂态进路（数据）表”，作为后续联锁程序使用。

2模型仿真与验证

案例采用某实际地铁站的信息，在Visual2010仿真平台上，对以上所建的城市轨道交通信号设备应用模型进行仿真和验证。软件实现过程中，编程完成的主要工作如表2所示。案例中，根据拓扑图论的理论思想，为了反映对象之间的关系，首先对地铁站所涉及的研究对象进行图元化处理，实现了轨道区段、道岔、信号机、计轴等研究对象的定义，并完善了这些对象的操作功能。在基于拓扑结构的信息数据模型的基础上，就可以按照规定的形式建立和完善地铁站线路基本信息。信息输入的方法可以分为2种：（1）根据界面的图元快捷工具，绘制线路基础数据信息；（2）按照规定的形式将线路基础数据信息写成txt文件，系统将根据文件信息自动绘制线路基础站场信息。

2.1基于拓扑图论搜索的信号设备布置案例中要完成主要信号设备布置，首先需按照设定的格式输入一些必要信息，如根据属性框提示输入道岔属性信息如图7所示。根据信息数据模型相关处理后，完成基于拓扑图论搜索的设备布置，其仿真结果图如图8所示。分析仿真结果可知，通过此模型有效的实现了主要信号设备如信号机、计轴、应答器等的自动布置。布置结果和工程中手动设计的布置图误差很小，且通过系统可以手动来调整这些特殊情况下的设备布置。由此可见，采用图论和拓扑结构处理数据后，可以在较短的时间内，较容易的实现复杂的信号设备布置关系。

2.2进路信息Excel表生成将城市轨道交通信息数据通过图元化处理，以模块的形式进行操作，再将各个模块之间的关系采用拓扑结构组织，建立信息模型后，便于进行多种功能的扩展，如进路表。生成进路信息Excel表时，需要完善信号机的属性，如图9所示。完善各个信号机的属性后，经过基于图搜索的进路生成模型，自动生成进路信息Excel表的进路信息Excel表列举了所有进路，并明确的反映了每一条进路所对应的设备的具体状态。查看进路信息Excel表可知，由于城市轨道交通和大铁站点的区别，使得进路信息Excel表与以往大铁联锁表的表示方法具有很大区别。模型生成的进路信息Excel表更能明确的反映地铁中重要的联锁逻辑关系。

3结束语

信号通信论文篇6

关键词：仪表着陆设备 ILS420 航道余隙功率比 反射场地坡度 解决建议

中图分类号：TN74 文献标识码：A 文章编号：1672-3791（2014）09（a）-0088-02

目前，中国民航系统共安装了多套THALES ILS420仪表着陆系统设备。自2011年投产以来，陆续出现了多套航向设备在校飞时出现覆盖受限的情况。本文从系统内部入手，从系统内在分析了问题的原因，并提出了几条解决问题的办法。

1 理论场型比对分析

（1）ILS 420 14/10天线系统和NORMARC 12单元天线系统理论场型图比对。

图1、图2比对分析：通过比对ILS 420 14/10天线系统理论场型图和NORMARC 12单元天线系统理论场型图可知：处于标称值的理想工作状态时，在左右20°的位置上，ILS420 14/10天线系统（余隙CSB功率/航道CSB功率=2.52/3.02=0.694）的余隙信号强度比跑道中心线上航向信号强度小18 dB，而NORMARC 12单元天线系统（余隙CSB功率/航道CSB功率=20/20=1.0）的余隙信号强度比跑道中心线上航向信号强度小12 dB；在左右35°的位置上，ILS420 14/10天线系统的余隙信号强度比跑道中心线上航向信号强度小23 dB，而NORMARC 12单元天线系统的余隙信号强度比跑道中心线上航向信号强度小20 dB。也就是说，由于天线系统设计理念的不同和余隙/航道CSB功率比的不同，在理想场型时如果ILS420 14/10设备和NORMARC 12单元设备在航道中心线上信号强度相同，则前者在左右20°的余隙信号要比后者低6 dB， 前者在左右35°的余隙信号要比后者低3 dB。

2 抬高天线高度对覆盖的影响

安装在地面上的航向天线阵，将通过地面产生一个“镜像”天线阵，航向信号在垂直面内的辐射场型将由自由空间的辐射场和地面反射特性共同决定的，因此航向信号在垂直方向的最大辐射角度随天线阵高度变化，天线阵越高，最大辐射方向越低。当飞机在低角度高度飞行时（10°以下），天线阵越高，同一高度飞机接收的信号越大；飞机在进近着陆捕获航向信号时，相对于航向天线阵而言处于低角度（低于3°），这时飞机接收信号的强度随飞行高度增加而线性变化，飞机飞得越高，接收到的信号越大。因此增加航向天线阵的高度，也可以有效改善外场信号的覆盖情况。目前，各个机场航向设备天线阵的高度为1.88 m，选取工作频率为110.70 MHz（波长λ=299.8/110.7=2.7082 m），因为校飞覆盖的时候飞机对地高度为600 m，距离为17 NM，因此校飞飞机相对于航向天线阵的仰角为1.092（）。如果将天线阵高度提高到2.50 m，在不考虑航向天线阵前方反射坡度的情况下，外场信号的变化情况计算如下：

同理，如果将天线阵高度提高到3.00 m，通过计算可知外场信号可提高4.04 dB，如果将天线阵高度提高到3.50 m，通过计算可知外场信号可提高5.37 dB。因此通过分析我们发现提高天线高度对信号强度提高比较明显。

3 航向前面场地FSL对覆盖的影响

国内所装备THALES420设备的航向天线阵的高度为1.88 m，选取工作频率为108.7 MHz分析（波长λ=299.8/108.7= 2.758 m），因为校飞覆盖的时候飞机对地高度为600 m，距离为17 NM，因此校飞飞机相对于航向天线阵的仰角为1.092°

