基于长短时记忆网络的雷达波形设计

针对单准则设计的波形难以满足雷达多工作模式和多任务问题,联合互信息(mutual information,MI)准则和信杂噪比(signal to clutter and noise ratio,SCNR)准则,提出一种基于长短时记忆(long short-term memory,LSTM)网络的雷达波形设计方法.首先...     

工业互联网上云平台建设方案研究

【目的】基于工业制造数字化转型升级的要求，对工业互联网上云平台进行设计，实现工业设备的智能化管理。【方法】通过对工业互联网上云平台建设背景及发展趋势的研究，从边缘连接层、基础设施、平台即服务（PaaS）、区块链即服务（BaaS）、软件即服务（SaaS）、安全态势感知及综合防护服务、二级标识解析节点系统等方面出发，搭建工业互联网上云平台，并验证工业互联网上云平台的整体效益。【结果】工业互联网上云平台的建设不仅能有效解决工业设备运营监管难题，形成完善的设备运维生命周期闭环，还能实现监测工业设备运行状态、预测预警和性能优化的目的。【结结论论】随着工业互联网技术的不断发展，需要不断优化工业互联网上云平台的功能，助力工业制造高质量发展。     

基于深层神经网络的雷达波形设计

针对雷达波形多准则优化目标函数难以建立的问题,降低目标响应的不确定性,提高雷达检测性能,提出了一种基于深层神经网络的雷达波形设计方法。首先,根据雷达回波数据形式进行深层神经网络(DNNs)结构设计;然后,将基于信噪比(SNR)和互信息(MI)准则产生的信号随机混合并与其所对应的环境信息组成训练集,对DNNs训练;最后将另一部分基于互信息准则产生的信号与其对应的环境信息作为测试集,利用DNNs生成信号并进行测试。实验结果表明,使用该方法产生的信号作为雷达发射波形与仅基于MI准则产生的信号作为雷达发射波形相比,雷达回波与目标的互信息量最大提高了21.37nat,雷达接收信号的信干噪比最大提高了1.35dB。与线性调频信号相比,相应的互信息量最大提高了950.76nat,相应的信干噪比最大提高了18.23dB。