基于深度残差适配网络的通信辐射源个体识别

为解决通信辐射源识别中传统的人工特征提取方法鲁棒性不足和深度学习方法需要大量带标签目标域数据的问题, 提出一种基于深度残差适配网络的通信辐射源个体识别方法。应用深度学习技术实现从源域到目标域上的迁移识别, 只需要将带标签的源域数据和无标签的目标域数据进行训练。原始通信辐射源信号经过预处理后输入网络训练, 将源域和目标域的分布差异和网络的损失函数作为优化目标, 反复迭代得到最终模型。在实际采集的通信辐射源数据集上的实验结果证明了该方法的可行性和有效性。     

认知无线电中的一种频谱盲感知算法

认知无线电是一种用于提高无线电通信频谱利用率的新的智能技术,它能够通过与其运行环境交互而改变其发射机参数,特别是可让未授权用户使用授权用户的频谱,此外,它还为网络及终端提供更高的灵活性。高可靠性的频谱感知是实现频谱共享的关键。在分析了Parthapratim De提出的认知无线电中频谱Blinding Sensing算法的基础上提出了利用数据前、后向线性预测与矩阵QR分解结合的新算法。仿真实验表明,在同样的无线传输环境下,新算法比原算法能更可靠地感知频谱空穴。     

基于遗传算法的嵌入式系统软硬件划分算法

针对嵌入式系统软硬件协同设计中的软硬件划分问题,提出了一个基于基本调度块图的软硬件划分模型,并给出了一个基于遗传算法的软硬件划分算法.通过采用自适应的适应度函数和演化策略,提高了算法的稳定性、搜索效率和求解质量.实验结果说明了该算法对解决软硬件划分问题是有效的.     

一种基于GIS和场强测量的辐射源位置估算新方法

提出了一种基于地理信息系统（geographical information system,GIS)和场强测量的辐射源位置估算方法，讨论了影响定位结果的几种可能因素（电波传播、电波传播模型误差、功率测量误差、地球曲率和介电常数），并给出了实际操作中的具体解决方案。该方法将电波传播模型和地理信息系统结合起来，利用各观测点场强测量的相对值，能有效地降低电波的绕射和多径传播的影响，较准确地实现了辐射源的位置估计，这一方法已成功地应用于某型电磁环境检测设备中。     

加权邻域重构及其在声目标识别中的应用

摘要： 针对流形学习方法用于声目标识别时易受噪声干扰的情况,提出一种加权邻域重构算法,采用加权迭代方式构造出带噪流形子曲面中最能反映该曲面变化趋势的曲线,通过拓展该曲线对带噪流形子曲面进行重构,利用新曲面计算低维嵌入. 该算法在去除噪声的同时,最大限度地保持了原流形曲面的变化趋势,是一种适用于声目标识别的算法. 在公开数据库和低空飞行目标实际数据中进行实验,结果表明在识别正确率及运行时间上,本文提出的算法相对于其他3 种对比算法均取得了较好的效果.     

高误码条件下线性分组码的盲识别

针对信息截获领域中线性分组码的盲识别问题,依据分组码的线性构造、校验性质及码重分布特征,提出了一种在信息熵高误码条件下基于矩阵秩信息熵与码重分布盲识别线性分组码的方法. 首先通过数据矩阵的秩信息熵识别出码长并由码重分布的信息熵函数准确计算出码字起始点,再根据系统与非系统线性分组码生成矩阵的特点,采用不同的计算方法正确求解生成矩阵,从而盲识别出线性分组码. 仿真结果表明,该盲识别方法在较高的误码条件下具有良好的识别效果.     

基于信息熵和GA-ELM的调制识别算法

针对当前通信信号调制识别算法在低信噪比（signal-to-noise ratio，SNR）下识别率低、训练速度慢、识别调制类型少的问题，提出了基于信息熵特征和遗传算法-超限学习机（genetic algorithm-extreme learning machine，GA-ELM）的调制识别算法。首先，提取信号的4种熵特征：奇异谱香农熵、奇异谱指数熵、功率谱香农熵和功率谱指数熵作为调制识别的特征参数；其次，采用GA-ELM作为分类器。仿真实验表明，对11种模拟、数字调制信号进行分类识别，在SNR大于4 dB时算法的总体识别率均超过98%，同时该算法训练速度快，识别系统设计简单，具有较大的应用价值。     

听觉模型倒谱系数及其在声目标识别中的应用

针对目前广泛采用的美尔倒谱系数(MFCC)鲁棒性不足的问题,基于人类听觉模型提出了一种可用于战场声目标识别的倒谱系数. 用小波包变换代替了传统的傅里叶变换,克服了傅里叶变换在频域上单分辨率的缺陷和对噪声的敏感性. 用指数压缩替换固定的对数压缩,较好地模拟了人耳处理信号的非线性能力. 在SensIT实验数据和外场实际采集的低空目标数据上的实验结果表明：相对于经典的美尔倒谱系数,本文提出的倒谱系数在识别准确性和抗噪声能力方面都有较明显的提高．     

嵌入注意力机制的通信辐射源个体识别方法

复杂电磁环境中, 针对低信噪比条件下现有神经网络识别算法对于通信电台识别准确率不高的问题, 提出一种结合双层注意力机制和残差网络的通信辐射源个体识别方法。首先, 以空间注意模块和通道注意模块构成注意力机制。其次, 在一维残差网络中嵌入双层注意力机制, 提高对关键特征的学习能力。最后, 在实际数据集上验证算法的有效性。实验证明, 相比于残差神经网络算法, 所提方法既能保持模型较好的稳定性又在数据集上有明显的提升效果。     

非协作mCPM信号调制识别与解调算法研究与实现

提出一种非协作通信中CPM信号调制类型盲识别算法,利用调制指数、符号率和频偏对调制类型进行联合估计. 在此基础上,根据mCPM信号的差分相位,完成了CPM信号的盲解调. 理论分析与实际数据实验表明,新方法具有较高的调制类型正确估计概率,且达到了较好的解调效果.