（）。

分析：如果天线阵前方的纵向坡度FSL：0.3°，校飞飞机相对于航向天线阵的仰角为1.092°，折算反射面后信号角度为1.092°-0.3°=0.792°。

当天线阵子高度为1.88 m时，通过天线理论计算航向信号在纵向的最大辐射角度为θ={（2∏/2.71）×1.88×sin（θ）=∏/2}=21.1°，当仰角为1.092°时，接受到的信号为log（sin（2∏/2.7082）×1.88×sin1.092）=-21.6 dB。当仰角为0.792°时，接受到的信号为log（sin（2∏/2.7082）×1.88×sin 0.792）=-24.4 dB。当考虑坡度时信号比理想反射平面小24.4 dB-21.6 dB=2.8 dB。因此如果天线阵前方场地坡度是上升的情况，平整反射面对信号强度的提高也有不错的效果。

4 结语

通过现场的测试，我们发现各个机场的420航向设备，各路衰减基本一致，因此要解决余隙覆盖不够问题，我们要从系统功率、和天线高度等几个方面入手，本文认为有以下几个解决方式。

（1）从校飞结果及设备的参数设置来看，在目前按照设备安装说明书的建议值（航向CSB 15W、余隙CSB 7.5W）以及所采用的1.88 m天线支撑杆的情况下，余隙的信号强度曲线分布与飞行校验所要求的最低值非常接近。在提高余隙功率（从7.5 W提升到20 W以上）后，余隙信号的分布可基本满足校飞的要求，但从理论上讲，抬高余隙功率可能会对航道信号造成一些影响。

（2）现场测试台点的航向天线高度都为1.88 m，通过计算分析可知，抬高天线阵高度可以改善航向信号的低角度外场信号强度，满足校飞的覆盖要求。

（3）如果现场的航向天线发射场地上升坡度比较大，可以通过平整场地来提高信号强度。

参考文献

[1] THALES ILS420设备手册[Z].

信号通信论文篇7

【关键词】通信原理课程 SystemView

【中图分类号】G642 【文献标识码】A 【文章编号】2095-3089（2016）10-0251-01

1.引言

“通信原理” 是通信工程专业的主干课程， 该课程要求学生掌握通信系统的基本理论、 性能分析方法和设计思想。这门课在整个通信工程专业课程体系中起着承上启下的作用， 同时也是学习现代通信系统和技术的必备理论基础。这门课程的特点是理论性强，高度抽象[1]。由于该课程交叉和渗透各学科的基础理论，学生普遍感到对通信系统的基本理论、基本分析方法不能很好地理解与掌握。SystemView是一种较为常用的通信系统仿真软件，使用者无需与复杂的程序语言打交道，不用写代码就可以完成各种系统设计与仿真，非常适合初学者[2]。将SystemView仿真应用于通信原理课程，作为辅助理论教学的工具，能为学生提供具有可视化、互动性的通信仿真教学平台，帮助学生理解抽象的理论技术，理论联系实际，激发学生的学习兴趣，参与课程讨论，有效提高课堂及课后教学效果。

2.SystemView软件简介

SystemView 是美国ELANIX公司推出的，基于Windows环境的用于系统仿真的可视化软件工具[3]。它界面简洁，使用方便。SystemView仿真软件主要用于电路与通信系统的设计和仿真，能满足从数字信号处理、滤波器设计、直到复杂的通信系统等不同层次的设计、仿真要求。可以构造各种复杂的模拟和数字系统，还可以用于线性和非线性系统的设计和仿真。SystemView以模块化和交互式的界面，在大家熟悉的Windows窗口环境下，为用户提供一个嵌入式的分析引擎。使用SystemView只需要考虑项目的设计思想和过程，不必花费大量的时间和精力去编程来建立系统的仿真模型。用户只需要点击图标即可完成复杂系统的建模，设计，测试。

3.利用SystemView进行通信原理辅助教学的实例

本文以 FSK 系统的 SystemView 仿真为例， 详细阐述了SystemView仿真在通信原理课堂教学中的重要作用。

通信原理课程涉及大量原理方框图和波形图， 教学过程中采用课件进行讲述时，图形是静止的，而 SystemView仿真软件中都有现成的图符，只需用鼠标进行点击、 拖动和连线即可得到原理图，对系统和各图符设置好参数后，用波形观察窗口就可以观看系统各部分的波形图和频谱图，并能对各图形进行分析和计算。

图1给出了基于相干解调的2FSK通信系统。仿真过程中参数设置如下：仿真时间：5s；基带信号频率：20Hz；载波频率：50Hz，100Hz；已调信号幅值：1V；噪声标准差：0.5V；带通滤波器：30-70Hz，80-120Hz；低通滤波器：20Hz；信噪比3dB。

图2、图3和图4分别给出了2FSK调制信号的时域波形，2FSK调制信号的功率谱及叠加噪声后的2FSK传输信号。通过改变2FSK信号的调制频率，信号的时域波形和功率谱密度也会发生相应的变化，提高信道高斯白噪声的噪声方差，传输信噪比降低，其影响也会反应在最后的解调结果中，传输误码率增大。通过SystemView仿真可以看到，一方面，SystemView仿真能非常直观的给出信号的变换过程，使抽象的信号处理过程直观化；另一方面，2FSK信号功率谱密度的理论推导较为复杂，尤其在多进制FSK中，其数学推导相当繁琐超出了本科生的学识范围， 所以在通信原理教材中除个别作了不太严格的解释外， 其他的都直接给出公式[4]，SystemView仿真可以弥补数学上的不足，直接给出信号的功率谱密度，让学生能有一个感性的认识。

4.总结

将SystemView仿真引入通信原理理论教学环节，增强课堂的互动性，使教学方式多样化，吸引学生的注意力，提高学生学习的积极性。同时在课外时间里，学生遇到问题时，也可以首先通过SystemView仿真研究问题，提出自己的见解和看法，然后与老师进行讨论。通过这种教与学的互动，帮助学生更好的掌握抽象的理论知识，将理论知识与实际相结合，使学生能更牢固的掌握和运用专业知识，从而为今后的工作与学习提供有力的支持。

参考文献：

[1]邹丹. SystemView在现代通信原理课程中的应用[J]. 华东交通大学学报2007年12期.

