基于一维卷积循环神经网络的雷达辐射源信号识别

针对人工提取雷达辐射源信号特征不完备、时效性低等问题,提出一种基于一维卷积神经网络和双向门控循环单元的识别方法.首先,提取信号的模糊函数主脊并进行去噪处理;其次,利用一维卷积神经网络学习模糊函数主脊的内在抽象特征;然后引入双向门控循环单元对一维卷积神经网络提取到的特征进行再处理;最后,将特征映射到特征空间并通过Softmax分类器进行分类识别.实验结果表明,该方法在信噪比为0 dB时能保持99.67%的识别率,即使在-6 dB环境中识别率仍能达到90%左右,证实了该方法的有效性和在低信噪比下的稳定性.     

一种搜索LFM信号模糊函数主脊切面的快速算法

模糊函数主脊切面特征能较好地反映不同信号波形结构上的差异,但搜索信号模糊函数主脊切面的计算量非常大.提出了一种快速搜索线性调频(linear-frequency modulated,LFM)辐射源信号主脊切面的方法.该方法利用LFM信号的分数傅立叶变换模函数具有对称性,且单边单调的性质,采用先全局后局部方式搜索LFM信号主脊切面.实验结果表明,在不降低参数估计精度的条件下,该方法的计算量大大减少.     

一种搜索LFM信号模糊函数主脊切面的快速算法

模糊函数主脊切面特征能较好地反映不同信号波形结构上的差异,但搜索信号模糊函数主脊切面的计算量非常大。提出了一种快速搜索线性调频(linear-frequency modulated,LFM)辐射源信号主脊切面的方法。该方法利用LFM信号的分数傅立叶变换模函数具有对称性,且单边单调的性质,采用先全局后局部方式搜索LFM信号主脊切面。实验结果表明,在不降低参数估计精度的条件下,该方法的计算量大大减少。     

基于模糊函数主脊切片和深度置信网络的雷达辐射源信号识别

雷达辐射源信号识别是电子侦察系统的关键组成部分,为了提高低信噪比条件下对低截获概率雷达信号识别的准确率,提出了一种基于模糊函数主脊切片(MRSAF)与深度置信网络(DBN)的雷达辐射源信号识别方法。首先对雷达信号进行奇异值分解(SVD)进行降噪预处理,求解雷达信号的模糊函数并提取其主脊切片包络,采用奇异值分解方法降低噪声对主脊切片包络的影响,然后建立基于受限波尔兹曼机的DBN模型并运用标签数据有监督微调模型参数完成训练,最后基于该算法模型实现辐射源信号的分类和识别。仿真结果表明:该方法在低信噪比条件下也有较高的识别率,信噪比高于-4dB时,识别率可以达到90%以上,验证了本算法的有效性和应用价值。     

基于粗集理论的雷达辐射源信号识别

将粗集理论（RST）引入到雷达辐射源信号（RES）识别中，提出一种区间连续属性离散化新方法及相应的特征选择算法，将RST与神经网络（NN）结合，设计粗集神经网络（RNN）分类器．实验结果表明，该方法解决了已有方法难以处理的区间连续属性离散化问题，获得的正确识别率比其他3种方法分别高出7．29％、4．34％和4．00％．RNN的平均训练代数比NN少97．54，RNN的平均识别率比NN高2．84％，这表明RNN具有比NN更好的分类能力和泛化能力，从而证实了该方法的有效性和可行性．     

基于粗糙集和灰关联理论多传感器融合的雷达辐射源信号识别研究

粗糙集理论的上下近似集合可以刻画传感器对未知雷达辐射源信号的识别程度。从灰关联理论对传感器测得的原始数据计算出的不肯定度出发,计算每个目标与传感器测得的悲观解和乐观解距离。从而计算出目标与悲观解和乐观解间的灰关联系数矩阵。用假定的折中系数α、β计算出各传感器的侦察权重。再由灰关联系数矩阵和传感器权重得到各雷达辐射源信号的与悲观解和乐观解在传感器Sj识别意义下的灰关联度,最后计算融合判别函数得到融合结果。仿真实验表明,由粗糙集理论和灰关联理论相结合的多传感器数据融合的方法可以有效地应用于雷达辐射源信号识别,特别在是在降低多传感器引起的不确定性取得较好的效果。     

基于云模型的复杂体制雷达辐射源信号特征模糊评价

鉴于传统的评价方法未能考虑指标值的模糊性,从可分性、复杂性和稳定性3方面建立评价指标体系,把云模型和模糊评价理论结合起来,并利用Bootstrap小子样法求解评价矩阵,最终通过建立的新模型得到评价结果.仿真实验结果表明,此模型把指标的确定性和模糊性都代入计算,从而较为全面地得出特征评价结果,为雷达辐射源信号特征的分选识别提供了一种新的选择.     

基于通信信号分选与识别的分布式处理机研究

针对通信信号分选与识别,提出了建立分布式处理机的方案,利用预处理与主处理相结合的方法来分选通信信号,尤其在进行调制分类时,提出特征提取和识模器,为了提高处理速度,采用维数压缩和线性识模器。     

复杂电磁环境下的雷达信号分离方法

在复杂的电磁环境下,进一步提高雷达的检测能力是现代雷达面临的紧迫问题之一.为了提高雷达探测精度,需要在众多的干扰信号中有效地提取出雷达信号.鉴于越发明显的常规雷达信号处理方法的局限性,提出了一种基于最大信噪比的信号盲源分离方法.首先利用信噪比越大分离效果越好的特点建立信噪比目标函数,然后通过求解目标函数得到盲信号分离的优化矩阵,最后实现雷达盲信号的分离.仿真结果表明,该方法可对雷达盲信号进行有效的分离,且不需要其它信号处理方法所要求的任何先验知识作为条件.     

