Ho3+:ZBLAN光纤中的3μm与2μm级联振荡辐射

利用美国Thorlabs公司生产的一种Ho3 :ZBLAN光纤,采用F-P腔型结构,在光纤长度为1.8 m时,获得了3μm和2μm波长的微弱级联振荡辐射。对于推动医用光纤激光领域的研究具有重要价值。     

超高斯光脉冲在单模光纤中的传输特性分析

通过数值求解非线性薛定谔方程(NLS),分析了输入功率以及初始啁啾对超高斯脉冲在单模光纤中传输的影响,并且分析了当输入功率增大到141mW时呈现的光孤子效应。     

双包层Er3+/Yb3+共掺光纤放大器增益和噪声特性分析

基于速率方程和光传输方程，对980nm激光泵浦Er^3 ／Yb^3 共掺双包层光纤放大器的增益和噪声特性进行了分析。数值模拟结果表明，在小信号和大信号情况下，双包层Er^3 ／Yb^3 共掺光纤放大器在1520nm～1570nm波长范围内都具有良好的增益和噪声特性。     

基于PSTN的可远程监控录音录时系统设计

提出了一种基于PSTN（公用电话网）方式下的远程监控录音时系统的实现方法。该系统由1个远端监控端和若干个本地录音端组成,利用两路电话线,通过调制解调器拨号实现远程实时监听回放功能。经过实践验证达到了较好的效果。     

一种快速检测入侵的方法

研究了网络入侵检测的最优检测问题。针对攻击事件类型和规则的匹配问题,改进了限定条件下规则集的选取,通过建立凸松弛函数,确定问题的最佳解,最后通过模拟实验,验证了用最佳解匹配攻击数据包,效果明显优于BM方法。     

快速光缆故障定位

指出了光缆故障定位的措施，总结了各种光缆故障的原因及现象，分析了OTDR进行各种故障准确定位时所得后向散射信号曲线的特征。     

基于反向传播神经网络的入侵检测算法

讨论了多层神经网络算法缺陷,提出了一种基于改进反向传播(Back Propagation,BP)的快速入侵检测算法--IBP算法:在BP算法中的梯度下降算式中,加入一个动量项α[ω(t)-ω(t-1)],改善计算神经元 j到神经元i的级联权值;采用学习速率可变的策略;算法训练网络时采用批处理的样本输入方式.改进后的算法选取较大的学习速率η=0.5和η=0.65,并采用3层神经网络的结构,输入、输出样本是16维和15维,各进行100次独立仿真实验,结果证明可加快算法收敛速度,另外,仿真实验还证明:改进后的算法对初始权值的敏感性、网络所表现出的稳定性等都比传统算法性能优越.     

一种分布式无锚点定位算法的优化与实现

符合分布式和无锚点特点的定位算法一直是传感器网络节点定位技术的一个重要发展方向。通过对大量无锚点定位算法的分析,提出了一种符合分布式特点且定位精度较高的无锚点定位算法。为进一步提高该算法的节点定位精度,建立了该算法的误差模型,通过对其分析,提出了减少目标节点定位误差的方法。为衡量节点估计位置的准确程度,首先提出了2个指标——定位等级与可信度;然后以原算法为基础,利用提出的指标,按照误差分析得出的结论,设计了一种从目标节点邻居表中筛选出高精度邻居节点的优化机制,从而提高了目标节点的定位精度。计算机仿真分析表明,优化后的算法计算节点估计位置的有效性和可靠性均高于原算法,进而证明了这种优化设计的可行性。     

基于认知驱动的变换域通信智能抗干扰方法

为满足未来无人系统通信智能抗干扰的实际需要,针对传统变换域通信系统(transform domain communication system, TDCS)自身开放性有限、干扰应对能力不足等问题,设计了基于认知引擎驱动的智能系统架构,并针对各认知引擎驱动子模块提出了3种改进方法，包括基于稀疏逼近的未知干扰处理、基于稀疏表示的变换学习干扰识别以及针对性的干扰变换稀疏分析方法。实验结果表明,识别子模块与传统的分类器相比,整体的干扰识别率提高了5.2%,并且可实现无监督的学习;同时,针对典型干扰的重构精度在90%以上,实现了不同干扰类型的最优变换处理,显著提高了系统的抗干扰性能,传输误码率逼近理想水平。     

基于LSTM的短波频率参数预测

针对现有短波通信频率参数预测方法操作繁琐、预测精度不足的缺点,首次提出一种基于长短期记忆型循环神经网络（LSTM RNN）的预测方法。通过对电离层参数f0F2数据的分析,利用LSTM在处理时序相关数据时可以长期记忆网络历史数据的优势,对f0F2值进行预测。对比反向传播神经网络（BPNN）,LSTM将误差降低了7%,并将均方误差控制在2%以下。研究结果表明：基于LSTM搭建的提前预报5天的f0F2值的模型是可行的且比BP神经网络更适合预测电离层的f0F2值。