[2]吴怡， 陈俊. SystemView仿真软件在 《通信原理》 课程教学中的应用[J]. 2004年9期.

信号通信论文篇8

关键词：无线多媒体传感网； 正交频分复用； 峰均比； 预畸变；迭代信道估计

中图分类号：

TN911-34; TN914-34

文献标识码：A

文章编号：1004-373X(2012)05

-0074

-06

Iterative channel estimation for nonlinearly distorted OFDM system

XIE Yong-sheng, ZHOU Lei-lei, LUO Ju-feng, FU Yao-xian

(Key Lab. of Wireless Sensor Network & Communication, Shanghai Institute of Microsystem and Information Technology,

Chinese Academy of Sciences, Shanghai 200050, China)

Abstract：

An iterative channel estimation algorithm based on comb-type pilot arrangement is proposed to improve the performance of clipped OFDM systems. It iteratively estimated nonlinear noise due to signal clipping. And then it was used to compensate for nonlinear distortion of the symbols. A theoretical lower bound of the proposed method can be achieved in amplitude limiting pre-distortion was derived, and the theoretical MSE of the traditional LS channel estimation was also given. Simulation results show that the proposed algorithm overcomes the performance bottleneck caused by clipping, and it has good convergence rate. Compared with the traditional method, this algorithm can resist stronger clipping.

Keywords： wireless multimedia sensor network; OFDM; peak-to-average power ratio; pre-distortion; iterative channel estimation

收稿日期：2011-10-18

基金项目：国家重大专项(2010ZX03006-003)资助课题

0 引 言

无线多媒体传感器网络(WMSN)是在传统无线传感器网络(WSN)的基础上发展而来的新型网络。与传统WSN相比，多媒体传感器网络更加关注图像、视频、音频等多媒体信息，因而低耗能、高速的数据传输成为制约其发展的关键技术问题之一［1-2］。正交频分复用(OFDM)作为一种高效的、广泛应用的数据传输方式［3-4］，适用于多媒体传感器网络。OFDM时域信号由多路相互独立的、经调制的子信号叠加而成，当多路信号的相位一致时，会出现较大的峰均比(PAPR)。由于功率放大器的动态范围有限，当较大峰均比信号通过放大器的非线性区时，会产生明显的带外辐射及带内信号失真，导致系统性能下降。同时峰均比较大时还会降低发送端功放效率，造成能量浪费。目前已经存在一些抑制信号峰均比的方法［5］，其中限幅滤波是最为常用的方法。

信号进行限幅滤波后，会带来非线性干扰，并引入带外辐射。针对限幅滤波造成的系统性能下降问题，Kim等人首先提出了通过判决辅助重建(DAR)算法［6］在接收端重建原始信号，降低非线性失真的影响，文献［7］提出通过迭代方法估计并消除非线性失真。上述文献均假设具有理想的信道估计，然而受限幅滤波影响，系统无法准确的估计信道状态信息 (CSI)。文献［8］提出了基于EM-迭代的联合信道估计和信号检测算法，并推导了已知非线性失真信息的LS信道估计均方误差的下限。文献［9-11］针对不同的功率放大器非线性失真模型，提出了一种迭代估计非线性失真的算法，并据此获取更为精确的信道估计。以上所述算法均采用判决反馈方式获取初始信道估计。文献［12］研究了梳状导频分布系统中信号预畸变对LS信道估计性能的影响，但没有提出抵抗该影响的信道估计方法。文献［13］研究了梳状导频系统的理论信道估计增益，并提出了基于信号重建的信道估计算法。与基于非线性失真消除的估计算法相比，该算法更易受到判决错误的影响［7］。

本文针对梳状导频系统的特点，提出了新的基于限幅导频序列的信道估计方法和基于非线性失真消除的信号检测方法。该算法通过导频信息获得初始信道估计，在迭代过程中进一步精确地估计限幅导频序列和非线性失真信息。估计的限幅导频序列用于信道再估计，而经过非线性失真补偿的数据子载波用于信号再检测，提高系统的性能。

1 系统模型描述

1.1 信号模型

经调制后的OFDM符号时域表达式为:

x(n)=1N∑N－1k=0X(k)expj2πknN,0≤n

(1)

假设频域信号X(k)是独立同分布的随机变量，当子载波数N很大时，根据中心极限定理，时域输出信号x(n)近似服从复高斯分布，其幅度服从瑞利分布。

为抑制OFDM信号的峰均比，通常对发送信号进行限幅滤波。

xg(n)=g(x(n))=Aejarg{x(n)}, |x(n)|>A

x(n),|x(n)|≤A

(2)

为描述限幅滤波对信号的影响，定义峰均比抑制率为γ=A/E{|X(k)|2}，即输出幅度与输入功率的均方根之比。从功率角度，定义输出峰均比PAPR=A2/E{|X(k)|2}=γ2。

根据Bussgang定理［11,13］，高斯输入的非线性系统的输出可以表示为：

xg(n)=αx(n)+d(n)

(3)

式中:α为常数，取决于抑制率γ，x(n)与d(n)是不相关的［11,13］。

α=RxxgR－1xx=1－e－γ2+0.5π・γ・erfc(γ)

(4)

限幅滤波造成的非线性失真包含带外辐射和带内干扰两部分。带外辐射可以通过低通滤器滤除。而带内干扰对有用信号的影响体现在幅度衰落α和非线性加性噪声干扰d(n)两个方面。传统的接收机不能补偿由于该非线性噪声干扰造成的性能下降［10-11］。

