一种基于循环谱的数字信号调制识别方法

文章基于循环平稳信号处理理论,利用数字通信信号的循环谱特征的不同提出四个特征参数,用于信号调制识别。提取的参数较少,计算量较高阶循环累积量小。给出了三类信号调制方式自动识别算法的实现流程,该识别算法以统计理论为基础,不要求实现载波同步。仿真结果表明,在信噪比RSN≥5 dB时,算法的平均识别成功率>96%。     

无人机集群反制技术剖析

无人机集群作战具有作战效能高、战场生存能力强、效费比极高的巨大优势,将给传统防空系统带来巨大挑战。现有反无人机集群技术大多来源于反无人机技术,但反平台与反集群存在显著差异,必须针对无人机集群自身技战术特点,加强对精确/高效/低成本的集群反制技术研究。因此,本文以剖析无人机集群反制技术的可行性为出发点,首先,从反无人机集群作战视角,将无人机集群划分为无自主时空协同型(Ⅰ类)、半自主编组协同型(Ⅱ类)、全自主任务协同型(Ⅲ类)三种类型,明确Ⅱ类无人机集群为主要反制对象;其次,深入分析无人机集群的技术弱点与战术劣势,以此作为无人机集群反制技术可行性的关键切入点;最后,梳理出七大类有效的无人机集群反制技术,并对其可行性进行分析,以期为未来无人机集群反制技术发展方向提供参考。     

美军陆战场空域管理体系研究

陆战场空域已经成为一种重要的作战资源,对其进行科学高效的管理十分必要。分析了陆战场空域管理的特点,总结了陆战场空域管理的职能,从条令条例建设、空域管制方法和指挥体系结构等方面对美军陆战场空域管理进行了研究。     

基于多特征的图象目标识别分类

文中研究将多特征信息融合技术用于图象目标识别分类的方法,利用图象灰度表面的分形特征与图象的摘特征（非分形特征）所提供的信息进行融合处理,在决策层中运用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理理论,并使用决策规则对目标进行分类。在实验中,将经过信息融合分类的结果与单特征独自分类的结果进行比较。结果表明,多特征信息融合的目标识别方法具有良好的稳定性,准确性和可靠性,能够有效地提高图象分类识别系统的精确度与容错性。     

模糊神经网络的并联结构及其在噪声信号识别中的应用

采用模糊神经网络分类算法,提出了一种模糊网络的组合结构及多种组合算法．通过对辐射噪声信号的分类试验表明,该方法可充分利用多种特征子网络的模糊分类信息,显著地提高了网络的分类能力．     

测试点的选取问题

在故障检测的过程中 ,每个测试点检测需要的时间可能不同。本文研究了如何选取一些测试点 ,使得这些测试点可以检测所有故障 ,而所需时间最少的问题。我们将其转化成整数规划问题 ,并给出一个求解算法 .最后给出一个实例对算法加以说明。     

The effect of training data set size and the complexity of the separation function on neural network classification capability: The two-group case

Classification among groups is a crucial problem in managerial decision making. Classification techniques are used in: identifying stressed firms, classifying among consumer types, and rating of firms' bonds, etc. Neural networks are recognized as important and emerging methodologies in the area of classification. In this paper, we study the effect of training sample size and the neural network topology on the classification capability of neural networks. We also compare neural network capabilities with those of commonly used statistical methodologies. Experiments were designed and carried out on two-group classification problems to find answers to these questions. The prediction capability of the neural network models are better than traditional statistical models. The learning capability of the neural networks is improving compared to traditional models because the discriminate function is more complex. For real world classification problems, the usage of neural networks is highly recommended, for two reasons: learning capability and flexibility. Learning capability: Neural network classifies better in sterile experiments as performed in this research. Flexibility: Real life data are rarely not contaminated with noise, such as unknown distributions, and missing variables, etc. Neural networks differ from a statistical model that it is not dependent on any assumption concerning the data set distribution. © 1997 John Wiley & Sons, Inc. Naval Research Logistics 44: 699–717, 1997     

基于Fisher线性判别模型的文本特征选择算法

在采用向量空间模型表示方法的文本分类系统中,维数约简是必要的步骤,特征选择方法由于计算复杂度较低而被广泛采用.本文基于Fisher线性判别模型提出了一种新的文本特征选择算法,将其求解过程转换为一个特征项优化组合的问题,避免了复杂的矩阵变换运算.实验表明,该方法与信息增益、卡方统计方法比较,具有较明显的优势.     

定向越野路线设计原则与实践

近年来,定向越野因其强参与性、强挑战性在国内发展迅速,相比之下高水平的制图员和运动员的成长却十分缓慢。想要国内定向人才尽快成长,每一次的训练、每一次比赛的路线设计就显得十分重要。好的路线设计充分展现定向运动的特征,让所有参与人员受益匪浅。鉴于国内对路线设计理论的研究还不充分、不系统,本文就路线设计的原则与技巧进行了系统的探讨,旨在丰富路线设计的理论知识体系。     

基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题，提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解，得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数，并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明，该方法可以实现对舰船辐射噪声的特征提取，与已有方法对比，该方法具有较高的识别率。