一种改进型脉冲重复间隔测量系统

脉冲重复间隔(PRI)是雷达信号的重要参数之一。分析了脉冲计数法在脉冲重复间隔测量中的实现方法,指出了该方法中存在的三种主要误差,阐述了改进型脉冲计数法在脉冲重复间隔测量系统中的应用。     

基于脉冲间隔调制信号的频谱

针对非同步模拟脉冲调制信号的谱表达十分复杂的情况，采用静态逼近方法，以高精度逼近求解PIM信号谱，得出非同步模拟脉冲间隔调制信号谱表达式，并进行低频硬件模型实验。实验结果表明，该谱表达式物理意义明确，表达简单、清晰。     

脉冲间隔调制信号的谱分析

采用静态逼近方法,求出非同步模拟脉冲间隔调制信号简单而物理概念明确的谱表示,并由实验结果确认．     

浅谈脉冲编码调制中的逐次比较式编码

给出脉冲编码调制中逐次比较式编码的步骤、方法,以便读者更好地理解、掌握．     

一种改进的雷达脉冲分选算法

介绍一种改进的雷达信号分选算法,这种算法基于到达时间与载频。文中双参数算法可用于常规雷达,参差雷达与捷变频雷达。由仿真结果可见此算法可成功应用于复杂的高密度的雷达环境。     

基于Turbo编码和二进制脉冲位置调制的快跳频光码分多址系统

在不考虑噪声和仅考虑散粒噪声两种情况下，分析了Turbo码对二进制脉冲位置调制(BPPM)的快跳频光码分多址(FFH OCDMA)系统性能的影响，并对该系统进行了数值模拟。结果表明，Turbo码对BPPM调制的FFH OCDMA系统性能有明显的改善。     

用于脉间码捷变脉冲压缩雷达的低旁瓣m序列码

讨论了ｍ序列码非周期自相关函数的统计（积累）特性。首先证明采用ｍ序列码积 累可能得到的统计自相关函数主旁瓣比的上限为２ｐ（ｐ为码长），并给出了对（ｐ＋１）／２ 个不同初相的ｍ序列码作加权积累获得主旁瓣比为２ｐ的方法。其次提出了采用较少 码字（（ｐ＋１）／８个）作简单积累，得到了统计自相关函数主旁瓣比为ｐ的码集。     

采样间隔可变的脉冲调宽系统的稳定性

在控制系统的脉宽调制器采样间隔可变的条件下，讨论了脉冲调宽系统的稳定性，给出了该类系统具有稳态稳定性的定义，并且证明了在工业控制过程中大量应用的比例型脉冲调宽系统具有稳态稳定性．     

基于多尺度符号转移熵的脑电信号分析

无论从全局还是局部的角度出发,采用多尺度转移熵表示全局和局部两类脑电(electroencephalography,EEG)信号,并分析其动态和不对称信息。采用比例系数从1到199、步长为2的多尺度方法处理正常人和癫痫病患者的脑电信号;然后采用维度为3的全局排列方法表示序列。将正向和反向符号序列作为转移熵的输入。比例因子的间隔和全局路径分别为(37,57)和(65,85),分析发现两组EEG信号的熵值在该处较容易区分。当比例系数为67时,健康对照组和癫痫病患者的转移熵值分别为0.113 7和0.102 8,差异最大。在比例系数是165时,全局变量的相应值为0.064 1和0.060 1。研究结果表明,合适的排列有助于更好的区分脑电数据信息,采用多尺度符号转移熵分析EEG信号更加有效。     

随机区间置换的安全算术编码及应用

基于压缩编码的加密方式能够同时完成加密和压缩的功能,通过压缩减少了信息的冗余,同时引入加密使对试图推测出明文信息和找到密钥的攻击具有非常好的鲁棒性。提出了一种基于随机区间置换的安全算术编码,在编码过程中通过随机密钥保证图像压缩编码的安全性,且不影响编码的效率,使其方便在网络中安全传输。实验结果和安全性分析表明该安全算术编码有较好的安全性和加密效率。     

