基于相空间投影技术的舰船目标信号降噪处理

由于很多混沌信号具有较宽的频谱成分，致使传统的滤波降噪方法存在很大的局限性。线性滤波器非但不能有效地抑制混沌信号中的噪声，相反，还可能会使混沌信号失真。文中利用相空间投影技术对具有混沌特征的时间序列进行降噪处理，并将其应用于舰船目标噪声信号的降噪分析中，结果证实了所提方法的可行性和有效性。     

基于线谱特征的水下目标识别仿真实验研究

水下目标识别技术是世界各国十分重视的研究课题之一,在国民经济尤其在军事领域中,具有重要的应用价值。船舶辐射噪声中有着很强的线谱成份,这些成份分类或识别往往是非常有价值的。因此,利用线谱特征对舰船目标进行识别是水声领域研究的重要内容。本文在研究舰船辐射噪声线谱提取逄法的基础上,对多种型号和多种工况的大量噪声样本,进行了线谱提取。针对舰船辐射噪声线谱分布的特殊性,提出了筛选法和模糊推理分类法。利用这些     

一种联合多神经网络分类器的融合算法

给出了一种用于目标识别的自适应神经网络 ,在此基础上 ,提出了一种联合多神经网络分类器的融合算法。舰船目标实测数据分类实验证明 ,基于该融合算法的分类系统具有可靠性高、识别率高、推广性能好等优点。因此 ,在水下目标识别系统中 ,具有重要的工程应用价值。     

认知Ad hoc网络中基于凸优化的功率控制算法

针对认知Ad hoc网络的特点,构建了相应的网络模型,提出了一种基于凸优化理论的分布式功率控制算法。在分析系统内部干扰的基础上,以最大化网络效用值为目标,以认知用户的发射功率为求解对象,建立了一个通用的数学优化模型。在凸优化理论的指导下,通过引入辅助变量和变量的对数变换,将该模型转变为等价的凸优化模型,采用拉格朗日对偶法对该模型进行求解,得到了分布式的功率迭代算法。仿真实验表明：与其他算法相比,该算法在满足系统约束条件的前提下,取得更好的系统性能。     

基于离散功率空间的定步长认知无线网络功率控制算法

针对现有认知无线网络功率控制算法在离散功率空间内无法收敛的问题,提出一种定步长功率控制算法。在离散功率空间内,将认知用户的目标信干扰比 （signal to interference plus noise ratio,SINR）由具体的目标数值扩展为目标窗口。为了最大化系统容量,在满足系统约束条件的前提下,建立了滑动窗口机制。通过认知用户总干扰与干扰温度域上下限的比较,动态调整中值SINR,从而实现目标窗口的滑动。对于确定的目标窗口,采用定步长迭代算法进行发射功率的调整。仿真实验表明,算法达到了预期效果,并取得与最优算法相近的系统性能。     

一种实现辐射噪声重构的方法研究

以实测鱼雷辐射噪声为基础,提出一种提限连续谱和线谱的方法,确定了有效线谱的唯一性,建立了辐射噪声的数学模型,完成了辐射噪声源的重构。     

组播广播单频网中同步误差影响分析

介绍了一种包括ISI和ICI的性能分析方法。并用该方法对组播广播单频网因载频同步和时间同步误差引起的性能下降进行了分析。     

基于GPS调度的OFDM系统低复杂度资源管理

针对OFDM系统的下行链路,提出了一种基于广义处理器共享（GPS）调度的低复杂度资源管理方案。方案通过MAC层－物理层的跨层设计达成了信道容量与用户公平性之间较好的折中：在MAC层采用GPS并行调度来达成用户对带宽的公平共享,并进一步提出了通过用户权重补偿来改进公平性的方法;在物理层结合采用次优子载波分配、平均功率分配和自适应调制以充分利用信道容量。仿真结果表明,本方案以较低的实现复杂度实现了与Shen提出的带比例速率限制的资源分配算法相近的性能。     

基于多神经网络分类器的目标识别仿真实验研究

水下目标识别在国防及国民经济中具有重要的作用，为了提高神经网络分类器分类结果的有效性和可靠性，本文提出了一种利用多神经网络分类器输出向量来实现对各分类器进行加权的算法，舰船目标实测数据分类实验证明：基于该算法的多分类器融合技术能有效地提高目标识别的性能，同时选择适当的表决阈值又可提高分类结果的可靠性。因此，该算法在水下目标识别系统中具有一定的工程应用价值。