基于深度残差收缩注意力网络的雷达信号识别方法

针对低信噪比条件下雷达信号识别率低，以及分类网络不具备识别样本库新添加信号类型的局限，提出了一种基于深度残差收缩注意力网络的雷达信号识别方法。通过网络将一维雷达信号映射到32维向量空间。网络中的残差连接能有效强化特征的传播能力，解决网络过深无法训练的问题；注意力机制的引入，不仅构建掩码支路充当主干支路的特征选择器，还能够帮助网络自适应地选择合适的阈值进行软阈值化，从而减少网络中噪声或者冗余信息的影响，提高网络对噪声的鲁棒性。训练过程中排序表损失(ranked list loss, RLL)和分类损失函数共同指导网络训练。RLL能够有效克服传统度量学习损失函数忽略类内特征的问题，分类损失函数能够弥补度量损失优化下对样本整体分布不敏感的问题。实验表明，该方法在提高低信噪比雷达信号识别准确率的同时仍具有识别样本库新添加信号类型的能力。     

污水管网的维护及科学管理探讨

目前我国的城市基础建设发展很快,排水系统在迅速建立、排水管网在迅速延伸,越来越多的涉及到排水管网的科学维护管理,就更需要加强维护,避免和减少问题发生,以延长设施使用寿命。由于排水管道存在着面广、点多、量小的特殊性,在一定程度上制约了维修、维护质量的提高。     

一种对多种重频调制类型雷达信号分选算法的研究

针对传统信号分选算法中单一算法无法分选多种重频调制型信号的缺点,在改进SDIF算法的基础上,对集对分析法进行研究,并将二者结合提出了基于集对分析法的改进顺序差直方图分选算法。仿真实验证明,新方法能够分选多种重频调制类型雷达信号,且在信号量很大的情况下依然具有较高的分选准确率和较好的实时性等优点。     

减法聚类的多分量线性调频信号检测与参数估计算法

针对Wigner-Hough变换在低信噪比下易产生伪峰,导致在进行检测时阈值选取困难,无法准确对多分量线性调频信号进行检测和参数估计的问题,提出了一种基于减法聚类的平滑伪Wigner-Hough(SPWHT)变换的检测和参数估计算法。首先采用平滑伪Wigner-Hough变换(SPWHT),通过平滑交叉项和噪声来达到抑制干扰的目的,并运用阈值分割的图像处理方法进一步消噪,减少Hough变换后所产生的伪峰;再利用较低门限对Hough变换后的图像进行峰值检测,防止对信号的漏检。最后,对于备选峰值进行减法聚类的二次处理,实现信号参数寻优,去除伪峰影响和时频分辨率下降引起的峰值展宽,完成对多分量信号的准确检测和参数估计。该算法通过聚类避免了阈值设置的困难,解决了低信噪比下多分量线性调频信号的检测与参数估计问题。仿真结果表明了在-10 d B信噪比下该算法仍有较好的检测及估计性能。     

基于ARM的智能电热水器控制器设计

提出一种基于ARM和uC/OS-II的嵌入式智能家庭用电管理方案。系统自动检测用电设备情况,合理管理用电设备,可提供过电流等保护,最大限度地节能。为达到此目的,本系统采用模糊控制算法来控制电热水器作为实例。采用ADI公司的ADE7753芯片实现单相电能的计量,此设备也可用于智能电表解决方案。     

SUGENO型网络在空战CGF战术决策中的应用

提出了运用SUGENO线性模型研究空战仿真中飞机CGF的战术机动决策问题，构建了决策ANFIS网络。把各种作战态势纳入到统一框架下考虑，并运用混合学习算法完成网络的训练。用最速下降算法优化前提参数，用最小二乘法拟合结论参数。该模型训练速度快，鲁棒性好，能较客观地反映实际空战模型，较好地模拟飞行员的决策，并为蓝方CGF的智能化设计奠定了基础。     

基于CserialPort类的PLC与上位计算机的串行通信

介绍了在Windows环境下,使用VisualC 6.0开发出的基于CserialPort类的上位机与OMRONPLC之间的串行通讯程序.程序涉及到多串口操作问题,并提出了使用CserialPort类的解决方法.     

耐低温稠油乳化降粘剂及其O/W型乳状液流变性研究

依据稠油乳化降粘机理和表面活性剂配伍技术 ,开发出适于大庆黑帝庙稠油的耐低温乳化降粘剂 ,对其O/W型乳状液流变性进行了研究 ,室内实验结果表明 ,低温 (15℃ )下 ,降粘剂浓度为0.5 %时 ,对黑帝庙稠油降粘率达94 %以上 ,在剪切速率为10～1000s -1范围内 ,不同油水比条件下形成的乳状液均显示剪切变稀型的假塑性流体特征     

基于PFRFT周期积累的多相编码信号检测与参数估计

由于多相编码信号存在明显的周期时频分布规律性,在研究该类信号在低信噪比下的检测及参数估计问题时,对分数阶傅里叶变换进行周期延拓,首先结合该类信号的PWVD时频特性,通过分析多相编码信号的PWVD脊线分布特点与多分量LFM信号的关联特性,利用PFRFT对信号平行脊线能量进行积累,再根据积累后的峰值搜索对信号进行参数估计,最后采用与同样参数LFM信号进行RWT后的峰值固定比例结论对检测概率与参数估计精度进行分析。实验证明,该方法不仅成功提高了低信噪比下的多相码信号检测概率,而且五大参数的估计精度也得到了提高。     

基于深层残差网络和三元组损失的雷达信号识别方法

针对分类网络难以有效扩展分类数量的问题,提出了一种基于深层残差网络和三元组损失的雷达信号识别方法。该方法首先将雷达信号作为深层残差网络的输入,通过一维卷积将雷达信号映射到128维欧几里得空间,得到信号的特征向量;然后利用三元组损失函数调整网络参数,使得同类信号之间特征向量的欧式距离减小而不同类别信号之间的距离增大;最后通过基于样本库的识别算法实现对信号的分类识别。实验结果表明,相较于传统的分类网络,该方法在保证识别准确率的同时使得模型能够对分类数量进行有效扩展。