摘要：为了提高厄米特矩阵特征值分解计算的速度和精度,基于QR迭代的方法,在FPGA上实现了一种并行可重构的特征值分解方案。设计在Intel公司型号为10AX066H1F341的FPGA上进行验证,通过调用硬浮点DSP计算资源,实现了8×8阶的浮点厄米特矩阵的特征值分解。验证结果显示:该方案耗时11425个时钟周期,计算误差小于3.74e-7,资源消耗小于总资源的32%,最高运行时钟频率可达311MHz,可支撑MUSIC等复杂算法的高速硬件工程实现。

摘要：针对目前多种信号样式及低信噪比下信号识别率低的问题,提出一种基于BP神经网络的复杂信号识别技术。通过分析并提取具有高区分度的信号特征,设计三层BP神经网络,重点研究多种、复杂通信调制信号的识别性能,实现基于BP神经网络的识别算法。仿真验证表明,该算法对信号的适应性较高,对17种复杂信号在5 dB信噪比时达到80%以上的正确识别概率,在7 dB时达到95%以上的正确识别概率。