辐射源信号模糊函数主脊切面特征优化

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,但搜索表示信号的模糊函数主脊切面角度的计算量非常大,因此,如何快速精确地寻求这个角度成为一个亟需解决的问题.先将搜索模糊函数主脊切面转化成一个优化问题,考虑量子进化算法(quantum-inspired evolutionary algorithm,QEA)具有种群小、收敛速度较快、全局寻优能力强的特点,应用量子进化算法对这个问题进行寻优.实验结果表明,针对各种信号,算法在不降低参数估计精度的条件下,可以大大减少计算量.     

基于SE-ResNeXt网络的低信噪比LPI雷达辐射源信号识别

针对低信噪比(signal to noise ratio, SNR)低截获概率(low probability of intercept, LPI)雷达脉内波形识别准确率低的问题,提出一种基于时频分析、压缩激励(squeeze excitation, SE)和ResNeXt网络的雷达辐射源信号识别方法。首先通过Choi-Williams分布(Choi-Williams distribution, CWD)获得雷达时域信号的二维时频图像(time-frequency image, TFI);然后进行TFI预处理降低噪声干扰和频率维的位置分布差异,以适应深度学习网络输入;最后在ResNeXt基础上加入扩张卷积和SE结构提取TFI特征,实现雷达辐射源分类。实验结果表明,SNR低至-8 dB时,该方法对12类常见LPI雷达波形的整体识别准确率依然能达到98.08%。     

压力补偿灌水器分步式CFD设计与实验研究

为提高压力补偿灌水器的设计精度和研发效率,提出了一种压力补偿灌水器分步式CFD模拟方法。基于CAD建模、CFD分析软件Fluent和有限元分析软件An-sys,该方法可实现灌水器设计模型水力性能的模拟。采用这种方法,设计了一款直径12mm的圆柱压力补偿灌水器,并对其水力性能进行了模拟,得到了灌水器的预测压力-流量曲线。利用光固化快速成型技术制作出了实验样品,进行了水力性能实验,得到了灌水器的实验压力-流量曲线。通过对分布式CFD模拟结果和水力性能实验结果的比较,发现模拟得到的预测压力-流量曲线与水力性能实验得到的实际压力-流量曲线在50～150kPa范围内吻合得较好,在150kPa以上范围内存在一些偏差。详细分析了产生这些偏差的原因,提出了改善分布式CFD模拟的方法。     

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。     

基于核密度估计密度峰聚类的通信辐射源个体识别

通信辐射源个体识别是通过发射机反映在信号上的差异来判别信号与辐射源个体之间的关联。传统的通信辐射源个体识别方法以及新兴的利用神经网络进行辐射源个体识别的方法都依赖带类别信息的信号样本,然而在实际中带类别信息的信号样本获取难度很大。为了解决这个问题,引入了无监督学习中的密度峰值聚类算法,在无类别信息信号样本的前提下进行通信辐射源个体识别。由于密度峰值聚类算法的性能受人工输入参数dc的影响较大,文中利用核密度估计(KDE)及热扩散方程改进算法,在不需要人工输入参数的条件下实现对数据的分类。文中所提算法在实际电台信号数据集上进行了实验,具有较好的效果,验证了该算法的可靠性和有效性。     

设计直动从动件盘形凸轮的新方法

提出了一种利用凸轮与从动件相对运动设计凸轮的新方法（简称相对运动法）,该方法利用凸与从动件的相对速度确定盘形凸轮的压力角和轮廓,相对加速度确定凸轮曲率半径,基于从动件和支承绕凸轮轴线反转的模型,将从动件滚子轴线对凸轮的相对速度和相对加速度转变为绝对速度和绝对加速度,应用矢量法和从动件坐标系中的分量表达法,导出了滚子摆杆盘形凸轮机构的凸轮压力角,轮廓线方程和曲率半径的解析表达式,并通过CAD方法给出了设计实例。     

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SRNN+Attention+CNN的雷达辐射源信号识别方法

针对低信噪比条件下雷达辐射源信号特征提取困难、识别准确率低的问题, 提出一种基于切片循环神经网络(sliced recurrent neural networks, SRNN)、注意力机制和卷积神经网络(convolutional neural networks, CNN)的雷达辐射源信号识别方法, 并在CNN中引入批归一化层, 进一步提升网络的识别能力。模型以雷达辐射源信号幅度序列作为输入, 自动提取信号特征, 输出识别结果。实验结果表明, SRNN相比于门控循环单元(gated recurrent unit, GRU)训练速度大大提升, 注意力机制和批归一化层能有效提高识别准确率; 在采用8种常见雷达辐射源信号进行的实验中, 所提方法在低信噪比条件下仍有较高的识别准确率。     

基于相量模型对三点式振荡器射同异反的原则判别

在满足三点式正弦波振荡器振幅平衡的条件下,利用电路中的相量模型法,研究了正弦波振荡器射同异反原则的判别,并认为此方法对相位平衡条件的判别是合理的．     

端部附加质量对次随从力作用下悬臂柱临界力的影响

讨论了端部附加集中质量对次随从力作用下悬臂柱的稳定性问题,建立了系统的支配微分方程以及方程的求解方法,并利用四阶Runge-Kutta方法进行数值求解,讨论了与集中质量相关的参数η对临界力的影响,并对数值计算的结果进行了讨论,给出了相应的数值结果,该结果表明：随着端部附加质量的增加,悬臂柱临界力的取值会逐步减小,特别是在次随从力参数较大而附加质量较小时,临界力会急剧减小.