基于循环谱相关的雷达信号脉内分析改进算法

针对传统的雷达信号脉内特征分析算法存在的局限,提出了一种基于循环谱相关的雷达信号脉内特征分析的改进算法。该算法将传统的循环谱估计方法进行了改进,能对雷达信号脉内调制方式进行识别并提取脉内特征参数,然后结合改进的小波变换的优点,对识别出的相位编码信号进行相位突变点的提取,最后输出至完善的脉冲描述字中。改进的算法能够在较低计算量的同时保证较好的脉内特征参数的估算精度。仿真结果表明,在较低信噪比下,该算法仍然具有较好的性能。     

基于小样本学习的军事装备识别技术

针对军事装备样本稀缺昂贵、目标识别研究进展缓慢等问题,从人类认知科学出发,提出利用民用装备数据完成深度学习训练,实现大样本知识积累;采用模式识别算法提取装备武器特征,实现样本目标识别。通过分析2种样本属性空间距离,利用卷积神经网络作为前端,采用SIFT算法作为后端,构建递进学习模型,实现对多种军事装备的高效识别。实验测试模型识别坦克、战机和军舰平均置信度分别为87%、92%和91%,军事装备武器样本数量决定目标识别精度,样本泛化可提高目标识别率。提出的递进学习模型充分利用深度学习和模式识别算法优势,实现军事领域武器装备小样本目标识别。     

面向人机交互的运动想象脑电信号感知算法研究

脑电信号的特征提取与分类识别是脑机交互领域的核心问题。针对运动想象脑电信号的多分类问题,以更好利用包含有用信息的脑电信号频带为目的,提出了基于小波包变换(WPD)和一对多共空间模式(CSP)的特征提取算法。首先使用WPD算法将原始脑电信号分解成一系列子频带,筛选与运动想象活动相关的子频带。然后使用一对多CSP算法进行特征提取。最后对各子频带的特征进行组合并使用BP神经网络进行分类。算法的有效性通过BCI竞赛的基准数据集进行了测试,相交于竞赛结果有了明显提升。     

基于复杂度特征的干扰识别算法

复杂度可以用来刻画信号的波形变化特征。文中使用了L-Z复杂度和分形维数这两种复杂度作为干扰识别的特征参数并结合支持向量机对干扰进行分类。仿真结果表明L-Z复杂度和分形维数计算复杂度低,且具有较好的类别差异度,同时文中提出的算法具有较高的识别准确率。     

预备犯的刑事责任之比较--从大陆法系刑法与我国刑法的角度

大陆法系国家刑法和我国刑法典中都存在预备犯。但是 ,关于预备犯的构成特征、刑事责任的根据、刑事责任的基础与立法模式都有着显著的差异。其原因在于大陆法系国家和我国在刑法理论的着重点、法律文化本位、乃至整个社会传统文化渊源上都迥然不同。借鉴大陆法系国家的立法模式 ,改善立法技术 ,完善我国预备犯的相关立法 ,是适应世界刑罚宽缓化的潮流 ,加大人权保护力度的必然要求。     

寿命周期费用分析中的数据采集问题探讨

寿命周期费用数据采集是寿命周期费用分析的关键问题之一。简要介绍了寿命周期费用的概念,探讨了寿命周期费用数据采集的目的与要求、费用数据的来源、内容、采集形式,以及对费用数据的处理等与寿命周期费用数据采集有关的问题。目的在于为寿命周期费用的数据采集提供一般性指导方法。     

差分跳频抗干扰原理浅析

在介绍差分跳频原理的基础上,分别从差分解跳和差分跳频信号检测两个方面分析了差分跳频的抗干扰原理,由于差分跳频采用频率差分的单载波来表达所要传输的数据,具有高跳速和变跳频图案的特点,在差分解跳过程中,利用特定的差分频率转移关系可以剔除部分干扰,通过时－频分析还可进一步剔除在时域特征上存在差异的干扰;因此,差分跳频是一种全新的慢速跳频体制。     

基于神经网络的柴油机特征参数评价与选择

在设备故障诊断中,正确地提取与选择特征参数对于诊断结果的有效性和准确性具有关键性的意义,在提出评价判据时样本的概率分布往往难以确定,针对模式识别中特征量的选择方法,结合人工神经网络原理,提出了利用人工神经网络进行故障特征量评价与选择的方法,实现了对柴油机特征参数的提取及选择,有效地解决了柴油机状态监测与故障诊断中测试参数多而难以优化的问题。