无限大导体平面上凹槽散射的快速多极子分析

采用快速多极子方法计算无限大导体平面上凹槽的雷达散射截面。由电磁场等效原理导出无限大导体平面上凹槽的等效电流和磁流组成的耦合积分方程,用共轭梯度法和电流迭代的方法求解此耦合积分方程,在迭代的过程中用快速多极子方法加快矩阵和向量之间的运算,快速多极子方法的引入使计算量和内存需求都由O(N2)下降到O(N1.5)。给出了算例,计算结果表明本文算法所得的结果与MOM的结果完全相符。     

基于GA的卷积神经网络结构化剪枝算法

为解决传统神经网络模型过参数化问题,提高深度学习模型工程化实现的效率,提出了基于GA的结构化模型压缩算法.该方法从全局搜索空间对模型各层卷积核进行结构化剪枝,并以"高检测精度,低网络规模"为准则建立适应度函数,解决传统权重剪枝易陷入局部最优和剪枝结果对硬件平台不友好问题,获得精度损失低、模型压缩率高的轻量化模型结构.     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。     

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CNN的窄带雷达空中目标识别方法

空中目标识别是雷达的重要用途之一,窄带雷达因体制限制,无法获取目标高分辨识别信息供分类识别。为解决窄带防空预警雷达对空中目标识别判性难的问题,提出了基于卷积神经网络的空中目标识别方法,就空中目标识别判性模型的构建、训练数据集的生成进行了研究,采用模拟数据集及实测数据对模型进行了检验,结果表明该方法具有较好效果。     

一阶交流电路暂态分析

以RC串联电路为例,介绍一阶线性电路交流暂态过程的基本分析方法.通过三种不同方法的比较,归纳出对于不同电路应当采取不同处理办法.     

陈玖学及其《评注七子兵略》考论

《评注七子兵略》的作者陈玖学,生活在公元1560至1641年前后,是明代绍兴府未出仕的文人,在乡里社会中年高德劭、颇具影响力。《评注七子兵略》原名《新镌增补标题武经七书》,最初刊刻于公元1614年,成书后不久即遇明清鼎革,在清代政治高压下陷入潜隐状态。陈氏后人对陈玖学著兵书一事亦缄默不言,使得陈玖学与其所著之书的关联度降低。及至近代,在救亡图存的时代氛围下,此书改名为《评注七子兵略》,陈玖学其人其书的具体信息直接被剥离,以致世人只闻其书而不详其人,但该书得以大量刊行、广为流传,展现出一定的学术活性与军事价值,特别是在军事教育领域发挥着重要作用。陈玖学其书曲折的流传过程以及在清代与近代截然不同的命运,生动而细腻地展现了传统兵学典籍与时代环境之间复杂的互动关系。     

基于子空间投影波束形成技术的导航接收机抗干扰算法研究

阵列天线空时自适应处理通过联合空域和时域的自适应滤波处理技术能够有效提高导航接收机的窄带和宽带干扰抑制性能。利用导航信号淹没在干扰信号和热噪声的特点,本文提出先将天线阵列接收的空时信号矢量向干扰子空间的正交子空间投影以实现干扰抑制,当接收机对投影后的参考阵元数据捕获成功后,利用捕获估计的本地扩频码相位作为参考信号依据最小均方误差准则进行波束形成。仿真结果表明该抗干扰算法在零陷强干扰的同时使主波束指向导航信号来波方向,有效提高了阵列输出信干噪比,并降低了空时自适应处理对导航信号伪码相关峰形状和载波跟踪性能的影响。