阻塞式干扰环境下LDPC编码跳频通信优化方案

为进一步提升阻塞式干扰环境下跳频通信系统的抗干扰能力,在信道估计良好的情况下,利用混合信道下优化的低密度奇偶校验码(LDPC)度序列对跳频通信系统进行了改进。仿真验证2048码长、0.5码率在40%删除概率度优化序列下的性能较高斯信道下优化度序列性能在10-5误码率下提升0.62 dB。并针对实际作战使用问题提出了一种低复杂度的折中的使用方案。     

一种抗同频异步干扰方法的研究与实现

根据实际工作需要,为了解决某些飞机在编队时,由于飞机雷达相邻频点间频差较小,相邻频点的发射信号经PRF调制后会产生的同频异步干扰问题,提出使用时域反异步方法进行抗干扰处理;介绍了两种时域反异步算法,通过仿真分析后,确定使用时域多脉冲相关法进行算法实现以及试飞数据处理等,该算法在实际应用中效果显著。     

多参数的双层分布式智能在线检测系统

能在一套系统上做到诸如显示、电压、转速、温度和流速等多参数信号的检测通常是比较困难的。结合上述问题提出了多参数双层分布式智能在线检测系统的构建方法。分析了智能仪器、多仪器串行通讯接口等相关支持技术。并通过引入一兰姆波密度传感器检测系统为例说明了所构建系统的可行性。此系统通过合理的软件和硬件设计,可以完成对整机系统的诸如检测、处理、监控、报警、显示和启示等功能,从而自动智能地达到控制目的。     

一种简便的利用交流采样值求交流信号周期的方法

介绍一种利用交流信号的采样值求出交流信号周期的简便方法。该算法原理简单、编程容易,同时大大简化了外部硬件电路。     

半定量快速评价沾染H消毒效果的研究

芥子气或冬季芥子气均可和氯化汞及米氏酮配位反应直接显色、生成玫瑰红色或紫红外的三元混配化合物。利用浸渍有氯化汞和米氏酮的硅胶纸制成的采样检测纸,可以方便地用于快速检测并半定量评价兵器表面经消毒后,残留在漆层中的芥子气或冬季芥子气的残存密度,也可以用于快速检测渗透到可渗透材料内部的芬子气或冬季芥子气。芥子气采样检测纸采用铝箔复合膜包装,储存期可达3年之久。     

一种面向无人侦察机的通信受限干扰源跟踪方法

复杂战场环境中无人侦察机对干扰源的跟踪面临着信号干扰能量强、干扰源数量多、信道容量受限制、通信信道被攻击等难点。为提升无人侦察机对干扰源的跟踪能力,提出了一种从测向直接到跟踪的两段式干扰源跟踪方法。首先,对干扰源的动态、无人侦察机集群的观测模型和信道模型进行建模;其次,阐述了基于集贝叶斯滤波器的从测向直接到跟踪的两段式干扰源跟踪方法,通过规避定位过程,减少跟踪误差;再次,对通信受限信道模型进行了建模,并将其引入到所提出的方法中,实现了对通信受限时干扰源跟踪的一体化表征及求解;最后,采用仿真实验验证了所提方法的可行性与优越性。研究可为无人侦察机对干扰源的跟踪提供新思路。     

目标区域局部特征和局部图像质量相结合的激光干扰效果评估

为客观描述光电成像系统激光干扰效果,提出目标区域局部特征和图像质量相结合的干扰效果评估算法。图像的局部特征用特征点描述,图像质量用结构相似度指数描述。该算法利用特征点匹配算法确定场景图像中的目标区域,计算干扰前后目标区域内特征点数量的变化、干扰后目标区域内未饱和面积所占的比重以及目标区域内图像的结构相似度指数,并将上述各参数相乘得到最终的评价指标。利用该方法对典型激光干扰图像进行评估,结果表明:在不同入射功率和不同光斑位置情况下,所提评估指标比单独使用结构相似度的评估指标具有更大的取值范围和更明显的非线性变化特征。这说明:该指标能够反映光电成像系统激光干扰过程的丰富细节,更加适合激光干扰效果的评估。     

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。     

基于异环境重要性采样的增强DDRQN网络

针对局部可观测多智能体学习环境下,智能体与环境频繁交互造成环境不稳定,导致智能体无法使用经验回放机制(experience replay)的问题,采用了一种基于异环境重要性采样的回放经验利用机制。并结合该机制再深度强化学习算法,深度分布式循环Q网络(DDRQN)基础上进行了改进,提出一种增强型的深度分布式循环Q网络。通过对Deep Mind的Py SC2平台Defeat Roaches局部可观测多智能体学习环境实验结果对比分析表明,增强型的深度分布式循环Q网络相比于DDRQN网络,具有良好的学习性能,稳定性、收敛速度均具有显著提升。     

基于相遇时间感知的延时容忍网络路由

延时容忍网络(Delay-tolerant Networks,DTNs)是稀疏的移动自组织网络,其无法建立源节点至目的节点整条路径。目前多数工作是在分析转发算法,而基于短相遇接触时间(Contact Duration Time,CDT)事实下的转发算法的研究工作甚少。为此,提出基于相遇接触时间的时延容忍网络路由(Contact Duration-Aware Routing,CDAR)。利用CDT、相遇间隔时间以及消息的时效计算一跳和两跳传递概率,再依据当前接触的和过去接触的节点中选择转发节点,从而构建低成本路由。实验数据表明,与同类的PROPHET路由相比,提出的CDAR路由的消息传递率提高了10%、平均时延缩短了12%和路由成本下降了23%。