应用形态学滤波的宽带侦察接收机信号检测新方法

针对大瞬时带宽侦察接收机在截获信号时因噪声的非理想特性引起的弱信号漏检问题,提出一种把频谱作为一维灰度图像进行形态学处理的信号检测方法. 对Welch谱进行形态学运算,估计噪声基底并对频谱进行修正,对修正的频谱进行恒虚警处理估计检测门限,根据修正频谱与门限值的比较来判决信号的存在性. 仿真结果表明,该方法能较好地估计噪声基底,在给出的非平坦噪声环境下实现对弱信号的正确检测. 由于计算量小,这一方法适合于硬件实现.     

基于周期平稳信号特性的神经网络波束形成技术

绝大多数通信信号都具有周期平稳信号特性,SCORE算法就是一种利用周期平稳信号特性的优良的波束形成算法.然而,对于矩阵运算和矩阵求逆的巨大运算量的要求限制了它的应用.文中根据神经网络理论提出了一种神经网络波束形成技术(NNBFT),较好地解决了这一问题.仿真结果表明其性能优良,抗干扰性强     

声振法水泥混凝土路面地基脱空判定

通过声振法采集水泥混凝土路面声频信号,利用 MATLAB软件的数据分析和处理功能进行音频信号的频谱及声谱分析,定义频率变量和频率峰态值等状态参数,应用多值神经网络和Dempster-Shafer理论建立了一套噪声环境下的自动识别系统,实现水泥混凝土路面地基脱空的判定.     

一种基于粗集神经网络的欺诈风险分析方法

指出了传统的欺诈风险分析模型存在的问题,提出了一种基于粗集神经网络的欺诈风险分析方法.详细叙述了粗集神经网络的基本原理及基于粗集神经网络的欺诈风险分析方法,并给出了一个基于粗集神经网络的信用卡欺诈的分析实例。实验结果表明,该方法应用于欺诈风险的分析中是有效的,为欺诈风险的分析和预警提供了一条新的研究思路和方法。     

基于子带谱平滑度的音频篡改检测

针对音频篡改过程中重采样操作的检测,通过对插值音频信号频谱特性的分析,提出一种频谱测度即子带谱平滑度,用以度量音频信号在各子带频谱的波动程度,并提出用子带谱平滑度作音频信号篡改检测的方法及其具体实现步骤. 实验结果表明,该方法不仅能够准确地检测出音频信号是否经过插值和拼接处理,还能比较准确地估算出信号插值前的原始采样率,为音频取证提供更多有用信息.     

阶比分析与外同步整周期采样

<正> 一、前言旋转机械的某些故障一般可以通过其振动信号的特征反映出来,例如,轴系不平衡,则其振动信号的主要频率成份是每转一次的基波分量;轴系安装不对中时,陈了基波分量外还有较大的二次和三次谐波分量;而发生油膜震荡时,会出现较大的二分之一次谐波分量等,显然,在分析振动信号的频谱时,上述故障的特征就能从频谱图上反映出来。通常所说的特征分析就是辫识旋转机械各频率分量的一系列数据处理技术,它是旋转机械故障诊断一种有效的工具。二、频谱分析与阶比分析 1、频谱分析这是一种常用的信号分析方法,它表征了机械运转特性的功率谱或幅值谱。频谱结     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

基于树突网络的侧信道攻击

由于深度学习对数据内在特征的敏感性,将深度学习算法应用于硬件加密芯片的侧信道分析,提高了侧信道分析的效率和准确率.但深度神经网络学习算法依旧是非线性结构未知的深层黑盒模型,模型结构和性能不一定是最优.该文提出一种基于树突网络的侧信道分析方法,由于树突网络内部非线性结构的可解释性,其系统辨识能力和运算复杂度均优于深度学习网络.在ChipWhisperer侧信道分析实验平台的CW308T-STM32F3和ATXMEGA128D4目标板上,针对AES-128加密算法进行侧信道分析实验,实验结果表明,基于树突网络的侧信道分析在模型参数规模、攻击精度、训练时间等方面都要优于多层感知机、卷积神经网络、循环神经网络等深度学习模型.     

基于RBFNN和回馈递推的新型多旋翼飞行器控制

研究了新型多旋翼飞行器的建模与轨迹跟踪控制. 建立了非线性运动学和动力学模型,并提出基于全调节径向基神经网络和回馈递推的鲁棒自适应轨迹跟踪控制策略. 首先设计了飞行器的位置误差PID控制器,用于实时消除飞行轨迹与期望轨迹的偏差,并为姿态控制环构建姿态角指令. 采用全调节径向基神经网络估计飞行器动力学模型中的复合干扰,为避免回馈递推控制器设计过程中对虚拟控制信号的繁琐求导运算,减小对解析模型的依赖度,设计了一种基于指令滤波回馈递推的飞行器姿态控制器. 该设计方法通过滤波器而非直接用解析方法对虚拟控制信号求导,大大简化了控制器的设计过程,节省了控制能量. 仿真实验表明所提出的轨迹跟踪策略的正确性和有效性.     

引导学生理解信号频谱的概念和意义

针对教学难点,就如何引导学生有效理解信号频谱的概念和频域分析的意义,提出信号频域分析的教学思路和方法.即先用单个正弦信号说明频谱的定义,从信号分解的角度理解频谱与信号的关系,再分析周期信号频谱的特点,进而引导出求非周期信号频谱的傅里叶变换,说明其意义,通过傅里叶变换的性质强调频域分析的实际应用.     

