辅助通道参数模型估计射电天文抗干扰方法

针对单通道射电天文抗干扰方法在观测数据干噪比较低情况下的干扰消除性能降低甚至失效的问题,通过引入辅助天线观测提出了一种基于参数模型估计的抗干扰方法。该方法利用辅助天线所接收到的具有较高干噪比的观测数据建立干扰信号参数的估计模型,同时通过构建主辅通道参数差异性模型对估计模型进行修正,实现对干扰信号参数的精确估计,达到消除干扰信号的目的。仿真实验表明,相比于单通道方法,改进后的方法在解决低干噪比条件下的射电天文抗干扰问题方面具有更广泛的适用范围。     

使用融合乘加加速快速傅里叶变换计算的向量化方法

融合乘加指令加速快速傅里叶变换计算的向量化方法,通过变换快速傅里叶变换的蝶形单元运算流程,将传统计算方式中独立的乘法和加法操作组合成次数更少的融合乘加操作,使得时间抽取法基2快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的10次乘(加)操作减少到6次融合乘加操作,时间抽取法基4快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的34次乘(加)操作减少到24次融合乘加操作;优化了蝶形因子的向量访问,减少存储开销。实验结果表明,提出的方法能够显著加速快速傅里叶变换的计算,取得高效的计算性能和效率。     

基于相位序列降低多载波信号峰均比的研究

为了解决多载波信号峰值平均功率比(PAPR)较高的问题,从多载波信号的初始相位出发,结合预留子载波(TR)降低PAPR的方法,提出了Newman-TR联合算法,经理论分析和仿真表明,该算法能有效降低系统的PAPR,且不会产生误码率。针对所提算法复杂度较高的问题,提出一种次优搜索来代替全局搜索,降低了计算的复杂度,提高了该算法的实际可行性。     

壮大航天经济 推动军民融合产业发展

<正>【核心提示】固安新兴产业示范区在扎实推动军民融合项目建设的基础上,积极谋划产业发展,示范区以"一核、三园、一基地"为平台,努力打造航天科技、生物医药、新一代电子信息技术、高端装备制造四大产业集群,累计入区项目385个。示范区军民融合产业的发展,利于固安与中国航天科技集团和中国航天科工集团的合作,将航天产业打造成为园区和固安县的城市品牌。     

大力推进经济建设与海防建设互促共赢

正近年来,随着军队使命任务拓展、战斗力生成模式转变和海洋经济加速发展,新时期海防建设的内涵、特点和外部环境都相继发生了深刻变化,同时也面临着一些新的矛盾,主要体现在"四个不相适应":一是海防监控能力与海洋经济大开发、大开放不相适应;二是海防管     

Banach空间中集值测度的表示定理

本文提出了用向量测度及概率测度生成集值测度的方法,推广了文[1]的结果,并给出了有界闭凸集值测度由一族等比向量测度生成的充要条件。     

GNSS多波束抗干扰接收机的反欺骗性能分析

为分析存在欺骗干扰的场景下GNSS多波束抗干扰接收机的反欺骗性能,提出欺骗抑制比这一性能指标。推导了在快拍数有限的情况下,多波束抗干扰接收机采用最小方差无失真响应(minimum variance distortionless response,MVDR)算法处理后输出真实信号和欺骗信号功率的理论公式。详细分析了欺骗信号到达天线阵口面的功率对真实信号和欺骗信号输出功率的影响。分析得出:即使欺骗信号功率在噪声水平之下,使用MVDR算法的多波束抗干扰接收机依然能对欺骗干扰进行抑制,且在欺骗信噪比高时,抑制效果更加显著。通过仿真和硬件平台实测验证了结论的正确性。     

一种新的数组逻辑结构猜想方法

许多编译优化技术都依赖于数组的逻辑结构,然而在实际的应用中,有相当多的数组是无结构的一维数组,从而妨碍了编译器的优化工作。提出了一种新的数组逻辑结构猜想算法,它能将无结构的一维数组自动变换成具有多维逻辑结构的数组,从而使编译器的优化工作成为可能。首先给出一个引理,指出猜想后的多维数组应满足的基本性质,然后基于该引理给出了猜想数组的逻辑结构应遵循的两条基本规则,最后基于这两条基本规则给出了猜想数组逻辑结构的算法。实验结果验证了所提出的数组逻辑结构猜想算法的有效性。     

频率响应软约束的宽带自适应波束形成

针对常规线性约束最小方差(LCMV)波束形成中输出信干噪比(SINR)较低问题,提出了基于频率响应软约束的宽带自适应波束形成方法,该方法在LCMV波束器的约束条件基础上,增加对期望方向阵列频率响应软约束,可以得到近似无失真信号输出,同时增加波束抑制干扰噪声能力,提高输出SINR性能.仿真结果验证了该方法的有效性.     

基于QPSO算法的支持向量机参数优化研究

应用具有量子行为的粒子群优化算法,对支持向量（SVM）进行参数优化研究．根据支持向量机的分类准确率和泛化能力之间的关系,应用QPSO算法选取比较优秀的参数模型,比较参数模型的各项性能,选取最适合实际需要的参数模型．仿真表明,QPSO算法的SVM模型与PSO算法相比在分类准确率和泛化能力上均获得更好的效果,经QPSO优化后的SVM整体性能明显提高．