基于多分辨分析的舰船噪声能量特征提取方法

以离散小波变换入手,利用小波分析的恒Q特性,提取了舰船噪声信号的子带能量分布特征。结果表明,由于各子带能量参数并不相互独立,基于离散小波变换的舰船噪声子带能量分布特征并不明显。因此,依据多分辨分析理论,对舰船辐射噪声信号进行了正交多分辨分解,并提取了舰船噪声子带能量分布特征。结果表明特征是显著的,该方法从整体上反映了舰船噪声信号能量分布特征。为了从细节上对噪声信号能量特征进行分析,提出了基于多分辨分析的子带能量密度特征提取方法。采用两类共8个噪声样本对噪声子带能量分布和能量密度特征提取方法进行检验,取得了比较理想的结果。     

民兵组织实施"模块化"编组的几点做法

黑龙江省在民兵整组中,坚持以科学发展观为指导,从实际出发,不断深化研究,大胆探索实践,初步摸索了任务牵引、系统整合、统筹配置、抽组集成、纵向衔接、横向联动的"模块化"编兵新路子,实现了组织结构由"粗放型"向"精确型"转变,组织模式由"相对独立"向"相互融合"转变,组织指挥由"间接、多层"向"直接、统一"转变,为遂行多样化任务奠定了组织基础.     

基于卷积自动编码器的飞机目标识别方法

飞机目标标签数据不足,使传统的机器学习算法训练效率不足。为提升训练效率提高飞机目标识别率,提出一种由卷积自动编码器(Convolutional Auto-Encoder,CAE)、哈希变换及直方图统计组成的简单多层特征提取模型。该模型利用CAE非监督训练一组卷积滤波器,与输入数据卷积提取特征;并再次利用CAE训练卷积滤波器集合,提取卷积特征;对所得到的卷积特征进行哈希变换和直方图统计;用支持向量机识别分类。实验对飞机目标取得了较高的识别率,表明特征提取模型具有很强的鲁棒性。     

基于MOMEDA和IITD的滚动轴承微弱故障特征提取

为了清晰准确地提取出强背景噪声下滚动轴承微弱故障特征,对采集的外圈故障轴承的振动信号用MOMEDA进行信号增强;然后,利用IITD分解得到一系列模态,并对分解得到的模态进行包络解调提取故障特征;最后,进行了故障模拟实验,实验结果表明了该方法的有效性。     

高阶BOC信号多区域鉴别器的无模糊多径抑制算法

传统的高阶BOC信号多径抑制算法的有效收敛区间较小,不利于信号的稳定跟踪,因此提出一种多区域鉴别器的高阶BOC多径抑制算法。在伪码误差为零的附近区域,采用优化的QStrobe多径抑制鉴别器,而在其他区域采用收敛区间较大的正交BOC鉴别器。利用卡尔曼滤波器对跟踪误差进行开环估计,判断误差所处区域并进行鉴别器的实时切换。对BOC(15,2.5)和BOC(14,2)信号的仿真结果表明,该算法能够实现无模糊跟踪,且6 d B衰减多径误差包络面积比传统QStrobe算法分别改善了57%和51%。     

对数据后处理雷达的分段卷积转发干扰研究

针对现有基于DRFM的移频干扰和分段转发干扰在对数据后处理雷达干扰时存在的不足问题,提出了一种新的分段卷积转发干扰方法。该干扰方法立足于干扰机天线收发分时体制,首先对接收到的雷达信号进行均匀分段、重新排序与噪声卷积后再进行转发。该干扰方法产生的假目标信号不仅能量大,覆盖广,而且假目标幅度差异明显,位置分布不均匀。最后的仿真结果验证了该方法的有效性。     

基于深度卷积神经网络的蛇形机动航迹图像识别

为提高防空武器系统对空袭目标的拦截防御能力,针对现有蛇形机动识别算法鲁棒性较差的问题,提出了将航迹坐标数据转化为图像,利用深度神经卷积神经网络进行航迹模式分类的方法。针对航迹数据直接转化为图像时存在机动幅度不明显或过大的问题,提出了有效解决方案。基于CAFFE平台进行了大量仿真实验,确定了适宜于航迹模式分类的深度卷积网络结构和网络参数。实验结果表明,该方法能有效提高蛇形机动航迹识别的鲁棒性。     

基于亚像素模糊检测的Wiener对运动模糊图像复原方法

在图像获取中由于目标运动、拍摄条件等原因,容易产生剧烈的运动模糊,难以辨认。针对运动模糊点扩散函数、信噪比不知的情况下,对传统Wiener进行了创新和实践,探讨了基于亚像素的模糊方向与深度检测和递推迭代的自适应Wiener滤波对运动图像的复原方法。该方法首先对图像进行任一方向的亚像素进行模糊运动方向计算并确认,而后解算模糊尺度。采用先验信噪比进行预设,并迭代推算得出最优值。实验表明,该方法在对拍摄的模糊图像处理能获得较理想的效果。     

子空间原理及其在阵列天线误差校正中的应用

本文在对子空间基本原理进行介绍的基础上,着重研究了基于该理论的模型误差校正方法,最后通过超分辨测向的计算机模拟结果来证明其可行性。