一种慢跳DS/FH信号的检测方法研究

提出了一种慢跳DS/FH信号方法,根据DS/FH信号的特性,将信号的跳频特性与直扩特性分开进行检测.首先利用成熟的跳频检测方法,在时频域或频域上对信号进行跳频检测,当检测到跳频信号后,再在时域上采用空间互相关方法检测信号是否具有直扩特性,从而判断DS/FH信号的存在性.计算机仿真结果表明该方法具有一定的可行性.     

微弱正弦信号在有噪声的FN神经元模型中的传输特性研究

长期以来弄清神经系统中的信号是如何传输的一直是广大研究人员努力的目标.针对一种被普遍研究的神经元简化模型--FitzHugh-nagumo(FN)模型,采用二阶随机龙格-库塔算法分析了该模型对加性噪声和微弱正弦信号的响应特性.时域和频域的统计参数表明适当强度的噪声有利于信号的传输,存在随机共振现象,即与噪声强度关联的输出信噪比曲线为倒钟形;另外值得关注的是,与正弦信号频率关联的输出信噪比曲线也为倒钟形,分析可见正弦信号的无量纲频率在区间0.2～0.8时模型的输出信噪比最大,表明该神经元模型有频率敏感性,即更易于检测到该范围内的弱信号.上述结果与生物学的发现是一致的,将有助于进一步揭示周期信号在神经元中的传输方法,建立更加准确的神经元数学模型.     

非线性放大器对伪码测距误差的影响分析

在高精度伪码测距系统中,高功率放大器(HPA)是信号发射链路的重要组成部分,HPA会对发射信号引入非线性失真,进而恶化系统的伪码测距性能.通过理论推导和数值分析的方法,研究HPA的非线性特性对高精度伪码测距误差的影响,给出非线性放大条件下,伪码跟踪误差与放大器类型、放大器输出回退(OBO)、扩频码形参数等的定量关系.研究结果对工程上HPA的选择、功率余量的保留、基带扩频码形的设计等具有重要的参考价值.     

圆周分割映射法构造宽间隔跳频序列

本文提出了一种新一般跳频序列构造成为满足宽间隔的跳频序列方法－圆周分割映射法,使用此方法能够充分利用所有的频点,实现比较大的频隙间隔,而且算法本身计算容易,便于实现。     

预防周期不同的最佳系统预防性维修优化模型

建立了一种系统预防维修周期优化模型,该模型不但考虑到系统预防维修时各周期不同的情况,而且还充分考虑到预防维修可以提高系统生产效益的同时,其故障率会随着维修次数的增加而上升,引入役龄回退因子对预防维修活动前后系统性能的动态变化进行了描述。重点研究了系统在不同预防周期条件下的总维修费用随预防维修次数的变化,并与预防维修周期相同时的情况进行了比较。实例验证了该优化模型的正确性与可用性。     

小波变换在红外脉冲幅值序列算法中的应用

针对四元探测器信号处理中的脉冲幅值序列算法,提出了用小波变换进行序列数据分析和目标识别的方法。通过分析红外干扰弹的工作过程和其辐射能量变化与典型目标辐射的差异,选择db3小波函数对提取出的脉冲幅值序列进行小波分解和重构,有效地区分了目标信号和干扰弹信号,提高了四元探测器抗红外干扰和识别目标的能力。     

基于尺度UKF小波网络的混沌时间序列预测

根据小波网络和Kalman滤波的特点,将小波网络的权重、平移因子和伸缩因子作为Kalman滤波的状态变量进行估计,提出一种训练速度快、泛化能力强的小波网络的尺度无轨迹Kalman滤波学习算法。然后,利用Rǒssler时间序列和变参数的Ikeda时间序列对该算法进行了验证。仿真结果表明,该算法预测混沌时间序列收敛速度快,预测精度高,而且在混沌时间序列的嵌入维数未知时也能取得较好的预测效果。可以胜任混沌时间序列的精确建模和预测任务。     

基于混沌序列的动态双频跳频同步方案

跳频通信系统的关键技术是跳频序列的同步。利用混沌序列作跳频码,取代了跳频通信中常见的伪随机序列。为了解决混沌跳频序列的同步难题,提出了一个以动态双频构建跳频序列同步的新方案。利用M atlab下S im u link仿真平台,对动态双频同步方案进行建模与仿真,结果表明该同步方案用于跳频通信可获得满意的通信效果。     

单步和多步寻优结合的诊断策略构建方法

为避免AO*算法及Rollout算法的回溯操作,同时克服信息熵算法最优性较差的问题,达到以较低测试费用对装备进行故障检测和隔离的目的,提出了一种单步和多步寻优结合的诊断策略构建方法。该方法以诊断策略构建与无噪声编码的相似性为依据,根据故障状态模糊集中的概率分布情况选择单步或多步寻优搜索方法。提出在故障状态模糊集中概率最大的故障满足一定条件时,优先对其进行隔离,并生成相应的测试序列,使先验概率较大的故障具有较少的测试步骤和费用,从而达到降低整体诊断费用的目的。通过实例分析验证,给出了诊断策略构建的具体过程,证明了方法的有效性。     

美国情报领域人工智能系统应用进展研究

随着信息时代情报来源的多元化、数字化发展,情报数据量产生爆发式增长,现有情报分析能力、效益面临严峻挑战。为了应对情报大数据中“数据爆炸”“价值稀疏”等问题,美国情报界大力推动人工智能技术在情报数据处理、分析中的应用,并获得了大量经验。密切跟踪美国利用人工智能技术支持情报工作的最新进展,深入剖析相关做法,对我国开展基于人工智能的情报分析工作具有一定参考借鉴意义。本文在系统梳理美国政府主要情报部门当前开展的典型人工智能项目基础上,从理论视角分析了人工智能系统在情报处理全过程中的作用和影响,研究了人工智能系统对情报分析的有效性,分析了美国情报领域推动人工智能系统的应用前景,研判美国情报领域人工智能系统应用进展及其面临的主要问题,为我国在大数据和人工智能时代加快推进情报分析理论和方法创新提供借鉴。