基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

采用LabVIEW设计的PCM数据实时接收系统

脉冲编码调制(PCM)技术因为其良好的抗干扰性能,被广泛应用于飞行器的地面测试与飞行试验当中。为了监控被测飞行器的运行状态,通常需要对测试过程中的PCM数据进行实时接收显示。提出了一种基于Lab VIEW的PCM数据实时接收系统的设计方法,通过采用数据接收卡与上位机程序相结合的方式,实现了对PCM数据的实时接收显示。经验证,该系统可满足飞行器地面测试的需要。     

超低照度下微光图像增强神经网络损失函数设计分析

超低照度下(环境照度小于2×10~(-3)lux)微光图像具有低信噪比、低对比度等特点,使目标难以辨识,严重影响观察效果。为了提高超低照度下微光图像质量,设计了一种用于微光图像增强的卷积自编码深度神经网络,并针对传统的均方误差损失函数不符合人类视觉感知特性等问题,结合现有的全参考图像质量评价指标,研究了包括感知损失在内的几种损失函数,并提出了一种新的可微分损失函数。实验结果表明,在网络结构不发生改变的情况下,所提损失函数具有更好的性能,在提高微光图像信噪比和对比度的同时,能够有效地增强图像内部细节信息。     

新一代GPS卫星信号的研究

随着GPS现代化建设进程的不断推进,改善导航与定位精度、扩大服务覆盖面和改善服务持续性,提高系统安全性和抗干扰性、注重兼容与扩充等技术相继得到了应用与实施.为此,在分析新一代GPS卫星信号改进与变化的基础上,从包含新的信号调制体制、新的军用伪码信号及其增强型应用,考虑兼容和新需求的民用伪码及新频段增设等方面进行了较为系统的归纳与深入地研究,进一步通过仿真分析验证了新一代GPS卫星信号的先进性和拓展性,从而为发展我国天基导航系统提供依据.     

L波段预警雷达干扰系统研究

介绍了一种雷达干扰系统的设计方法.该干扰系统以线性调频(LFM)脉冲预警雷达为主要研究对象,以新一代小型雷达欺骗干扰机为应用背景.通过分析雷达目标回波信号形式和假目标参数的设定依据,结合以FPGA实现DDS(Direct Digital Synthesize)的方法在调幅调相方面的优势,利用高性能DSP(Digital Signal Processor)和FPGA,提出了一种基于DDS技术的线性调频脉冲雷达干扰系统设计方案.该系统能够产生多个假目标回波信号,干扰雷达系统的正常检测判断,具有十分重要的实用价值.     

基于Wigner分布的干扰项抑制及算法

Wigner分布是一种真正意义上的时频分析方法,但存在其固有缺陷即虚假时频谱(干扰项)问题.将实信号转化成所对应的解析信号,并采用Choi-Williams方法对Wigner分布进行修正,实现了对干扰项的有效抑制,获得了满意的信号时频谱.给出了用解析信号计算信号Wigner分布及Choi-Williams分布算法.通过几个典型信号(多分量信号、调频信号等)对所研制的软件进行仿真实验,结果与理论相符,表明了软件算法的正确性.     

多DSP并行的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,提出了基于多DSP并行结构的神经网络集成目标识别方法.给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别硬件系统.结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,且识别目标的速度很快.     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.