基于Sub-Nyquist采样的单通道频谱感知技术

宽带频谱感知技术在认知无线电中具有广泛的应用。基于时分的思想,将信号采集时间以固定长度的时间片进行划分,分别与不同的伪随机码信号相乘,经过低通滤波和sub-Nyquist采样,利用采样数据求出信号的频率支集。与已有的多通道频谱感知结构相比,本文用相对简单的单通道结构实现,同样能够利用低速率的采样点完成频谱感知。仿真实验结果表明,在信号的频率支集未知的情况下,该算法能够有效利用sub-Nyquist采样的数据实现频谱感知。     

基于实值离散Gabor变换的阶比跟踪滤波

提出了基于实值离散Gabor变换的阶比跟踪滤波方法．分析了阶比跟踪滤波为时频滤波的实质,给出了如何通过实值离散Gabor变换实现阶比跟踪滤波的步骤．通过对仿真信号阶比跟踪滤波前后的时频分布、阶比谱和时域信号对比,证实本方法能有效滤除阶比混叠成分．通过延长信号两端采样长度的方法可以消除阶比跟踪滤波后端点的误差．     

应用空气采样式火灾探测系统的分析与思考

通过对空气采样式火灾探测系统的质量跟踪,介绍该系统的工作原理、主要特点和应用范围,并对应用该系统进行分析与思考.     

多参数的双层分布式智能在线检测系统

能在一套系统上做到诸如显示、电压、转速、温度和流速等多参数信号的检测通常是比较困难的。结合上述问题提出了多参数双层分布式智能在线检测系统的构建方法。分析了智能仪器、多仪器串行通讯接口等相关支持技术。并通过引入一兰姆波密度传感器检测系统为例说明了所构建系统的可行性。此系统通过合理的软件和硬件设计,可以完成对整机系统的诸如检测、处理、监控、报警、显示和启示等功能,从而自动智能地达到控制目的。     

一种简便的利用交流采样值求交流信号周期的方法

介绍一种利用交流信号的采样值求出交流信号周期的简便方法。该算法原理简单、编程容易,同时大大简化了外部硬件电路。     

半定量快速评价沾染H消毒效果的研究

芥子气或冬季芥子气均可和氯化汞及米氏酮配位反应直接显色、生成玫瑰红色或紫红外的三元混配化合物。利用浸渍有氯化汞和米氏酮的硅胶纸制成的采样检测纸,可以方便地用于快速检测并半定量评价兵器表面经消毒后,残留在漆层中的芥子气或冬季芥子气的残存密度,也可以用于快速检测渗透到可渗透材料内部的芬子气或冬季芥子气。芥子气采样检测纸采用铝箔复合膜包装,储存期可达3年之久。     

深度置信网络在导弹攻击区分类中的应用

针对传统导弹攻击区解算方法忽略双方态势变化等问题,提出运用深度置信网络的导弹攻击区分类模型。根据导弹命中情况与目标机动间的关系,将导弹攻击区划分为五类。通过分析影响导弹攻击结果的态势参数,构建导弹攻击结果预测模型。在实验部分,结合重构误差和测试错误率确定深度置信网络的网络结构,通过逐层提取数据法分析模型参数特征并且讨论微调数据的采样方式。使用反向传播神经网络和支持向量机进行分类有效性对比实验。实验结果表明：深度置信网络运行速度和预测准确度明显优于其他两种方法,满足实时性和准确性要求,所提方法具有良好的应用价值。     

系统频率偏差对同时全极化测量的影响及其校准

目标极化散射矩阵的精确测量是全极化雷达极化信息处理的前提和基础。基于正负线性调频信号,针对采用数字解线性调频处理的同时全极化测量体制雷达,分别推导了雷达中频频率偏差和采样频率偏差对同时全极化测量影响的数学模型,提出一种雷达中频频偏和采样频偏的联合估计与校准方法。仿真和实测数据表明：雷达系统频率稳定度会引起不同通道极化测量结果峰值位置和相对相位的变化,采用所提方法能够有效校正峰值偏移,补偿相位误差,提高目标极化散射矩阵测量的精度。     

基于深度时频特征学习的雷达辐射源识别

针对雷达辐射源识别中拓展能力不足和识别率不高问题进行研究,提出一种基于深度时频特征学习的智能识别方法。基于降采样短时傅里叶变换高效提取具备较高辨识度和稳定性的浅层二维时频特征,利用信号局部频域维稀疏性完成降噪等预处理;设计用于深度特征学习与识别的卷积神经网络,并采用不同尺度卷积核组合扩展网络广度,强化特征表征能力;利用高信噪比条件下8种辐射源信号样本对网络进行训练调优,低信噪比样本测试验证算法和网络的有效性。仿真结果表明,该方式在-8 dB信噪比条件下能达到98.31%的整体平均识别率,具备较强的鲁棒性。     

基于异环境重要性采样的增强DDRQN网络

针对局部可观测多智能体学习环境下,智能体与环境频繁交互造成环境不稳定,导致智能体无法使用经验回放机制(experience replay)的问题,采用了一种基于异环境重要性采样的回放经验利用机制。并结合该机制再深度强化学习算法,深度分布式循环Q网络(DDRQN)基础上进行了改进,提出一种增强型的深度分布式循环Q网络。通过对Deep Mind的Py SC2平台Defeat Roaches局部可观测多智能体学习环境实验结果对比分析表明,增强型的深度分布式循环Q网络相比于DDRQN网络,具有良好的学习性能,稳定性、收敛速度均具有显著提升。