基于低密度奇偶校验编码的自适应调制方案

为克服无线信道时变衰落特性对传输性能的影响 ,提出了基于低密度奇偶校验 (L DPC)编码的自适应调制传输方案。该方案将所有子信道传输的信息采用同一个 L DPC码进行编码 ,每个子信道根据各自当前的噪声水平动态选取调制方式 ,而各个子信道的瞬时噪声根据 L DPC译码前后信息序列的符号改变情况进行估计。仿真结果表明 :在 Nakaga-mi时变衰落信道下 ,该系统方案可以很好地适应信道的时变衰落特性 ,在满足系统输出误比特率的条件下 ,可以很低的系统复杂度实现信息的最佳传输 ,并获得距离理论极限3d B的良好传输性能     

基于元素区间编码的GML数据索引方法

根据GML数据查询的需要,在分析XML文档编码和空间索引技术的基础上,提出一种基于扩展的元素区间编码的GML索引方法.首先通过扩展的区间编码方法对GML文档中的元素、属性、文本、几何体等要素进行编码;其次依据元素编码算法并将非空间节点、空间节点、元素节点从GML文档树中分离,产生元素编码序列;在此基础上根据节点类型的不同对属性和文本节点建立B+树索引以实现值查询,对几何体节点建立R树索引以实现空间数据的分析操作,并在查询处理时通过查询优化算法避免不必要的节点的遍历,进一步提高查询效率.实验结果表明,基于元素区间编码的GML数据索引方法是可行的、高效的.     

脉冲耦合神经网络的人脸识别方法

 在脉冲耦合神经网络(PCNN,pulse coupled neural network)中,基于神经元脉冲震荡的时间序列概念,利用平均时间序列和平均欧氏距离的方法实现了人脸识别.实验仿真表明了该方法的有效性,对不同人脸和复杂表情的人脸均具有较好的识别效果.     

基于最大池化稀疏编码的煤岩识别方法

针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法.     

基于CNN-SVM的调制方式识别优化算法

信号调制方式识别在通信领域是一个研究热点,针对目前已调信号分类识别率受噪声的影响较大的问题,提出一种基于CNN-SVM的调制方式识别算法.该算法对不同已调信号做循环谱估计,生成相应的循环谱图,并截取等高截面图作为特征图,然后借助卷积神经网络提取相应的特征,并采用t分布邻域嵌入算法对特征值降维处理,最后输入到支持向量机对已调信号进行分类识别.经实验仿真,当信噪比高于-2 dB时,算法识别率高于96%,证实了该算法具有很好的识别效果.     

基于多层次特征融合的Transformer人脸识别方法

卷积神经网络中的卷积操作只能捕获局部信息,而Transformer能保留更多的空间信息且能建立图像的长距离连接.在视觉领域的应用中,Transformer缺乏灵活的图像尺寸及特征尺度适应能力,通过利用层级式网络增强不同尺度建模的灵活性,且引入多尺度特征融合模块丰富特征信息.本文提出了一种基于改进的Swin Transformer人脸模型——Swin Face模型.Swin Face以Swin Transformer为骨干网络,引入多层次特征融合模块,增强了模型对人脸的特征表达能力,并使用联合损失函数优化策略设计人脸识别分类器,实现人脸识别.实验结果表明,与多种人脸识别方法相比,Swin Face模型通过使用分级特征融合网络,在LFW、CALFW、AgeDB-30、CFP数据集上均取得最优的效果,验证了此模型具有良好的泛化性和鲁棒性.     

基于调制域谱减法的鲁棒性说话人识别

针对说话人识别性能在噪声环境下急剧下降的问题,提出了基于调制域谱减法的鲁棒性说话人识别方法。首先在说话人识别前端通过调制域谱减法对含噪语音进行增强处理,然后通过Gammatone滤波器组提取对噪声具有抑制作用的特征,最后与说话人模型进行匹配识别。仿真结果表明,运用此方法能显著抑制噪声对说话人识别系统的影响,提高系统的识别率。