1.2 信道模型

受多普勒效应的影响，无线信道一般为时变的多径瑞利信道［4,14］。为便于信道估计和均衡，通常认为单个OFDM符号周期内信道是非时变的，而OFDM符号之间的信道是时变的。同时假设OFDM系统是完全同步的，且不受符号间干扰(ISI)影响。经限幅滤波的信号通过多径信道后，接收到的信号为：

Y=diag(αX+D)H+Z

(5)

式中:α为限幅造成的信号幅度衰落;X为待传输数据;D为系统限幅造成的非线性失真;H为一个符号周期内的多径信道频域响应;Z为加性高斯白噪声。X与D是不相关的。

2 迭代信道估计算法

2.1 迭代算法描述

OFDM系统的基本框图如图1所示。接收端接收到信号后，首先去除循环前缀、实施FFT变换，并补偿幅度衰落。补偿后的信号为：

Yc=diag(X+α－1D)H+α－1Z

(6)

从补偿后的信号中抽取导频信息，并进行初始信道估计。估计的信道参数送入均衡器中，用于均衡信道的频率选择性衰落。硬判决后的数据插入导频信息，经IFFT变换后再次经历与发送端相同的限幅滤波，从而获得估计的非线性失真信息。其中，估计的限幅后的导频序列用于信道的再估计，而失真信息用于数据的再判决。随着迭代次数的增加，经判决得到的数据id(n)的误码率逐渐降低，并最终达到稳定。相应的，估计的非线性失真信息将越来越精确，最终达到某一极限。

图1 OFDM系统基本框图

具体算法描述如下，初始化Xip=Xp，i=0， i=0。其中，Xip为限幅后的导频序列，Xp为原始导频序列。i为估计的非线性失真信息，i为迭代次数。

步骤1:信道估计。从Yc中抽取导频信号Yp，然后采用LS信道估计算法估算信道响应ip，并用DFT插值算法内插出所有子信道的信道响应i。

i=FΛFHpip=FΛFHpdiag(Xip)-1Yp

(7)

式中:F为N×N的傅里叶变换矩阵;FHp为P×P的傅里叶变换矩阵的共轭转置。Λ为N×P的矩阵，其中Λl,l=1,l=0,1,…,L－1，其余元素均为0。P为导频序列的个数，L为多径信道的径数。

步骤2:信道均衡。根据估计的信道响应i，对信号Yic进行迫零均衡。均衡后的信号为:

ie=diag(i)－1Yic

(8)

步骤3:从均衡后的信号中抽取数据子载波信号id,并补偿非线性失真id=id－α－1id。

步骤4:基于最短欧式距离的无编码约束的符号硬判决。该判决器从所有符号映射中选择一个与id(k)欧式距离最短的符号作为最佳判决id(k)。

步骤5:将判决得到的数据信息与原始导频信息Xp重新组成OFDM符号i，进行IFFT变换。

步骤6:将时域信号送入限幅滤波器中，经历与发送端相同的失真，然后变换至频域Xig。从Xig中抽取限幅后的导频序列Xip，反馈至信道估计器，用于下次迭代中估计当前信道的响应。

步骤7:估计非线性失真i。

i=αXi－ig

(9)

将i反馈至符号判决器中，在下次循环中用于消除数据符号的非线性失真,降低判决数据的误码率。本次循环结束，i=i+1。转至步骤1，开始新的迭代过程。

信道估计算法迭代结束后，步骤4中判决得到的信号id(k)经过逆映射、反交织及维特比译码后得到最终的传输数据。

2.2 初始信道估计的均方误差

初始信道估计采用LS信道估计算法，导频子载波k处的信道响应为:

Hp(k)=Hp(k)+α-1X-1p(k)［Dp(k)Hp(k)+Zp(k)］

(10)

其均方误差为：

MSE=α－2σ2Z・E{|Xp(k)|－2}+α－2E{|Xp(k)|－2}・

E{|Dp(k)|2}E{|Hp(k)|2}

(11)

式中:σ2Z为高斯白噪声的功率;Dp(k)是由导频子载波非线性噪声dp和数据子载波非线性噪声dd共同决定的，无法准确计算出E{|Dp(k)|2}的值。由于E{|Dp(k)|2}≈E{|D(k)|2}，且根据文献［12］，有:

E{|D(k)|2}=σ2X(1－α2－e－A2/σ2X)

(12)

则，式(11)可以近似为：

MSE=α－2β/SNR+α－2σ2X(1－α2－e－A2/σ2X)・

E{|Xp(k)|－2}E{|Hp(k)|2}

(13)

式中:β=E{|Xp(k)|2}・E{|Xp(k)|－2};σ2X为信号X(k)的平均功率;SNR为发送信噪比。若导频信号与数据子载波能量相同，则式(13)进一步化简为：

MSE=α－2β/SNR+α－2β(1－α2－e－A2/σ2X)・

E{|Hp(k)|2}

(14)

上式表征的信道均方误差包括两项，第一项是由高斯白噪声造成的，第二项是由信号的非线性噪声造成的。若OFDM信号在发送时不经历限幅滤波，第二项可以忽略，则式(14)为LS信道估计的理论信道均方误差。若发送信号经过限幅滤波，该非线性失真会在信道估计时产生地板效应，抑制率越小，该地板效应越明显，即使大信噪比亦不能消除其影响。

DFT内插后的信道估计均方误差为:

MSE=L/P・α－2β/SNR+L/P・α－2β(1－α2－e－A2/σ2X)・

E{|Hp(k)|2}+

(15)

式中:L为多径信道的最大径数;P为导频子载波数;表示当信道模型为非采样间隔时，由于信号能量泄漏造成的信道均方误差。若信道模型为采样间隔信道，则该信道模型下的能量泄漏可以忽略。

2.3 迭代信道估计的极限均方误差

经i次迭代后，估计的限幅后的导频序列为:

ip=αXp+ip

(16)

