基于堆栈式LSTM网络的通信辐射源个体识别

针对现有通信辐射源个体识别方法预处理过程复杂及特征提取较难的问题,提出了一种基于堆栈式长短期记忆(long short-term memory, LSTM)网络的辐射源个体识别算法。该算法直接使用IQ时间序列信号训练LSTM网络,即可实现对通信辐射源个体的高效识别,避免了复杂的信号预处理过程。为使LSTM网络能更好地适用于通信辐射源个体识别,利用3层LSTM网络提取辐射源深层特征,并通过实验优化了网络参数。然后对该算法的实际应用泛化性进行了实验探究,结果表明该算法在其他辐射源数据集上也取得了较好的效果。最后,通过实验对算法进行了验证,结果表明相比于传统算法,在样本数较多时,该算法的识别准确率可以达到98%,而且简单快速智能,便于工程化与实用化。     

基于双谱分析的雷达辐射源个体特征提取

针对复杂电磁环境中雷达辐射源特征参数的分选和识别问题,提出将辐射源信号的双谱作为雷达辐射源个体特征,并进一步提出将Walsh变换作为双谱特征优化算法。利用双谱中包含的信号细微信息和双谱受高斯噪声和杂波影响较小等特性,提高雷达辐射源个体特征参数的有效性;针对信号双谱中包含了很多与个体特征无关的冗余信息,不利于机器进行识别处理的缺点,利用Walsh变换对信号的双谱特征进行优化,剔除其中无效、冗余的信息,将变换后的结果作为雷达辐射源个体特征信息。仿真实验结果验证了算法的可行性。     

对心直动滚子从动件盘形凸轮廓线长度的计算

从从动件几种常用运动规律—等速运动、等加速等减速运动、简谐运动和摆线运动入手 ,讨论了对心直动滚子从动件盘形凸轮廓线长度的计算式 ,分析了盘形凸轮的最大压力角及其位置。     

基于[CF+]的四阶电流模式低通滤波器分析

提出了以信号电流跟随器ＣＦ＋为基本电路元件,构成全集成ＭＯＳＦＥＴ－Ｃ精确连续时间四阶电流模式平衡结构低通滤波器电路,应用ＰＳＰＩＣＥ（Ⅱ）通用模拟电路程序,对其幅频特性和相频特性进行了计算机仿真分析。结果表明：这种滤波器能够直接处理电流信号,避免了电压跟随误差对电路质因数和自然频率的影响,有效地消除了ＭＯＳＦＥＴ电阻偶次非线性因素的影响,得到了可靠的计算数据。     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾.针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural netw...     

凸轮机构摆动从动杆滚子转动的计算及转动惯量的选择

研究了凸轮机构中的摆动滚子从动杯，并推导出滚子的角速度和角加速度的通用计算公式；还以不打滑为条件导出滚子转动惯量的限制公式，为滚子轴承的设计提供了运动参数计算的依据．     

基于功放特性的辐射源识别的改进方法

提出了一种改进型的基于功放非线性特性的辐射源识别方法.在假定输入为窄带小功率信号下,通过对信号进行泰勒级数分析,提取只与泰勒级数系数有关的谐波特征,之后对其进行非线性变换,并将所得新的特征向量进行辐射源个体识别.通过对6部TBR-121A型电台1 200组数据进行的实验对比,结果表明文中所提的改进型方法在正确识别率方面比传统方法有较明显的提高,平均达到了90％以上.     

基于DBN特征提取的雷达辐射源个体识别

针对传统特征参数难以表征复杂体制雷达信号个体特征的问题,基于深度置信网络DBN的深层特征提取和高维数据处理能力,提出一种基于DBN特征提取的雷达辐射源个体识别算法。首先建立基于多层受限玻耳兹曼机的DBN模型,然后通过DBN无监督提取脉冲包络前沿特征,再利用标签数据对模型参数进行有监督微调完成训练,最后输入未知辐射源信号脉冲包络前沿特征实现辐射源个体识别。与传统算法相比,该方法能够自适应地提取脉冲深层次细微差异,提取过程减少了对人为经验的依赖。实验结果表明,该算法对脉冲包络特征提取效果明显,有较高的识别精度。     

E&AMode: 一种新的基于引擎粒子系统的图像渲染模式

本文分析了图像引擎粒子系统的传统实现方法的优劣，提出了一种称为发射源&影响者(E&AMode)的图像渲染模式，该模式实现了粒子系统模拟效果的多样性，粒子运动状态的动态性和结构设计的灵活性.本文介绍了新模式的基本结构、算法思想和实现方法.试验结果表明，发射源&影响者模式能够实现粒子属性的灵活设置，粒子运动状态的动态改变和模拟效果的多样性.     

超低hFE温度系数晶体管研制

采用poly-Si(n )/UTSiO2/n -Si/P-Si发射结构，研制出参数与常规晶体管相近，能长期稳定工作，在－55－100度温度范围内，hFE温度系数小于20％的硅晶体管。