一种基于数据辅助的PSK信噪比估计新方法

针对复高斯信道中的PSK系统,文章提出了一种新的简便的信噪比估计算法。与传统的基于数据辅助的信噪比算法比较表明,新算法在保持较好的估计性能的同时,能够有效的降低计算复杂度,适合硬件实现。     

关于潜艇装备劳兰C导航仪技术问题的研究

本文提出了一种改善潜艇现有天线接收性能的方法,从而解决了在潜艇上安装使用劳兰C导航仪的关键技术问题。     

装备保障通信网络仿真与建模研究*

针对装备保障仿真中的需要,设计了基于HLA的装备保障通信仿真邦员结构及其仿真流程。重点分析研究了由天线模型、传输损耗模型、接收功率模型、干扰功率模型、信噪比模型组成的无线通信及干扰模块,并给出了仿真示例。结果表明,此模型能较好地对无线通信情况进行描述,并拥有良好的扩展性和可移植性。     

FeCl3-超滤工艺处理低温低浊水的试验研究

采用FeCl3-超滤工艺进行了处理实验室条件下低温低浊水的试验研究,考察了不同投加量的FeCl3对污染物的去除效果和超滤膜运行状况的影响。结果表明,FeCl3-超滤工艺处理低温低浊水的适宜投量为8mg／L,膜出水浊度小于0．2NTU,CODM。小于2．5mg／L,对CODMn和UV254的去除率分别为37．35％和51．66％,且超滤膜运行状况较为稳定。     

坦克柴油机振动检测时提高振动信号信噪比的方法

研究了柴油机振动信号的时域同步平均方法,针对柴油机振动信号的循环波动性特点,提出了按曲轴转角进行角域同步平均的方法,减小循环波动性对信号分析的影响。利用多抽样率分析方法消除了同步平均时柴油机转速波动的影响。通过对坦克柴油机汽缸盖振动信号的处理结果表明,该方法可有效提高信噪比。     

改进的随机Hough变换抛物线运动目标航迹起始算法

提出了一种基于改进的随机Hough变换快速航迹起始算法,用于解决低可观测目标作匀加速抛物线运动时的航迹起始问题.该算法利用随机选取的2点的速度方向与搜索的第3个点的位置信息来提取抛物线轨迹,并利用坐标变换降低投票参数空间维数来快速起始匀加速抛物线运动目标的航迹,有效地解决了无效采样和累积问题.与传统的基于五点随机Hough变换的航迹起始算法相比,仿真结果表明:该算法具有虚警率低、运算速度快优点.     

用于目标弱信号处理的三重相关匹配滤波技术

分析了在二重相关匹配滤波技术的基础上实现三重相关匹配滤波的方法。三重相关匹配滤波对于目标的弱信号进行检测和处理 ,具有广泛的实用价值。给出了一个红外搜索目标信号处理的计算机模拟结果 ,并对计算机模拟结果进行了分析 ,证明了三重相关匹配滤波技术相对于二重相关和三重相关检测技术的优越性     

基于迁移学习的小样本事件抽取技术及军事应用展望

事件抽取作为信息抽取的任务之一,旨在从非结构化文本中抽取出结构化事件信息,从而更好地应用在相关应用领域和下游任务上。基于迁移学习的事件抽取技术是当前低资源场景下的事件抽取研究的主流方法,通过设计更鲁棒的模型来迁移知识,解决事件抽取面临的训练数据缺乏问题,从而提升小样本事件抽取的效果。对基于迁移学习的小样本事件抽取技术及其军事应用展望作了全面的阐述,回顾事件抽取的起源与发展,描述迁移学习事件抽取的研究背景,并重点总结目前的技术方法及其军事研究现状,提出其军事上应用展望,最后对其面临的问题挑战和未来研究热点作了分析。     

混合离散粒子群的任务调度算法及应用

针对粒子群算法存在易陷入局部极值、精度差的缺点,引入了模拟退火的思想,研究了一种混合粒子群优化算法,防止早熟现象的产生,使种群在更新迭代中保持了多样性,并将混合算法应用到典型的任务规划调度问题求解中,通过仿真验证了混合算法的有效性,与单一的离散粒子群算法相比,提高了调度问题的求解效果。     

基于深度迁移学习的低分辨雷达目标识别方法

针对低分辨雷达人工目标识别效率较低的问题,提出了基于深度迁移学习的雷达自动目标识别方法。该方法利用雷达回波序列轮廓像构建空中目标数据集,使用深度卷积神经网络自动提取回波数据中的深层特征,并对雷达目标进行分类识别。为了解决深度学习对样本量的巨大需求,在分类模型训练时,引入迁移学习思想,将经ImageNet数据集预训练过的初始网络模型迁移到雷达目标识别任务中,再通过空中目标数据集对模型参数进行微调,实现小样本条件下对空中目标的粗分类。实测数据的结果表明：所提方法能够在小样本条件下较为准确地对空中目标的大小和架次进行分类识别,具有良好的识别性能。