基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。     

光纤保护通道的分析及应用

光纤保护通道在我国电网的应用越来越广泛,为了更好的解决光纤保护通道运行维护中遇到的问题,文章介绍了光纤保护的基本原理和光纤保护通道的基本构成,详细讲解了通道对调方法,介绍了光纤保护通道的运行维护方法。     

植物会发出“SOS”信号

农作物何时缺水，何时需要灌溉，作物自身会发出呼救信号“SOS”，利用一种专门仪器即可收听到植物发出的这种呼救信号．当遇干旱，作物不能从土壤中吸取水份时，即开始从茎根、杆细胞中吸取以保存生命．这时，植物会发出一种超声波噪音，这种超声波噪音可用特制微声器收听到，并转换成可传人人耳的特殊声音．     

地空数据传输系统中单载波频域预均衡技术

在频率选择性瑞利慢衰落信道条件下,提出了一种适用于地空传输系统上行链路的单载波频域预均衡方法。在此基础上设计了预均衡系统模型,地面端将下行链路中的导频信号与本地导频信号对比进行信道状态估计,利用获得的信道状态信息对上行链路信号进行预均衡处理,然后在机载接收端对上行链路信号进行再均衡。基于迫零准则和最小均方误差准则,分析了该方法的信号处理流程,计算得到预均衡系数。通过仿真实验,对比分析了不同均衡方案的误码性能,结果表明:单独在地面发送端进行预均衡,会出现误码率平台效应;而预均衡之后在机载接收端进行再均衡的方法,在误码率为10-5的情况下,与采用线性均衡结构的传统单载波频域均衡方法相比有2~3dB的性能增益。     

二分Cantor尘上某个柯西变换的解析性

利用儒歇定理证明一个定义在二分Cantor尘上的柯西变换G(z)在|z|<1内解析,并得到其在z=0处的泰勒展式.     

半监督条件下的CRC跳频电台指纹特征识别

针对跳频电台指纹特征差异细微、对噪声影响敏感,同时非合作条件下跳频信号的识别训练标签数据不足问题,提出了一种基于合作表征分类器(collaborative representation classifier, CRC)的半监督条件下跳频电台指纹特征识别算法。以跳频电台开机瞬态信号的包络特性作为电台个体的指纹特征,利用对噪声“不敏感”的高阶累积量估计来抑制噪声;通过构造半监督条件下的CRC实现对未标定训练数据的有效利用。实验表明,与传统有监督训练相比,该方法在抑制噪声的同时,能够充分利用未标定训练数据特征,对目标特征具有更高的识别率。     

基于自适应网格的跳频信号参数估计

分析了现有跳频信号稀疏重构算法的基不匹配问题,导致离散字典的稀疏表示能力变差,严重影响稀疏重构算法的性能。针对这种情形,提出了基于自适应网格的变分贝叶斯稀疏重构算法。该方法通过对字典不断地加权聚类和缩放处理,实现字典的自我更新,使得参数网格更加精细化。仿真结果表明,该方法具有良好的抗噪性能和交叉项抑制能力,同时缓解了稀疏重构算法的基不匹配情形,时频聚焦性进一步提高,能够在较低信噪比条件下,获取较高时频分辨率的时频矩阵,可以更精确地完成后续跳时刻检测、跳周期及跳频率等参数估计。     

基于稀疏贝叶斯的多跳频信号二维波达方向估计

分析了现有跳频信号二维波达方向(DOA)估计算法的优缺点,提出了一种基于稀疏贝叶斯学习的跳频信号二维DOA估计算法.该算法利用L型阵列特点,将方位角、俯仰角和跳频率三维信息转换为一维空间频率信息,降低了冗余字典长度和稀疏求解难度.其次,经过奇异值分解降维处理,减少了矩阵运算维数,降低了算法复杂度,通过稀疏贝叶斯算法和快速傅里叶变换估计出空间频率和跳频率,利用Capon空间频率配对算法将空间频率和跳频率正确配对,计算出空间角.最后,由空间角几何关系解算出方位角和俯仰角.模拟结果表明,在低信噪比或低快拍数条件下,该算法DOA估计精度较高,且不易受空间频率间隔和跳频信号源相干性的影响.     

Sierpinski垫上某类柯西变换的解析性

利用儒歇定理证明了一类新函数G(z)=∫K(1－zw)－1dμ(w)在|z|<1内没有零点,1/(G(z))在|z|<1内解析,其中K为Sierpinski垫.