基于二元语义信息处理的最大树聚类方法

针对解决具有语言评价信息的多指标聚类分析问题,提出了一种基于二元语义信息处理的最大树聚类方法。该方法依据传统的最大树聚类分析方法的基本思想,采用二元语义概念对语言评价信息进行处理和运算,并对聚类对象进行分类,具有概念清晰、计算简单、信息处理较为精确的特点。最后,通过一个算例说明了所给出的聚类方法。     

基于中心点和语义信息的多方向遥感舰船检测

在高分辨率遥感影像解译中, 舰船目标的检测一直是研究热点。针对遥感影像中近岸舰船排列密集、方向各异以及背景复杂等问题, 本文提出一种基于旋转中心点网络和语义信息(rotated CenterNet using semantic information, RSI-CenterNet)的多方向遥感舰船目标检测方法。首先, 基于关键点检测网络, 在检测阶段添加目标角度回归分支, 以预测目标方向; 其次, 添加语义分割分支, 并将其输出的特征与检测部分的输入特征进行融合以强化目标区域的特征信息; 最后, 引入注意力模块, 以强化目标显著区域与通道的特征, 提升检测精度。实验结果表明, 与其他多种先进方法相比, 本文方法具有更高的检测精度与检测速度, 在高分辨率船舶数据集(High Resolution Ship Collections 2016, HRSC2016)上的平均精度达到88.31%, 检测速度达到17.8 FPS。     

基于信息矩阵估计的极化码参数盲识别算法

针对目前极化码码长识别存在抗噪声性能差的问题,提出了基于信息矩阵估计的极化码参数盲识别算法.本文算法利用极化码生成矩阵的逆矩阵,与码字比特流构造的码字矩阵相乘得到估计的信息矩阵,在无误码情况下根据分析矩阵所含的信息得到码率,并利用其分布情况来识别码长、信息比特位数和位置分布.在有误码的情况下,引入了零均值比计量,根据峰...     

基于信号传播修正的GNSS干扰源质心定位方法

针对广泛存在的全球卫星导航系统(global navigation satellite system,GNSS)干扰,采用基于接收信号强度(received signal strength,RSS)的定位方法时,存在RSS值提取难度大,城市环境中不开阔、多径等复杂场景下定位误差大等问题,提出一种基于载噪比加权和干扰信号...     

采用速率兼容LDPC码的AMC-ARQ系统性能分析

本文首次提出基于速率兼容低密度校验码(low-density parity-check,LDPC)的物理层与数据链路层跨层联合设计方案。从利于系统实现的角度出发,首先提出了一种构造速率兼容LDPC码的删除方案,不但简单易行,而且具有与随机删除相似的误码率性能。然后以该速率兼容LDPC码为前向纠错码,在物理层采用自适应编码调制技术(adaptive modulation and coding,AMC),数据链路层采用选择重传自动请求重传协议(automaticrpepeat reQuest,ARQ),研究了系统在Nakagami-m衰落信道下的吞吐量。计算机仿真结果表明,采用速率兼容LDPC码的AMC-ARQ系统,其吞吐量要优于单独采用AMC或者ARQ。     

基于层次本体模型(HOM)的语义相似度计算方法

本体映射通过计算实体之间的局部的或/和全局的语义相似度来确定实体之间的关系。除了实体之间的局部或/和全局的关系外,在很多情况下整个本体之间的关系对于计算语义相似度也是很有帮助的。本文试图利用这些关系来计算实体之间的相似度以改进本体映射的性能。为此,本文以范畴论为基础提出了一个层次化的本体模型(hierarchical ontology model,HOM)用以形式化描述这种关系。在此基础上,还提出了一种本体映射算法HOM-Matching,该算法利用本体之间的关系来计算实体之间的语义相似度。两组实验表明:通过设定合适的参数,该算法可以较好地提高本体映射的性能。     

