高斯色噪声背景下基于正交变换的确知信号检测

Karhunen-Loève(K-L)变换可以完全去除色噪声背景下接收信号的相关性,但计算量较大,在实际应用中容易受到限制。为此,提出了一种基于正交变换的确知信号检测方法。该方法通过选取具有快速变换算法的正交矩阵来近似K-L变换,避免了直接求解噪声协方差矩阵特征值与特征向量的繁杂过程。通过仿真比较分析了一阶高斯-马尔科夫过程下基于K-L变换和基于正交变换的检测性能,结果表明:二者检测性能相近,但后者的计算效率有明显提高,具有更高的工程应用价值。     

弹性BP神经网络消除轮速传感器误差方法的研究

汽车轮速是汽车运动状态参数的主要信息源,是控制系统的核心,其精度直接影响这些系统的性能.为了提高轮速的精度,降低传感器的研制成本,提出了一种基于弹性BP神经网络的误差分析方法消除轮速传感器误差.将改进的BP神经网络--弹性BP神经网络用于误差分析,并提出误差匹配的算法.理论和仿真结果表明,该方法使绝对误差达到2×10-4>rad,能够有效地消除传感器误差,提高轮速信号的精度.     

基于分数阶傅立叶变换的ARM检测技术

分数阶傅立叶变换(FRFT)是傅立叶变换的广义形式,对线性调频(LFM)信号具有很好的能量积累作用.针对反辐射导弹(ARM)雷达回波信号的线性调频特性,提出了一种基于FRFT的反辐射导弹检测方法,并根据ARM信号的调频特性将FRFF局域化,缩小了峰值搜索区域,提高了检测效率.仿真实验表明该方法能够在高斯、非高斯分布杂波环境下有效地检测ARM信号.     

支持向量机的战场直升机目标分类识别

对基于支持向量机的战场直升机目标分类识别技术进行了研究,分别将谐波集(HS)频率和不同尺度小波子空间能量作为特征矢量,设计出一种基于支持向量机的直升机目标分类器,并将该分类器与kNN分类器和BP神经网络分类器进行分类对比实验.结果表明两种特征提取方法,都能很好地体现不同声目标之间的差异,SVM分类器相对于其他两种分类器具有更好的分类性能,目标识别率达到96%以上.     

从重复信号博弈看国防生培养机制

文章运用重复信号博弈模型,剖析了国防生培养政策中体现的机制设计思想,分析了国防生培养相关政策制订的理论依据,指出了国防生培养相关政策中存在的问题,进而提出了改进、完善国防生培养机制的政策建议。     

敌我识别系统及其进展

从敌我识别系统的应用背景出发,综述了敌我识别系统的发展历程,分析了各种敌我识别系统的特点,比较了毫米波敌我识别系统和激光敌我识别系统的性能,指出了数据融合技术和微米/纳米技术对敌我识别技术发展的重要性.相关研究内容对敌我识别系统的论证、技术体制的选择有参考价值.     

混合信号边界扫描测试控制系统的设计实现

现代装备火控系统中混合信号电路越来越普及,为了实现对其快速故障诊断,以IEEE 1149.4标准为依据,设计实现了一个基于边界扫描技术的数模混合信号测试控制系统。仿真实验表明,该测试控制系统操作简便,测试准确,测试效果好,为装备电子系统机内测试应用奠定了基础。     

信号分割与抗干扰

本文从信息分割原理出发,分析了利用各种信号分割方法的抗干扰措施,文中指出,寻求新的信号分割方法,进而另辟抗干扰途径,是抗干扰方法研究的一个重要方面。     

识别技术

利用光学仪器、雷达、声纳和计算机等设备,对远方目标进行探测和辨识的技术。识别可分为视觉识别、雷达识别及其他方法的识别。识别技术广泛用于国民经济、空间探测和军事领域。军事上主要用于判明目标的类型、性质和敌我属性。视觉识别主要利用人的眼睛和光学仪器。雷达和计算机是识别     

基于人工神经网络的齿轮箱载荷识别研究

提出了一种基于实测结构响应识别作用在齿轮箱上激励的方法 ,该方法利用人工神经网络建立响应信号与激励之间的映射模型。通过单级齿轮箱上所做的试验数据表明 ,这种利用人工神经网络识别齿轮箱载荷的方法是可行的 ,并且 ,经过训练的网络模型在齿轮箱载荷识别的过程中显示了极快的收敛速度和很高的识别精度。