则第i+1次迭代时，信道响应为:

i+1p=Hp+diag(αXp+ip)－1・

［diag(Dp－ip)Hp+Zp］

(17)

定义ΔDp=Dp－∞p为极限残余非线性噪声，该噪声是由判决信号中的误码造成的。经多次迭代后，ΔDp与信道Hp及Dp的相关性很小，主要取决于高斯白噪声Zp，且αXp+ip≈αXp+Dp。由以上条件推导出信道均方误差为:

MSE≈E{|αXp(k)+Dp(k)|－2}・

［σ2Z+E{|ΔDp(k)|2}E{|Hp(k)|2}］

(18)

由柯西不等式可得，该信道均方误差的下限为:

MSE≥1/E{|αXp(k)+Dp(k)|2}・

［σ2Z+E{|ΔDp(k)|2}・E{|Hp(k)|2}］

(19)

由E{|Dp(k)|2}≈E{|D(k)|2}，且Xp(k),Dp(k)不相关，得出：

MSE≥［α2(σ2Xp-σ2X)+σ2X(1-e-A2σ2X)］-1・

［σ2Z+σ2ΔDpE{|Hp(k)|2}］

(20)

式中：σ2Xp为导频信号的功率;σ2ΔDp为残余非线性噪声的功率。若数据符号X与导频能量Xp相等，则式(20)进一步化简为：

MSE≥(σ2X(1-e-A2/σ2X))-1σ2Z+

(σ2X(1-e-A2/σ2X))-1σ2ΔDp・E{|Hp(k)|2}

(21)

该均方误差极限由两项组成，第一项为已知信号非线性失真信息时，信道估计均方误差所能达到的理论极限。第二项是由残余非线性噪声ΔDp(k)造成的。当残余非线性噪声可以忽略时，上式为已知非线性失真信息时的信道估计理论极限。

经内插后，信道估计的极限均方误差下限为：

式中:L为多径信道的最大径数;P为导频子载波数;是非采样间隔信道的能量泄漏造成的均方误差。该均方误差极限是一个严谨的下限，准确地描述了本文迭代算法能达到的极限。

3 仿真结果及性能分析

本文根据表1的OFDM系统参数仿真了算法的性能。为抑制带外辐射，仿真中采用文献［5］提出的过采样DFT变换方法进行限幅滤波，过采样率为2。

为了验证本文算法的有效性，仿真从信道均方误差和系统误比特率两个方面评估算法的性能，并从抗噪声能力、抗峰均比抑制能力和抗信道时变性等角度证明了算法的健壮性，给出了相应的仿真性能曲线。作为对照，本文仿真了文献［13］的迭代算法的性能。为使结论更为客观，文献的仿真按照其作者的建议增加了幅度补偿和判决辅助重建(DAR)部分，使得两者的计算复杂度为同一量级。此外，仿真给出了本文算法的理论均方误差曲线，其中LS信道估计的理论均方误差由式(15)计算得出，迭代算法的理论极限均方误差由式(22)得出。由于仿真采用的多径信道为采样间隔信道，上述理论均方误差均不需要考虑能量泄漏。同时，系统存在随机的误码，不能通过理论计算得出残余非线性噪声的能量，并且该残余非线性噪声不能忽略。仿真通过多次迭代(直到判决符号不再改变为止)计算得到残余非线性噪声的能量，最终得出理论极限均方误差。

3.1 抗噪声性能仿真

多媒体传感网中，移动节点(采集车)运动速度大约在70 km/h，在我国免许可频段为780 MHz，其对应的多普勒频移大约为50 Hz。因此本仿真选用多普勒频移50 Hz，输出峰均比3 dB作为典型参数。图2给出了上述参数情况下，本文算法随信噪比变化的性能曲线。

从图2(a) 的仿真结果可以看出，由于限幅滤波，初始信道估计的均方误差在信噪比为15 dB左右时已经接近极限值。随着信噪比的增大，其信道估计性能受瓶颈的影响不再提升。初始信道估计性能比理论LS信道估计性能曲线更好，这是由于限幅滤波时采用了过采样技术，在一定程度上抑制了带内非线性噪声。本文算法经1次迭代后，与文献算法经2次迭代的均方误差性能接近，相对于初始信道估计有很大的性能提升。经过2次迭代后，本文算法的均方误差性能已经接近理论极限性能。在均方误差为10-3时，本文算法与理论极限的信噪比相差不到0.5 dB，比文献算法性能提升了大约5 dB。

从图2(b) 的仿真结果可以看出，本文算法的误码率比传统接收机(采用LS估计)的误比特率性能有很大的提升。文献算法1次迭代和2次迭代曲线近似重合；本文算法1次迭代和2迭代曲线比较接近，但比文献算法性能更为优秀。当误比特率为10-3时，本文算法相对于文献算法性能提升为6 dB左右。当信噪比大于12 dB时，本文算法相对于理想信道估计下的接收机有更好的性能，这是因为信噪比较大时，限幅滤波对系统性能的影响更为显著，而本文算法能有效地抵抗限幅滤波的影响。

迭代信道估计算法性能对比

3.2 抗峰均比抑制性能仿真

图3给出了系统在信噪比为20 dB，多普勒频移为50 Hz的情况下，本文算法随输出峰均比变化的性能曲线。

从图3(a) 的仿真曲线可以看出，当系统的输出峰均比大于8 dB时，初始信道估计受限幅滤波的影响较小，其均方误差达到极限值4×10-4；当峰均比小于8 dB时其所受影响加剧，性能下降很快。而本文算法能够有效抵抗该影响，1次迭代的均方误差在峰均比为5 dB时达到该极限，性能没有损失；而2次迭代的均方误差在峰均比为4 dB时已经达到该极限。当峰均比小于3.7 dB时，本文算法经2次迭代的性能相较于文献算法2次迭代的性能具有明显的优势；而大于3.7 dB时，本文算法性能有所降低。这是因为本文算法利用了导频信息用于信道估计，受系统误码率的影响较小；而文献算法利用了所有数据信息用于信道估计，对系统误码率的依赖程度较高。故而峰均比较低时，本文算法更具有优势。经2次迭代后，本文算法的均方误差性能已接近理论极限性能(文献算法收敛于另一极限)。在均方误差为10-3时，本文算法与理论极限性能相差不到1 dB，比文献算法性能提升了大约1.5 dB。