基于伪噪声码星间自主测距

卫星之间的高精度自主距离测量是卫星自主相对定位的基础,提出了一种基于半无调制数据的伪噪声(pseudo-random noise, PRN)码高精度星间自主测距方法。首先在无调制数据的同相支路完成信号的捕获、跟踪过程,然后利用同相和正交支路之间的相位关系,在携带数据的正交支路直接完成数据的解调过程,并借助非等量采样技术以及带通信号采样定理,使得卫星之间的自主相对距离测量精度理论上达到了4.6 mm。在信噪比(signal-to-noise ratio, SNR)为-20 dB的环境下,仿真实验结果表明测量精度优于2 cm。     

An evaluation of theories of information with regard to the semantic and pragmatic aspects of information systems

It is argued here that the discipline of information systems does not have a clear and substantive conceptualization of its most fundamental category, namely, information itself. As a first stage in addressing the problem, this paper evaluates a wide range of theories or concepts of information in order to assess their suitability as a basis for information systems. Particular importance is placed on the extent to which they deal with the semantic and pragmatic dimensions of information and its relation to meaning. It is concluded that Dretske's analysis of knowledge and information provides the most suitable basis for further development.     

基于语义分割实现的SAR图像舰船目标检测

基于深度学习实现的目标检测方法在自然图像中取得非常大的成功,而将诸多方法运用于合成孔径雷达(synthetic aperture radar, SAR)图像舰船目标检测逐步成为新的趋势。如何将已有方法改进并与SAR图像的特点相结合完成特定的检测任务,已经成为当前主要的研究方向。不同于当前已有方法,本文对存在的深度学习SAR图像舰船目标检测方法进行了再思考,提出了基于语义分割实现的检测、分割一体化方法。通过语义分割实现的检测方式能够有效地避免当前诸多检测网络的复杂解码过程,具有生成的预测框更加贴合目标、精度以及召回率更高等特点。该方法虽属于无锚框检测,但实验结果表明,达到了双阶段检测效果,且具有更加精细化的分割结果,适用于复杂背景检测与分割问题。     

基于扩频码周期性的单通道直扩通信半盲分离抗干扰算法

为克服传统盲源分离抗干扰方法需要多副接收天线这一技术瓶颈,提出一种单通道下基于扩频码周期性的直扩通信半盲分离抗干扰算法。该方法基于扩频码的周期性,利用符号级过采样,把单通道多径慢衰落信道模型转化为多通道瞬时混合模型,同时将训练序列作为先验信息以约束条件的形式引入到盲分离代价函数中,直接从混合信号中提取出期望用户数据,而达到抗干扰的目的。仿真结果表明,在多址干扰和单/多音干扰下,当信干比为-60dB时,随着归一化信噪比Eb/N0的增加,未分离信号的误码率几乎不变,并在10e-0.3附近波动,而经过所提抗干扰算法处理后的信号误码率逐渐降低,并最终稳定在10e-4~10e-5。     

基于复用代码检测的缺陷发现方法

软件开发中,因代码复用导致复用缺陷的现象时常发生,针对此提出一种基于代码复用检测的缺陷发现方法。首先通过代码比对或补丁还原的方式定位缺陷相关的代码,将缺陷代码和待测代码以函数为单位进行划分,提取并量化各函数的度量特征、结构特征和文本特征,采用递进式相似函数逐轮筛选的方式,确定可能存在复用缺陷的函数,并基于模型检测和数据流分析技术对疑似缺陷进一步判断。实验选取典型开源项目进行测试,发现了多处潜在的复用缺陷,结果证明了所提方法的有效性,同时发现每个缺陷平均要对2~5个可能的复用点进行判断。     

基于频谱累积量的线性分组码检测识别方法

针对非合作信号处理中的线性分组码盲识别问题,提出了一种基于有限域傅里叶变换（Galois field Fourier transform, GFFT）的检测识别方法。该方法对接收码序列按不同长度进行分段,对分段码字进行有限域上的傅里叶变换并计算其频谱的累积量。通过频谱累积量的不同分布情况,可以估计出正确的分组码长度。同时从频谱累积量中找出码字生成多项式的根,进而得到码字的生成多项式。仿真实验验证了算法的有效性,并对算法的误码适应能力和计算复杂度进行了仿真分析,最后给出了在不同误码环境下最优的频谱累积次数。     

