一种基于复加权的目标极化识别方法

针对未知和时变的杂波环境,在目标极化状态已知的情况下,探讨了极化域目标识别的问题.在全极化雷达的极化正交的双通道接收系统中,对两路极化正交回波信号进行复加权后与期望信号比较,使其均方误差达到最小,从而抑制了干扰,增强了目标信号.对抑制和增强效果在干扰分别为定极化和变极化的情况进行了仿真,仿真结果表明了该算法的有效性.对此算法中步长因子的取值范围进行了探讨.提取目标极化特征,进行目标识别,并进一步提出识别递推算法.对识别结果进行仿真,仿真结果表明了该方法的有效性.     

一种基于深度融合模型的滚动轴承故障诊断方法

针对噪声环境下滚动轴承故障难以诊断的问题,提出一种基于深度学习融合网络的轴承故障识别新方法。该方法首先对轴承振动信号进行一定程度的随机损坏,并将加噪后的数据输入卷积降噪自编码器(convolutional denoising autoencoder,CDAE)中对网络进行训练,目的是降低信号中的噪声干扰并提取浅层特征;然后,利用深度信念网络(deep belief network,DBN)学习深层特征并建立轴承状态识别模型,输出故障识别结果。在融合模型中,将卷积降噪自编码器作为网络的第一层以增强网络的抗干扰能力,提高故障的识别精度。使用凯斯西储大学(CWRU)滚动轴承数据对所提模型进行验证,结果表明提出的融合模型在噪声环境下能够较好地实现轴承的故障状态识别。     

基于SDCN算法的鲁棒性语音命令识别

提出了一种基于ＳＤＣＮ算法的鲁棒性语音命令识别。依赖于信噪比的倒谱正常化（ＳＤＣＮ）算法直接在倒谱域根据输入语音帧的信噪比（ＳＮＲ）来增加一补偿矢量,从而恢复未受污染的净语音信号,补偿矢量直接从训练环境和测试环境中记录的语音倒谱中逐帧比较得到,该算法对退化的环境具有很强的鲁棒性,实验结果证明,该算法简单,有效。     

基于双语对齐的汉语–新蒙古文命名实体翻译

汉语–新蒙古文命名实体翻译在跨汉语–新蒙古文信息处理中具有重要意义,而直接使用机器翻译的方法不能达到满意的结果。针对上述问题,提出一种从汉语–新蒙古文平行语料中自动抽取汉语–新蒙古文命名实体翻译对的方法。该方法只需对汉语端进行命名实体标注;然后基于双语HMM词对齐结果,利用滑动窗口的方法抽取所有候选命名实体翻译对;最后基于融合5种特征的最大熵模型,对所有候选翻译单位进行过滤,选取与汉语端命名实体相对应的置信度最高的新蒙古文命名实体翻译单位。实验结果表明,该方法优于基于HMM的方法,在对齐模型只是部分准确的情况下,也获得较高准确率的汉语–新蒙古文命名实体翻译对。     

一种单信道时频重叠多进制数字相位调制信号调制识别方法

针对单信道两个时频重叠多进制数定相位调制(multiple phase shift keying,MPSK)信号的调制识别问题,提出了一种基于联合特征参数的调制识别方法。根据时频重叠信号在循环频率上的可分性,结合信号的瞬时自相关特性,提出了两个特征参数,对任意组合的双相移键控信号(共6种)进行分类识别。仿真结果表明,在信噪比大于6 d B时,各信号组合的平均正确识别率能达到90%。     

CAD/CAPP/CAM集成系统的研究与开发

文章介绍了可实用的CAD/CAPP/CAM集成系统。该系统是由机械产品设计人员,工艺人员和数控机床NC编程人员共同努力,在商品CAD/CAM软件Pro/ENGINEER平台上开发的。系统由三个子系统组成：零件信息识别子系统,CAPP子系统和自动CAM子系统。零件信息识别子系统从三维零件中提取零件信息,CAPP子系统分析零件信息,自动生成零件加工工序和工步,从刀具数据库中查询刀具及切削用量,并完成各工序的工步排序。自动CAM子系统根据CAPP的结果,自动生成Pro/ENGINEER的NC工步,经过NC仿真后     

OFDM系统中最大似然调制识别算法研究

对观测样本进行非线形变换,提出了基于子载波和子载波组的OFDM系统最大似然调制识别算法,解决了载波频偏引起最大似然调制识别算法性能急剧下降的问题.仿真结果表明,当归一化频偏小于0.15时,该算法具有良好的识别性能.     

基于加速度传感器阵列的单振源识别方法

为了解决机械振源识别中识别效率和精度问题,引入地震源识别的单三角阵列传感器方法,将其首次应用于机械振源的识别中,并基于阵列理论,提出基于互相关时延的双三角阵列加速度振源识别方法;通过金属平面板的数值仿真与实验验证,可以实现振源的定位和定距。误差分析表明,新方法可以有效避免单三角阵列方法受测试距离的影响;该识别算法减少了对传递路径的估计,可以作为对具有有限边界和框架结构特点的机械振源识别算法的参考。     

基于优化ICA算法的高光谱矿物识别

混合像元是影响岩矿高光谱由定性解译向定量反演发展的关键因素之一.以往分离岩矿高光谱混合像元,需要先获得参与混合的端元数量及端元光谱,这在许多场合是难以做到的.独立成分分析可以在端元光谱、混合矩阵未知且没有任何先验知识的情况下,有效分离岩矿高光谱混合像元,只要端元光谱是非高斯性信号且满足统计独立性.它实现了矿物识别,并为矿物丰度反演及成分识别打下了基础.通过引入调整因子,改善独立成分分析(Independent Component Analysis,ICA)算法的收敛性.当参与混合的端元光谱相似度较高或者端元光谱的非高斯性较低时,岩矿高光谱混合像元的分离精度将受到影响.