迭代信道估计算法性能对比

从图3(b) 的仿真结果可以看出，当输出峰均比大于7 dB时，本文算法与文献算法均趋向于误比特率10-4；而小于7 dB时，本文算法比文献算法的性能更优。在误码率为10-3时，本文算法相对于文献算法的峰均比抑制性能提升了2 dB左右。当输出峰均比小于4.5 dB时，本文算法比理想信道估计下的接收机性能更好，这是由于本文算法能有效地降低峰均比抑制对系统性能的影响。

3.3 抗信道时变性能仿真

图4给出了系统在信噪比为20 dB，输出峰均比为3 dB的情况下，本文算法随多普勒频移变化的性能曲线。从图4(a)和图4(b)可以看出，在相同多普勒频移下，本文算法比文献算法具有更好的均方误差性能，且在2次迭代后接近于理论极限。此外，随着多普勒频移的增大，本文算法不存在明显的性能下降，具有优秀的抵抗时变信道的能力。

上述仿真结果表明，本文算法通过迭代估计信号中的非线性噪声，可以有效地抵抗峰均比抑制对系统性能产生的影响。当峰均比较小时，本文算法比文献算法性能更好，抵抗限幅滤波造成的性能下降的能力更强。本文算法具有良好的收敛性，经1次迭代即可大幅度提升系统性能，经2次迭代即可接近于理论极限。另外，该算法对多普勒频移具有良好的抵抗能力，非常适用于时变信道。

迭代信道估计算法性能对比

4 结 语

本文研究了时变信道环境下，抵抗信号限幅滤波造成的性能下降的方法。该算法通过迭代估计限幅导频序列和信号的非线性噪声，进而提高信道估计和信号重建的性能。本文推导出了该迭代算法信道估计所能达到的理论下限，并用Matlab仿真了算法的性能。仿真结果表明，本文算法在输出峰均比较小时要优于文献［13］所述算法。

单纯从信道估计的角度考虑，本文迭代算法资源消耗比较大。但由于迭代算法可以复用系统的其他模块，因而从整个系统的角度考虑，不会增加太多的资源消耗。此外，本文算法的初始信道估计与迭代信道估计部分均采用相同的结构，因而比文献算法更利于工程实现。

参 考 文 献

［1］AKYILDIZ I F, MELODIA T, CHOWDHURY K R. A survey on wireless multimedia sensor networks \[J\]. Comput. Netw., 2007, 51(4): 921-960.

［2］沙超,孙力娟,王汝传,等.多媒体传感器网络中多路径传输方式及其拥塞控制机制［J］.通信学报,2010,31(11)：147-157.

［3］CIMINI L, Jr. Analysis and simulation of a digital mobile channel using orthogonal frequency division multiplexing \[J\]. IEEE Transactions on Communications, 1985, 33(7): 665-675.

［4］OZDEMIR M K, ARSLAN H. Channel estimation for wireless OFDM systems \[J\]. Communications Surveys & Tutorials, 2007, 9(2): 18-48.

［5］ARMSTRONG J. New OFDM peak-to-average power reduction scheme \[C\]// Vehicular Technology Conference, 2001. VTC 2001 Spring. IEEE VTS 53rd. \[S.l.\]: IEEE, 2001, 1: 756-760.

［6］DUKHYUN K, STUBER G L. Clipping noise mitigation for OFDM by decision-aided reconstruction \[J\]. Communications Letters, 1999, 3(1): 4-6.

［7］HANGJUN C, HAIMOVICH A M. Iterative estimation and cancellation of clipping noise for OFDM signals \[J\]. Communications Letters, 2003, 7(7): 305-307.

［8］SCHWARTZ S C, JINYUN Z, DAQING G. Iterative channel estimation for OFDM with clipping \[C\]// The 5th International Symposium on Wireless Personal Multimedia Communications. \[S.l.\]: IEEE, 2002, 3: 1304-1308.

［9］STERBA J, KOCUR D. Evaluation of channel estimation error inflicted by nonlinear amplification and of its recovery by the means of iterative algorithm \[C\]// Radioelektronika (RADIOELEKTRONIKA), 2010 20th International Conference. \[S.l.\]: \[s.n.\], 2010: 1-4.

［10］STERBA J, GAZDA J, DEUMAL M, et al. Iterative algorithm for nonlinear noise cancellation and channel re-estimation in nonlinearly distorted OFDM system \[C\]// 2010 IEEE 8th International Symposium on Applied Machine Intelligence and Informatics (SAMI). \[S.l.\]: IEEE, 2010: 65-70.

［11］STERBA J, GAZDA J, DEUMAL M, et al. Iterative algorithm for channel re-estimation and data recovery in nonlinearly distorted OFDM systems \[J\]. Acta Polytechnica Hungarica, 2010, 7(1): 103-118.

［12］BINGYANG W, SHIXIN C, HAIFENG W. Clipping effects on channel estimation and signal detection in OFDM \[C\]// 14th IEEE Proceedings on Personal, Indoor and Mobile Radio Communications. \[S.l.\]: IEEE, 2003, 1: 531-534.

［13］BINGYANG W, SHIXIN C, HAIFENG W. Iterative channel estimation and signal detection in clipped OFDM \[C\]. \[S.l.\]: Global Telecommunications Conference, 2005.

［14］YANG L, SEZGINER S. Simple iterative channel estimation in LTE systems \[C\]// 2011 8th International Workshop on Multi-Carrier Systems & Solutions (MC-SS). \[S.l.\]: \[s.n.\], 2011: 1-5.

