基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题,提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解,得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数,并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明,该方法可以实现对舰船辐射噪声的特征提取,与已有方法对比,该方法具有较高的识别率。     

基于平均度的树分解启发式算法

很多树宽较小的NP难问题能用树分解技术在多项式时间内求解,寻找无向图的树宽有助于提高求解效率。因此,基于图的平均度提出了两种新的树分解启发式算法。这两种算法根据树分解与图三角化之间的关系,利用顶点度与平均度的偏差和填边数构造顶点消除序列,快速得到树分解的宽度。在随机正则图和DIMACS图着色实例上的测试结果表明:这两种算法简单易实现,与最小填边法相比能找到更优的树宽上界。     

云模型和距离熵的TOPSIS法空战多目标威胁评估

针对传统逼近理想解的排序法(TOPSIS)在空战多目标威胁评估中对战场态势数据精度要求高这一缺陷,提出了一种基于云模型和距离熵TOPSIS法空战多目标威胁评估方法。该方法运用云模型理论对战场态势数据进行模糊表示,并通过定义云元素的大小和距离测度公式实现了两者结合。考虑目标各属性的权重对分析结果的重要性,运用距离熵理论来分配各属性的权重,进而建立加权决策云矩阵,根据相对贴近度的大小确定各方案的威胁程度。最后,通过仿真验证了该方法的可行性和有效性。     

基于不同能量值特征优选的水声目标识别

采用Bartlet平均周期图、小波变换和经验模态分解方法分别提取信号的频段能量值特征、IMF能量值特征,重点对IMF能量值特征进行特征优选。通过设计BP神经网络分类器,对实测的四类舰船目标的辐射噪声信号进行测试,取得了较好的识别效果。     

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。     

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。