变换域通信系统的分形门限研究

变换域通信系统中,存在无法准确辨识的各种复杂干扰和难以找到对各种干扰均适用的阈值问题.基于分形理论的谱峰检测思想,提出分形门限概念,采用以盒维数为判据的谱峰检测算法,对干扰频谱的起点、终点进行判断,据此对干扰进行剔除,从而达到降低误码率的目的.仿真实验表明:该算法能显著降低变换域通信系统的误码率,特别对TDCS抗70%部分带宽干扰,改善尤为明显,达1dB以上;而对于TDCS抗线性调频干扰条件下,在大干信比时,对误码率的减小最为明显,约为1.7dB.该算法简单可靠,对提高变换域通信系统的抗干扰能力具有实用价值.     

人体腰段脊椎建模及其振动趋势预测研究

建立了一个人体脊椎T12-S1段的三维非线性有限元力学模型.利用三维坐标教据测量仪测量人体脊柱椎骨表面的结构数据,然后将脊柱椎骨结构的点云数据输入到有限元软件中进行建模,最后获得了完整的脊椎T12-S1段的三维非线性有限元力学模型.为使模型更接近人体脊椎的真实情况,模型中对脊椎的外形结构和内部组成以及各种韧带均进行了细致地描述.分析表明在振动过程中,腰椎的各椎骨在前后方向上的振动幅度各不相同.椎间盘去髓核会降低脊椎系统的响应频率,同时也降低了损伤附近运动段椎骨的前后振动幅度,但却增加了损伤附近运动段椎骨在垂直方向上的振动幅度.该脊椎T12-S1段三维有限元力学模型的建成为研究脊椎损伤的病理机制与器械植入、军工方面的人体实验模拟,以及与振动相关的机械产品设计与开发,提供了一个更全面的数学模型.     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计,得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

基于IRT的大动态反射系数微动目标检测算法

当雷达回波信号中同时存在强弱差异较大的微动目标时,弱反射目标分量常常会被噪声和强反射目标所掩盖,导致弱反射目标难以被检测。为解决该问题,提出一种大动态反射系数微动目标检测算法。首先该算法利用逆Radon变换(inverse Radon transform, IRT)来获取强微动分量的参数估计值,然后通过逐次消去强分量来增强弱分量,从而使得弱分量更容易被检测。本文算法能够实现反射系数差异较大的多个微动目标的检测,同时能够准确估计出其微动参数。仿真实验证明了本文算法的正确性,同时对本文算法的性能进行了分析。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于GPS载噪比下降的太阳射电暴检测方法

利用太阳射电暴影响全球定位系统(global positioning system, GPS)性能这一特征,提出一种基于GPS载噪比下降的太阳射电暴检测方法。首先计算观测地的太阳高度角,接着筛选出“降点”和“升点”用于确定单个观测地单颗卫星的波谷时间区间,最后综合多颗卫星和多个观测地得到太阳射电暴的检测结果。实验结果表明:太阳射电暴检出率随太阳入射角的增大而增大,在L2频段对600太阳流量单位(solar flux unit, SFU)以上的太阳射电暴检出率达到80%以上,在L2频段检出效果优于L1。该检测方法识别率高,成本低,不依赖于射电望远镜,能进行全天候实时的监测。     

基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。     

结合伪随机特征码的多序列跳频通信方法

针对多序列跳频(multi-sequence frequency hopping, MSFH)通信系统在对偶信道存在干扰信号的情况下易引发误码的问题,提出了结合伪随机特征码的MSFH(pseudo-random feature coding MSFH, PRFC-MSFH)通信方法。在信道频率间隔内调制伪随机特征码作为信号来源的特征信息,减少对偶信道受干扰的影响,达到抗干扰目的。建立了PRFC-MSFH发射接收通信模型,根据模型推导了PRFC-MSFH在不同干扰下的误码性能。仿真结果表明, PRFC-MSFH在跟踪干扰条件下较常规跳频约有3~5 dB性能增益,在最坏多音干扰条件下较MSFH有约6~7 dB性能增益,具有较强的综合抗干扰能力。     

时宽-波形基联合捷变的LPD通信波形

为了提升通信信号的低检测概率(low probability of detection, LPD)性能,从降低通信波形各域能量聚敛性的角度,提出时宽-波形基联合捷变(joint agility of time width and waveform bases, JATW)的波形构架。基于此构架,以切普扩频(chirp spread spectrum, CSS)和正弦扩频(sinusoidal frequency spread spectrum, SFSS)为波形基,采用变时宽(varied of time width, VTW)参数配置方法,提出基于VTW-CSS/SFSS混合波形的LPD通信波形。采用数学推导辅以数值仿真分析的方法,分析所提出波形的各域能量聚敛特征。理论分析和数值仿真结果表明,相较于CSS和SFSS,所提波形的各域能量聚敛性明显较弱, JATW的波形构架有助于提升通信波形的LPD性能。     

采用DPWM3调制策略抑制异步电机系统的低频振荡

电压源型PWM逆变器控制的异步电动机变频调速系统运行中出现的低频振荡现象,影响了系统运行的质量和可靠性。从逆变器与电机匹配更加完善的角度,本文采用不连续空间矢量控制策略DPWM3,使低频振荡得到有效地抑制。