作者简介：

解永生 男，1984年出生，山东人，博士研究生。主要研究方向为无线通信。

周磊磊 男，1984年出生，江苏人，博士研究生。主要研究方向为无线通信。

罗炬锋 男，1983年出生，湖南人，助理研究员。主要研究方向为无线通信。

付耀先 女，1978年出生，重庆人，副研究员。主要研究方向为无线传感器网络。

(上接第73页)

［3］STEVAN Preradovic，NEMAI Karmakar, MICHAEA Zenere, et al. UWB chipless tag RFID reader design \[C\]// Program for the IEEE International Conference on RFID-Technology and Applications, Guangzhou, China: \[s.n.\], 2010: 257-262.

［4］BAUM Carl E, ROTHWELL Edward J, CHEN Kunmu, et al. The Singularity expansion method and its application to target identification \[J\]. IEEE Antenna and Propagation Society Newsletter, 1986, 79(10): 1481-1488.

［5］ANGIULLI G, DI MASSA G. Scattering from arbitrarily shaped microstrip patch antennas using the theory of cha-racteristic modes \[DB/OL\]. \[2011-11-08\]. ieeexplore.省略/stamp/stamp.jsp?tp=&arnumber=701558.

［6］MAJID Manteghi, YAHYA Rahmat-Samii. Frequency notched UWB elliptical dipole tag with multi-bit data scattering properties \[J\]. IEEE Int. Antennas Propagat. Symp. Dig.， 2007, 2: 789-790.

［7］谢处方,饶克谨.电磁场与电磁波［M］.北京：高等教育出版社,1979.

［8］汪文秉.瞬态电磁场［M］.西安:西安交通大学出版社，1991.

［9］HUA Yingbo, SARKAR Tapan K. Matrix pencil method for estimating parameters of exponentially damped/undamped sinusoids in noise \[J\]. IEEE Transaction on Acoustics Speech and Signal Processing, 1990, 38(5): 814-824.

作者简介：

信号通信论文篇9

关键词：2ASK；运冰模型；误码率；调制；解调；Simulink

中图分类号： TN 914.3 文献标志码：A 文章编号：1009-3044（2016）28-0236-03

Abstract： The modulation and demodulation of 2ASK signal plays an important role in digital modulation technology. In this paper， the modeling and Simulation of 2ASK modulation system is realized under the condition of Gauss white noise by using Simulink. This system can realize two kinds of demodulation methods flexibly， and get the key data such as waveform， bit error rate and so on. The simulation results show that the reduction of noise variance can improve the signal-to-noise ratio of the system， and the anti noise performance of the coherent demodulation method is better than the non coherent demodulation method.

Key words： 2ASK； Transport ice model；BER； MATLAB； Simulink

当今世界已进入高度信息化时代，对数据通信的需求不断增长，数字通信具有抗干扰能力强、传输差错可控、易于与现代技术结合、灵活性强等优点。数字信号的传输方式分为基带传输和频带传输，由于从消息变换过来的数字基带信号具有频率较低的频谱分量，因此这种信号不适合直接传输，通常在发送端使用高频载波对基带信号进行调制，将基带信号的频谱搬移到给定信号的通带内，然后在接收端进行解调，实现将已搬到给定信道通带内的频谱还原为基带信号。

Simulink具有适应面广、结构和流程清晰及仿真精细、效率高、灵活等优点，适用于通信系统的仿真。文中在高斯白噪声条件下，利用Simulink实现了2ASK调制解调系统的建模仿真，分析了2ASK系统的抗噪性能，并比较了相干解调与非相干解调方式的优劣。

1基本原理

2ASK调制系统包括调制和解调两部分。在数字调制中，高频载波作为一个载体来运载基带信号进行传输，这与冰块为防止在长距离的运输出现损耗借助货车运输相类似，如图1所示。在实际中，2ASK数字调制的实现是用基带信号控制载波的幅度变化来传输数字信号，幅值用“0”或“1”来表示，其中“0”表示无载波传输，“1”表示传输载波。数字调制技术有模拟调制法和数字键控法两种，这里采用模拟调制法，其原理如图2所示，即将基带信号视为模拟信号与载波信号相乘获得调制信号，其表达式为 ，其中为载波，为基带信号。

数字解调是将基带信号从载波上卸载下来，这就类似于图3冰块在到达目的地时从货车上卸载下来，获得要传送的原冰块。数字解调常用的两种方法是相干解调和非相干解调（包络检波法），如图4所示。其中（a）为相干解调法，接收端接收到的信号再通过带通滤波器获得完整信号后，与本地载波相乘得，通过低通滤波器滤除高次杂波，再通过抽样判决再生获得输出序列。（b）为非相干解调法，是通过整流器获得其二进制包络，然后通过低通滤波器、抽样判决再生获得输出序列。

2 2ASK系统的建模仿真

利用Simulink建立的2ASK传输系统模型如图5所示，调制的实现主要通过伯努利二进制发生器Bernoulli Binary Generator、正弦波发生器Sin Wave Generator和相乘器Product Generator来完成，信道中的噪声由高斯白噪声发生器Gaussian Noise Generator产生，并通过加法器Add Generator获得带有噪声干扰的信号，最后分别通过相干解调模块和非相干解调模块恢复基带信号。

在调制端产生的已调信号波形如图6（a）所示，从上至下依次分别为基带信号、本地载波、调制信号、添加高斯白噪声的调制信号、通过带通滤波器后的信号。解调端分为相干解调和非相干解调两部分，相干解调部分的波形如图6（b）所示，从上至下依次分别为本地载波相乘后的、通过低通滤波器后的波形、经过抽样判决器的波形、经过零阶保持器后还原的波形；非相干解调部分的波形如图6（c）所示，从上至下依次分别包括由整流器获取包络，经由低通滤波器获得基带信号，再经由抽样判决器获得信号。

