基于时频域特征和分层决策的通信信号调制识别

针对实际通信信号具有时变、非平稳的特性,将时频分布引入通信信号调制类型识别,提出了新的品质优良的时频域识别特征和使用时频域特征的分层决策分类器。即以基于Wigner Ville分布(WVD)的一阶时间矩特征和基于Margenau Hill分布(MHD)的局部时频域特征作为分类特征向量,通过特征向量与判决阈值的逐层比较以实现通信信号调制分类。仿真结果表明,该方法在低信噪比下的识别性能明显优于基于单纯的时域特征或频域特征的传统方法。     

自适应OFDM系统中调制识别算法研究

提出了一种适用于快衰落信道下自适应OFDM系统的调制识别算法。在信道估计和频域补偿的基础上,利用子载波组样本的6阶和8阶累积量识别5种调制信号。仿真结果表明,该算法具有良好的识别性能和稳健性,在SNR=16 dB,移动台速度小于40 km/h的条件下,调制方式的正确识别率可在到95%以上。     

小康社会与小康家庭的定量研究模型

中国小康社会的指标体系分国家层面、社会层面和家庭层面给出,小康家庭识别模型由一级、二级指标和测量要素来刻划,用属性识别的数学方法给出定量的计算.     

一种基于加权证据合成的多传感器目标识别方法

针对多传感器数据融合目标识别问题，基于D-S证据理论，提出了加权证据合成的时空域目标识别算法。该方法充分利用了多传感器多周期的测量数据，并根据D-S合成规则要求参与合成的各证据具有相同权重的特点，充分考虑了提供证据的信源即各个传感器的可靠性。在合成中，引入证据权的概念，解决了不同权重的多传感器数据融合问题，在一定程度上改善了目标识别系统的性能。最后通过计算实例表明算法是有效的。     

基于自识别水印模式的抗几何攻击水印算法研究

提出了一种不依赖于同步性的抗几何攻击的水印算法,通过对水印模式结构进行精心设计,使得其自身具有可识别性,通过对不同结构的水印模式进行识别,从而判断对应的水印信号.算法从根本上消除了同步性的依赖,也不需要对图像进行区域剖分和规范化,因此大大节省计算消耗.实验结果表明,该水印算法对旋转、缩放、裁剪、改变纵横比等几何操作具有鲁棒性,同时对高斯噪声、低通滤波等信号处理操作也具有鲁棒性.     

自然灾害综合灾情相对隶属度识别理论模型

针对自然灾害的评价还没有形成一个统一的标准和方法，探讨评价结果具有可比性的方法，显得尤为重要。以区域自然灾害评价指标对受灾程度的相对隶属度为基础，建立自然灾害综合灾情相对隶属度识别理论模型，讨论了该模型的算法。结合1993年沿海地区受灾综合灾情分析，论述了该模型的用法。结果表明该模型物理概念清晰，应用方便，识别结果具有可比性。     

实践型CI企业经营的利剑

CI要站在经营的角度．传递综合、动态、形象的信息，其真正的市场是在企业与客户互动和实践之中。     

大师与我们

在《CI专刊》即将出版之际．我们收到了中西元男和田中惣二两位日本CI大师特意为专刊撰写的致辞．两位大师高屋建瓴的精辟言论对中国CI发展具有很大的启示意义．他们对专刊的肯定和对中国CI前景的一致看好．对于我们和中国CI界都是莫大的鞭策和鼓励。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

卷积神经网络声学模型的结构优化和加速计算

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.