基于深度网络的雷达信号调制方式识别

针对复杂电磁环境下传统方法对雷达信号调制方式识别率低的问题,提出了一种基于深层神经网络的识别方法.该方法首先对雷达信号进行时频变换,然后将信号及其时频信息输入深层神经网络,再分别利用循环神经网络和卷积神经网络对雷达的时域信号和时频信息进行特征提取,实现对雷达信号调制方式的分类识别.仿真实验证明,相较于传统的识别方法,该...     

基于CRNN的汽车发动机声纹个体识别方法

为提高声纹个体识别率,提出了一种基于卷积神经网络(CNN)和深度循环神经网络(RNN)的声纹个体识别方案CRNN,用于发动机声纹个体识别.该方法通过优化CRNN网络参数,挖掘声谱图"纹路"特征和时序特征,解决现有方法不能充分利用声音信号特征的问题.基于实采汽车发动机声音信号的仿真结果表明,相对于传统方法,改进CRNN能...     

信息分类编码标准化在管理信息系统中的应用

信息分类编码标准化是社会发展的必然,是企业管理系统建设中一项十分重要的基础工作,广泛应用,对提高信息利用率,提高工厂经济效益和社会效益有重大意义。     

抗干扰数据通信中的差错控制技术

抗干扰数据通信已成为战术数据通信系统的发展方向,本文就目前应用较广的直接序列扩频（ＤＳ）,跳频（ＦＨ）和直扩跳频（ＤＳ／ＦＨ）三种抗干扰通信体制数据传输中的差错控制技术,进行了初步的分析和探讨。     

基于可变卷积与迁移学习的小样本检测方法

针对主流方法对弱小目标识别效率低的问题,提出了一种基于可变卷积与迁移学习的小样本检测方法。基于可变卷积思想改进特征提取主干网络,实现在少量数据上达到和普通卷积在大量数据上相等的学习能力。设计一种Soft-NMS共同作用的方法降低多目标重叠容易出现的漏检问题。通过在公开数据集PASCAL VOC和实测弱小目标数据集上的实验表明,所提算法实现小样本条件下对实测弱小目标的检测与识别,且与原始方法相比性能有显著提高,在公开数据集上较原算法提高了5.5%,在实测数据集上较原算法提高了8.3%。     

基于深度卷积神经网络的异常行为快速识别

针对异常行为快速识别问题,提出了一种基于深度卷积神经网络的视频检测和定位方法。该方法利用全卷积神经网络和时间数据,将一个预先经过训练和监督的全卷积神经网络转移到一个无监督的全卷积神经网络,确保能够检测全局场景中的异常,提出利用级联检测的方式来降低算法的计算复杂度,从而使其在速度和精度方面获得较高的性能。提出的基于全卷积神经网络的异常行为检测架构解决了两个主要任务,即特征表示和级联离群值检测。实验结果表明,所提方法在检测和定位精度上优于现有算法,且运行速度更快,从而表明所提算法的有效性和可行性。     

LFM-BC雷达信号的间歇采样转发干扰的研究

线性调频-二相编码(LFM-BC)信号是在二相编码信号脉内进行线性调频处理得到的组合信号。利用LFM-BC信号附加多普勒频移通过匹配滤波器的响应特点,研究了基于数字射频存储的间歇采样转发干扰方法对采用该信号的脉冲压缩雷达的干扰效果。分析了调制参数(占空比、间歇采样周期、正频调制)对干扰效果的影响以及干扰功率与干信比。根据调制参数的不同可以产生压制性干扰和欺骗性干扰,且相对于常规射频噪声干扰而言只需要较小的干扰功率。理论和仿真实验均证明了这种干扰方法的正确性和实际应用的可行性。     

基于汉明编码和提升小波变换的数字水印算法

通过对水印图像混沌加密和汉明编码,以及对原始图像进行提升小波变换,并结合人类视觉系统特性值计算,提高了水印算法的鲁棒性。     

基于多层次机械结构特征的基因编码遗传算法

在分析多层次机械产品结构特征的基础上,针对具有多层次结构特征机械产品的整体方案设计,提出了多层次基因编码技术,并且在知识进化算法-遗传算法的基础上,将遗传算法与机械产品整体方案设计相结合,提出了面向多层次结构机械产品整体方案设计的遗传算法的CAD设计模型,并用实例证明了算法的高效性.     

求解卷积公式的一种新方法

基于数形结合方法以及变量代换方法发现计算卷积公式存在某些不足之处,研究卷积公式的计算方法,给出一种新的确定积分限的方法.该方法直观明了、容易理解和掌握并且可操作性强,有效避免作图和分析图形的繁琐,并举例说明了该应用方法.