调制信号的实时识别与控制

在无线传输中,信号是以电磁波的形式通过天线辐射到空间的。为了获得较高的辐射效率,天线的尺寸一般应大于发射信号波长的四分之一。而基带信号包含的较低频率分量的波长较长,致使天线过长而难以实现。通过调制,把基带信号的频谱搬至较高的载波频率上,可以大大减少辐射天线的尺寸。另外,调制可以把多个基带信号分别搬移到不同的载频处,以实现信道的多路复用,提高信道利用率。最后,调制可以扩展信号带宽,提高系统抗干扰、抗衰落能力,提高传输的信噪比。信噪比的提高是以牺牲传输的带宽为代价的。因此,在通信系统中,选择合适的调制方式是关键。今天小编要为大家介绍的内容就是约翰霍普金斯科研课题:调制信号的实时识别与控制。

课题简介

振幅调制(Amplitude modulation)和频率调制(Frequency modulation)在无线通讯,(例如:收音机)中有着重要应用,然而传统的调试识别以及解调方法主要基于带通滤波,其侧重于获得承载信号,而其中大量的调制信息却损失了。近年来,加权最小二乘法在水动力特性识别中获得了成功应用,其对于调制信号识别的适用性也获得了初步的验证。
本课题将设计一信息-物理系统(Cyber-Physical system),假想调制信号满足一时变的质量-弹簧-阻尼器系统,应用加权最小二乘法,实时识别该系统中的时变参数(时变质量,时变阻尼),从而获得调制信号的振幅调制和频率调制信息。进一步,通过实时控制该系统的虚拟参数,从而实现对调制信号的实时控制。

科研方法

AI+X数据驱动型科研
AI+X数据驱动型科研是指使用人工智能(AI)算法,收集、处理、分析具体学科(X)的海量数据,并基于此进行预测,从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比,AI+X数据驱动型科研可以借助AI算法强大的运算能力,高效地进行大数据分析,具有投入产出比高、适用范围广的优点。
AI+X数据驱动型科研已被广泛地应用于各个领域,利用AI算法研究基因数据,从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万,使用传统的科研方式对其进行分析,工程量大、过程繁琐,在客观上难以实现。但借助AI算法这一便捷的工具,生命科学家便能够以海量的患者的遗传信息为基础,建立数据库,与过往的研究成果进行对照,快速、准确地在两者中发现规律、建立联系,从而使癌症诊断的“标准化”成为可能。

授课导师

约翰霍普金斯大学 博士
多次以第一作者身份,在Journal of Fluids and Structures、Journal of Fluid Mechanics、Journal of Vibration and Shock等国际知名期刊和杂志上发表过多篇专业学术论文;
曾荣获ASC17超级计算机挑战赛第一名;年度“2016年度Top Academics”国际学术会议杰出表现奖;
研究方向:Turbulence, Control Theory, Energy System"。

课题要求

本课题适合: 9-12 年级学生,有较强的逻辑思维和抽象思维能力
英文:

  • 具备基本的学术英语阅读能力;
  • 接触过英文写作,有论文写作经验者更佳;

数学:

  • 微积分(偏微分)
  • 线性代数

计算机:

  • MATLAB入门

物理:

  • 简谐运动

关于约翰霍普金斯科研课题:调制信号的实时识别与控制的内容就介绍到这里了,对他感兴趣的同学可以早点报名参加。

更多学研项目

翰林国际教育资讯二维码