3抗噪性能分析

在图5中可以观察到噪声方差对误码率的影响（设传输总码元个数为1001）如表1所示。从表1中一方面可以看出噪声方差越大，误码率越高，即验证了信噪比的提高可以通过噪声方差的减小来实现的理论；另一方面可以看出相干解调在一定范围内保持一定的误码率，相对于非相干解调具有较低的误码率，即验证了在2ASK系统中，相干解调的抗噪声性能优于非相干解调的理论。

4 结论

文中完成了基于Simulink的2ASK调制解调系统的建模仿真，仿真结果表明，在理想条件及噪声较小时，该系统可以实现信号的无差错传输，从而保证系统的正常工作。通过对误码率的分析得到降低噪声方差可以降低误码率以及相干解调抗噪声性能优于非相干解调2个结论，与理论结果相符，该仿真模型具有一定的应用价值。

参考文献：

[1] 李白萍.数字通信原理[M].西安：西安电子科技大学，2012.

[2] 王晓玲.基于MATLAB/Simulink的2ASK传输系统设计与分析[J].苏州市职业大学学报，2015，26（4）

信号通信论文篇10

摘 要：列车运行自动控制技术是轨道交通信号与控制专业的一门非常重要的专业课。本文首先介绍了列车运行自动控制技术课程的主要内容，以及该课程的部分缺陷，然后，提出在理论课程中增加相关的上机实验教学内容、采用系统的理念和方法来讲授该课程，以及结合具体的信号设备来介绍该系统的功能等方法，丰富教学内容，提高教学质量。最后，为了更好地完成该门课程的教学目标，本文设计并开发了一套基于上海轨道交通9号线的CBTC仿真系统用于学生的上机实验。

关键词：列车运行自动控制技术 CBTC 教学改革 上机实验

中图分类号：G420 文献标识码：A 文章编号：1672-3791（2015）01（a）-0000-00

作者简介：徐纪康（1983-），男，浙江嘉兴人，讲师。

罗钦（1982-），男，湖南浏阳人，讲师。

肖曼琳（1981-），女，四川德阳人，讲师。

1 概述

列车运行自动控制技术课程属于轨道交通信号与控制专业的一门专业课，学生通过该课程的学习，既可以理解城市轨道交通信号系统中的各个子系统工作原理，也可以巩固学生对以前所学的多门专业课以及专业基础课的认识和理解。特别是，通过该门课的学生，学生可以深刻地理解信号系统的工作流和数据流的过程。

2 列车运行自动控制技术课程教学改革

2.1列车运行自动控制技术课程内容概述

列车运行自动控制技术课程的内容，不仅包含各种类型的硬件组成结构，也包括软件系统如何结合硬件进行正常工作的过程。因此，本课程的内容丰富，知识点多而复杂，学生理解整个系统的工作流过程难度较大。

通过该课程的学习，可以使轨道交通信号与控制专业的学生在整体上，理解把握整个城市轨道交通信号系统，同时，也可以认识和理解城市轨道交通信号系统内的各个子系统之间的硬件接口和软件接口。

本课程的主要内容，如表1所示。

表1 列车运行自动控制技术课程的主要内容

章节 主要内容

第一部分 绪论

第二部分 列车运行自动控制技术原理

第三部分 基于轨道电路的ATC系统

第四部分 基于通信的CBTC系统

2.2 列车运行自动控制技术课程教学改革的主要内容

课程的教学内容丰富而且充实，但是，如果学生单纯地从理论上去理解整个信号系统，存在很多的问题。比如，很多概念、名词以及功能，无法理解或者理解不清楚；因为学生未解除过实际的信号系统，学生将各个子系统，甚至设备能够在信号系统中串联起来学习的难度较大等。所以，本人针对以上这些问题，提出了如下的几点建议和方法，从来提高学生的专业能力水平。

2.2.1 增加上机实验操作内容

由于该课程的理论多而复杂，所以，为了提高学生对整个信号系统的理解，开发了针对性的实验内容。具体的实验内容，如表2所示。

表2 列车运行自动控制技术实验内容

实验项目 属性（验证/综合/设计/创新） 学时

进路控制实验 综合 8

列车控制实验 综合 8

道岔控制实验 综合 8

时刻表功能实验 综合 8

站台控制实验 综合 8

移动授权实验 综合 8

故障模拟实验 综合 12

同时，为了让学生具体操作实验，开发了基于CBTC信号系统的仿真系统，用于以上实验。

2.2.2 结合具体设备和操作，理解在整个信号系统中的作用和功能

城市轨道交通信号系统是一个非常复杂的系统，如果单纯地跟学生在理论上介绍系统，可能学生接受和理解的内容比较有限，通过将整个信号系统划分成各个子系统，并针对各个子系统设备来介绍功能，容易让学生接受和理解。从而，有助于提高该门课的教学质量。

2.2.3 灌输系统的理念

由于学生未学习过系统工程等相关课程的内容，所以，通过讲解信号系统内容时，给学生灌输系统的一些特点（比如，系统的基本特性，），有助于提高学生的理论水平，以及更好地理解整个城市轨道交通信号系统的功能内容。

2.3 效果

由于城市轨道交通信号基础课的内容丰富，采用这种针对不同专业背景的学生，有重点得讲解该专业与城市轨道交通信号基础相关的内容，可以充分吸引学生对该课程的兴趣，提高学习的积极性。同时，也可以拓宽学生的思路，争取在交叉学科的道路上，有所创新的想法和思路能够产生和被发现。

3 结论

列车运行自动控制技术作为一门轨道交通信号与控制的专业课，内容复杂，涉及到很多的软件和硬件知识。因此，为了提高教学质量，本文提出了一些了针对这门课程的教学方法和建议供参考。要想达到更加理想的教学效果，还需要在教学过程中不断地创新与探索。

参考文献

[1] 大学工科专业基础课教学研究与实践[J]. 机械制造与自动化，2007（2）：61-63.