Blind reconstruction of convolutional code based on segmented Walsh-Hadamard transform

Walsh-Hadamard transform （WriT） can solve linear error equations on Field F2, and the method can be used to recover the parameters of convolutional code. However, solving the equations with many unknowns needs enormous computer memory which limits the application of WriT. In order to solve this problem, a method based on segmented WriT is proposed in this paper. The coefficient vector of high dimension is reshaped and two vectors of lower dimension are obtained. Then the WriT is operated and the requirement for computer memory is much reduced. The code rate and the constraint length of convolutional code are detected from the Walsh spectrum. And the check vector is recovered from the peak position. The validity of the method is verified by the simulation result, and the performance is proved to be optimal.     

基于语义匹配的作战体系仿真想定生成方法

针对传统的想定建模方法耗时长、成本高的问题,为了实现作战体系概念模型数据到仿真想定的数据映射重用,提出一种基于语义匹配的作战体系仿真想定生成方法.首先,基于网络爬虫技术获取武器装备的参数信息,构建了作战领域知识库.在此基础上,提出了新型的混合式语义匹配方法以提供仿真想定的数据来源,根据自然语言数据库WordNet开展调...     

大气折射对高程约束下时差定位误差的影响及修正

电波在不均匀大气中传播会发生折射现象,传播路径和速度都会发生改变,若不考虑其影响,将导致利用测量多站到达时间差进行辐射源定位产生较大误差。本文分析了已知先验高程约束条件下大气折射对多站时差定位误差的影响,论证了迭代修正法在高程约束条件下(约束条件为冗余条件)无法达到最优,提出了大气折射条件下基于迭代然后再进行改进粒子群优化的时差定位误差修正算法,通过仿真分析验证了该修正算法的有效性。     

基于非等量采样的伪码同步技术研究

针对数字通信系统中伪随机噪声(pseudo-random noise, PN)码同步技术的同步精度受限于采样间隔的问题,结合可变群时延的高精度同步思想,利用采样点位置偏移量的变化,推导出了非等量采样(non-commensurate sampling, NCS)下的PN码相关函数解析表达式,提出了基于精度因子的NCS率选取准则,通过精度因子可快速判断出NCS后PN码的同步精度下限。在此基础上,分析了码序列周期、接收机前端滤波器等附加因素对PN码同步精度的影响。对NCS率选取准则的研究,为优化数字通信系统设计提供了理论指导,达到以低硬件消耗实现高精度同步的目的。     

基于独立分量分析的CDMA抗干扰时延估计算法

基于独立分量分析的思想,采用经典的FastICA算法结合传统的匹配滤波检测技术实现对CDMA同步时延的精确估计,有效地抑制了多址干扰和远近效应对CDMA接收性能的影响。并针对多径干扰对时延精确提取的影响,提出了一种基于匹配滤波的多径干扰消除时延提取算法,有效地提高了时延精确提取的准确性。实验结果表明了算法的有效性。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

基于HGSAA的机会阵雷达离散频率编码波形设计

机会阵雷达(opportunistic array radar, OAR)是一种以平台隐身性设计为核心的新体制雷达,设计适用于OAR系统的正交波形是研究的一个重要方面。对常规的雷达正交波形编码的搜索方法进行改进,使用混合遗传模拟退火算法,寻找出具有低自相关和互相关特性的雷达离散频率编码集合;并且考虑到算法适应度函数的重要性,引入灰关联度综合评价法则对其加以关联分析,根据关联度来引导算法搜索的方向,使产生的波形具备较好的性能。仿真结果表明,该算法可行且高效,在搜索最优离散频率编码方面优于其他搜索算法。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。