基于DAE-GAN网络的LPI雷达信号增强

针对非合作侦察接收机只在降噪后才能开展后续检测识别工作的问题，结合降噪自编码器和生成对抗网络的优势, 构建噪声增强网络与信号增强网络进行对抗训练。噪声增强网络往带噪信号中掺杂更复杂的噪声分量, 信号增强网络则是尽可能地降低带噪信号中的噪声分量。二者在对抗训练的过程中, 噪声增强网络生成复杂高维噪声的能力和信号增强网络降噪的能力都在提升。训练结束后, 信号增强网络具备更好的降噪性能, 为后续检测识别工作降低难度。     

基于PSO-DBSCAN和SCGAN的未知雷达信号处理方法

针对雷达实际侦察过程中会侦收到大量样本库中所没有的未知雷达信号,设计了一种基于粒子群优化的具有噪声的密度聚类算法和半监督条件生成对抗网络的单脉冲未知雷达信号处理方法.通过粒子群优化算法得到具有噪声的密度聚类算法的最优输入参数后,对未知雷达信号进行聚类,在聚类算法输出的簇中采用距离筛选算法筛选出更为可信的样本将其扩展到雷...     

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。     

切割锚环V形罩微爆索结构参数优化分析

锚网支护为煤矿安全高效生产提供了必要的技术保障。工作面回采过程中，往往由于锚网支护强度过高，造成工作面上下端头三角悬顶，给矿井安全生产留下隐患。爆炸切割技术方便快捷，能够快速切断锚环，释放锚索锚固力，达到弱化三角悬顶区顶板强度的目的。因此本文设计了一种V形罩微爆索，研究锥角，装药高度，炸高及罩壁厚4个结构参数对金属射流侵彻靶板深度与射流速度的影响机理。研究结果表明：当分析的可靠性为95%，罩壁厚对射流速度有显著性影响；当分析的可靠性为90%，罩壁厚对侵彻深度有影响；当分析的可靠性为80%，装药高度和炸高对射流速度有一定影响。对于V形罩的微爆索而言，最佳结构参数为：锥角80°，装药高度6 mm，炸高2 mm，罩壁厚0.2 mm，其侵彻深度为0.489 cm，射流速度为4 384 m·s-1。