正确认识和深入把握新《条例》的内容（下）

第四章行文规则本章共八条,规范的是军队各级机关的行文规则。学习时主要把握好四个内容:一、把握好对按隶属关系和依据机关职权行文规则的理解。(一)把握好对按隶属关系行文规则的理解。我军现行各级机关之间的关系可以分为两大类:一类是隶属关系,是按编制序列的,包括上、下级机关之间的隶属、被隶属关系;另一类是上、下级机关或部门之间的业务关系。一般来说,有隶属关系和上下业务关系的机关之间才能行文。在军内,团级以上机关和这些机关的司、政、后、装等部门,都可以在权限范围内向所属机关和相应部门行文。(二)把握好对按职权范围行文…     

有色噪声下FIR模型相关辨识精度分析

本文针对离散控制系统的有限脉冲响应（ＦＩＲ）函数模型,研究了在伪随机ｍ序列输入的激励和有色噪声干扰下辨识的精度问题,纠正了参考文献中的错误,得到了有色噪声干扰下ＦＩＲ参数估计精度的显式表达式。同时,给出了辨识精度的下界和上界,分析并得到了达到上下界的条件。文中有实例分析。     

基于RCS序列的空间目标分类识别方法

结合三轴稳定卫星、自旋稳定卫星、翻滚目标和空间碎片的运动特征,依据强散射中心理论分别建立这四类空间目标的电磁散射模型,通过计算机仿真得到其RCS序列仿真值.针对这四类空间目标的RCS序列特点,提出了一种三轴稳定卫星与空间碎片的判别方法和利用RCS的周期性对空间目标分类识别算法,计算机仿真实验验证了算法的有效性.     

基于Logistic映射的混沌序列扩频序列生成算法

直序扩频通信系统中,扩频序列的各项性能指标直接影响到通信系统的扩频增益、抗干扰性能以及多用户复用性能等。混沌序列具有良好的相关性、可重生性等特性,可作为理想的直序扩频码应用于低压电力线通信中。对混沌扩频技术在电力线通信中的应用进行了探讨,提出了一种利用Logistic映射得到大量适用于直序扩频系统的混沌扩频序列的算法,并在Matlab环境下编程实现了该算法。在此基础上分析了所得混沌序列的性能并与M序列、Gold序列加以比较,证明了算法的可行性。     

直接序列扩频数据通信系统的设计

应用zilog公司研制的新型直接序列扩频芯片-Z87200扩频收发器,设计实现用于战术电台数据传输的扩频通信系统研究.该系统设计以微型计算机作为数据终端,以高性能的16位单片微处理器80C196KB为控制核心,以新型超大规模集成电路Z87200直序扩频收发器为基础,组成-个具有一定智能,采用标准串行接口的直序扩频数据通信系统.该系统能够提供近20dB的处理增益,基本满足了战术电台数据通信的要求.     

一种基于加权DSmT的序列图像目标识别方法

通过对自动目标识别系统研究与分析,将DSmT引入到飞机序列图像识别中,构建基本置信指派及分类规则,提出了一种基于加权DSmT的序列图像目标识别方法,在分析权值选择特点的基础上,根据特征信息的置信指派组合有效权值,并且给出了基于加权DSmT融合规则的序列图像目标识别的流程,仿真结果表明,该方法提高了序列图像目标识别的准确性.     

基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测

空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention, ATT)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short-term memory, LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。     

一种重叠加窗频域抑制窄带干扰算法及研究

提出了一种重叠加窗的直接序列扩频(DSSS)通信系统抑制窄带干扰算法.该算法利用重叠加窗降低了因数据截断引起的频谱泄漏,同时也减少了因加窗而引入的信噪比损耗.将该重叠加窗算法与另2种门限检测算法联合运用抑制窄带干扰.理论分析和计算机仿真结果均表明,该算法能有效消除加窗引起的频谱失真和信噪比损失,并且可以有效抑制直扩通信系统中的窄带干扰.     

通信侦察中基于神经网络的伪码序列估计

针对直接序列扩频通信信号伪噪声(PN)码的干扰侦察问题,在已知信号伪码参数的前提下对直扩信号进行特征分析,用基于变步长的PCA神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebb学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,以使神经网络最终达到较好的稳态收敛。理论分析和仿真结果表明,本方法能在较低信噪比的情况下对较长伪码进行准确的估计。