基于双谱的雷达辐射源识别

针对当前复杂电磁环境下电子侦察中雷达辐射源识别困难的问题,提出了一种基于双谱分析和势函数分类识别雷达辐射源的新方法。首先用Hinich方法检验雷达辐射源信号,发现其具有非线性特性。然后用适合处理该类信号的双谱分析法提取信号的双谱对角切片,利用主成分分析法(PCA)从大量训练样本特征中挑选低维、低复杂度的特征矢量,并融合对分类具有显著贡献的辐射源属性参数作为识别特征矢量。最后采用势函数分类法实现雷达辐射源识别。仿真结果表明,基于双谱的识别法对噪声不敏感,对不同脉内调制的辐射源信号识别率达到了92.9%,该方法为决策层提供了识别不同雷达辐射源的新途径。     

基于大型数据库的校园信息网模型研究

本文探讨了在校园网建设中大型数据库的应用技术,讨论了网络操作系统的选型原则,并以SQLSever2000 Powerbuilder为例,研究了它们在校园综合信息系统开发中的应用技巧。     

基于语义的数据库信息发布模型

随着因特网技术的发展 ,Web上数据库信息发布的需求迅速增加。传统开发模式中开发人员工作量大 ,软件不能复用。提出了基于语义的数据库信息发布模型 ,将语义描述者通过语义描述平台提供的数据集语义、数据操纵语义和发布样式语义分别存储在数据字典层、数据操纵层和发布样式层 ,再通过语义解析器解释生成发布页面。该模型实现了数据库信息发布的灵活定制和软件复用 ,使开发人员从大量重复的开发工作中解脱出来     

基于关系数据库的模型库系统研究

用关系数据库技术取代传统的文件方式创建和管理模型库系统,能够方便灵活地完成模型的存储和管理.文中分析了模型库系统的结构,阐述了模型字典的作用和组织方式,设计了模型字典的表结构,研究了模型库管理系统的功能,最后给出了软件成本估算专家系统模型库中FPA的TCF模型的设计实例.     

基于WEB的"纺织品信息数据库"研究

论述了建立 "纺织品信息数据库 "的必要性 ,阐述了纺织品信息数据库的逻辑和物理结构 ,并对系统的实现原理和功能进行了描述 ,认为通过基于 WEB的纺织品信息数据库的管理不仅可以使产品资料不致丢失 ,而且提高了数据共享性     

基于压缩的全文本数据库信息检索技术的研究

随着信息量的迅速增长,在大量的文本信息中尽快找到自己所需要的资料已经成为信息检索技术的重要目标.在分析总结前人研究成果的基础上,提出了一种压缩纯英文文本数据库正文的压缩方法以及和此压缩方法结合使用的一些查找算法和解压缩算法.     

基于扩展特征向量空间模型的多源数据融合

本体资源的扩充是自然语言处理的关键问题之一。传统的从单一数据源获取的信息其覆盖率较低,亟需建立一个整体的数据管理平台,对数据资源分类存储与整理。为此提出了AVP数据平台,构建AVP平台所面临的重要问题是多源数据的融合,即将不同来源的网站数据进行语义角色标注,对歧义词条进行识别判断,并最终归并到以义项为基本单位的数据仓库中;为解决多源数据融合的语义角色标注问题,给出了一种自动语义判歧方法。其基本思想是利用词条中的属性值对作为特征模板,并借助于属性值的共现概率,应用扩展向量空间模型对词条进行歧义识别。通过大量的实验对比可知,该系统在各方面均取得优异的成绩,所提出的算法能够很好地解决多源数据融合中的语义判歧问题。     

基于ORACLE数据库的信息系统优化设计

目的“研究基于ORACLE数据库的信息系统优化设计方法.方法依据实践归纳并提出非3NF、方法库、数据独立性以及程序优化等方法.结果具体问题采用具体方法对提高系统运行效率和适应性有显著作用.结论s对类似的信息系统具有广泛的参考价值.     

基于层次模型数据库的算法设计

层次模型是DBMS所支持的三大数据模型之一，本文述了如何利用关系模型表达层次模型的一种方法，具体给出了插入和修改的算法，此算法简便，可行，有效，不需对数据库进行规范化处理，此算法已在Delphi 3.0中实现，效果显著，具有友好，快捷的操作界面。     

基于互信息的中文姓名识别方法

提出并实现了一个基于互信息的中文姓名识别方法,该方法充分挖掘姓名和其上下文信息的关联程度以及姓名用字之间关联程度的信息,引入互信息对其进行定量的描述;提出中文姓名的上下文互信息、内部互信息等概念,并对其建立了动态评价函数,开放测试结果表明,该方法有效地提高了中文姓名识别的效果,保证了较高的精确率和召回率。     

基于模型识别和电流极性的混合式双极型直流输电线路纵向保护

针对混合式双极型直流输电系统,结合模型识别和电流极性保护原理,提出一种新的输电线路纵向保护原理。分析故障网络发现:当逆变侧前端故障时,故障模型等效为电容模型(C模型),当逆变侧背面故障时,故障模型等效为阻感模型(RL模型);当整流侧前端故障时,整流侧故障电流具有正极性,当整流侧背面故障时,整流侧故障电流具有负极性。区内故障时,即逆变侧和整流侧的前端同时故障时,故障模型匹配C模型,同时故障电流具有正极性;当故障发生在区外时,即逆变侧和整流侧的前端不是同时故障时,逆变器侧的故障模型不匹配C模型,或者整流侧故障电流具有负极性。由此区分直流线路外部和内部故障。仿真结果表明,该原理可以补偿主保护,作为备用保护的改进。