调制信号的实时识别与控制

Category: STEM国际竞赛 Date: 2020年3月26日下午6:54

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。