基于ANN的光伏并网逆变器SVPWM研究

通过分析空间矢量脉宽调制的工作原理,提出基于人工神经网络的SWPWM调制策略.这种基于ANN的光伏并网逆变器覆盖了SVPWM的欠调制和过调制两种模式,能实现从线性调制到六步模式非线性调制的平滑过渡.由于神经网络具有很强的并行处理能力以及容错能力, ANN SVPWM控制器运行速度快,能有效提高逆变器功率开关的开关频率.采用监督模式,通过固定权值分别对欠调制子网络和过调制子网络进行训练.在MATLAB仿真平台上搭建光伏并网逆变器仿真模型,由神经网络工具箱实现ANN控制器,仿真结果表明:在 SVPWM过调制区用ANN控制方法简单、高效、控制效果良好.     

高阶微分器优化设计研究

提出了一种基于BP算法的正弦基函数神经网络模型，研究了该数神经网络算法与线性相位数分器幅频特性的关系，提出了该神经网络算法的收敛条件，给出了高阶微分器的优化设计实例。计算机仿真结果表明了该神经网络算法不仅是有效的而且是高效的。与传统的窗口函数法和雷米兹化设计方法相比，本优化设计方法不需要计算矩阵的逆，因而解决了雷米兹优化设计方法求高阶矩阵逆的困难。由于微分器是一种特殊的4型FIR线性相位滤波器，只要求出脉冲响应序列，就可以用软件方法实现数字微发运算，也可以通过CPLD复杂可编程器件或DSP数字信号处理芯片实现硬件数字微分运算，因此，设计出性能指标优异的微分器是高阶微分器具有十分重要的实际意义。     

一种基于遗传算法和BP网络的鲁棒图像哈希方法

提出一种用于图像内容认证的基于遗传算法和BP网络（GA-BP）的鲁棒图像哈希方法。运用提升小波变换（lifting wavelet transform,LWT）得到图像的低频分量,对低频分量进行离散傅里叶变换（discrete Fourier transform,DFT）提取幅度和相位信息以建立图像的特征矩阵,利用构建的GA-BP模型,生成鲁棒的图像哈希序列并用于图像内容的篡改认证。实验结果表明,相比于同类方法,所提出的图像哈希认证方法对随机攻击、旋转、JPEG压缩,加性高斯噪声等具有较好的鲁棒性和区分性。     

一种用于地应力分析的改进型BP神经网络方法

地应力测量及分析研究,对地应力活动方式、构造体系的研究以及岩土工程与结构的设计和稳定性,都具有重大的理论意义和实用价值.BP神经网络算法比较成熟,已被广泛应用,但一般BP神经网络算法存在训练学习速度较慢、样本泛化能力差的问题,通过引入动态学习因子和惯性因子以及模拟辅助样本,对神经网络进行了改进.通过调节动态学习因子和惯性因子以及对样本集数据处理等手段,对样本的学习、训练进行优化处理,通过实例验证,将优化好的网络样本训练结果与一般结果进行比较,结果表明对三层BP神经网络进行的优化,在提高计算精度的同时也提高了网络的收敛速率,证明改进的算法能够很好用于地应力分析.     

一种基于神经网络的并行设计活动调度方法

对并行产品开发过程中的活动进行调度,对于缩短开发周期、降低成本、减少返工和确保具有串行关系的活动尽可能地并行进行具有重要意义.针对并行活动调度问题提出了一种约束满足神经网络与启发式结合的算法.其中神经网络用于获得所有活动的可行的开始时间;用启发式算法求得基于资源约束的调度问题的可行解;然后用梯度搜索算法优化可行调度方案得到最终优化可行调度解.应用实例表明此法对并行活动调度的有效性和可行性.     

基于小波神经网络的大型桥梁监测

大型桥梁已成为城市交通体系关键的部分,对其进行有效地监测已势在必行。根据小波分析和神经网络在处理复杂非线性问题上的优势,将其分别应用于大型桥梁结构监测中的线形监测和应力监测这两个技术问题上。结果表明小波神经网络模型监测精度高,对桥梁的安全运营提供了技术支撑。     

一种实用的单片机控制射频频率合成系统

介绍一种用于国产民用数传电台生产中的频率合成系统,概述了其基本构成,工作原理以及软硬件设计时的一些具体做法,该频率合成系统采用单片微机控制,直接工作在电台的发射频率上,具有稳定度高.频谱纯,成本低,智能化等特点.     

LSTM预测驱动的软件系统主动自适应方法

针对反应式自适应软件系统调整滞后的问题,提出了一种基于长短期记忆（long short-term memory, LSTM）网络预测驱动的主动自适应方法。该方法将LSTM神经网络预测技术嵌入监测-分析-决策-执行-知识控制模型的分析环节,利用自适应环境、质量及目标相关的运行数据和历史数据进行分类预测,形成自适应预警机制,在减小传统自适应决策滞后性影响的同时有效提高了软件系统的主动自适应能力。为了说明所提方法的主动性、鲁棒性、有效性,在经典的分布式远程辅助系统上对该方法进行实验评估。结果表明：该方法能够针对自适应需求提前预警,推动软件系统在必要时进行主动的自适应调整。     

改进的RBF网络在宁德市综合需水预测中的应用

需水预测涉及多种因素,需对多因素进行综合评估．根据RBF神经网络算法,建立人工神经网络需水预测模型,选取影响研究需水量的主要因子,以此作为输入样本,将神经网络模型应用到宁德市需水预测的实例研究中,并运用Matlab神经网络工具箱进行模拟计算,预测精度较高．实例表明RBF神经网络模型用于城市需水量预测是可行的．     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。