二进制偏移载波调制信号畸变误差评估指标

针对三种常见的信号畸变,给出完善的畸变误差评估指标,从而能够全面评估畸变误差。同时采用提出的评估指标对北斗全球系统B1频段上的基线信号BOC(14,2)及MBOC(6,1,1/11)信号进行评估。所提出的畸变误差评估指标能够用于评估现代卫星导航信号的畸变误差,对现代导航信号体制设计及完好性监测均具有指导意义。     

基于深度限制波尔兹曼机的辐射源信号识别

针对电子侦察中使用常规参数难以有效识别复杂体制雷达信号的问题,提出利用深度限制波尔兹曼机对辐射源识别的模型。模型由多个限制波尔兹曼机组成,通过逐层自底向上无监督学习获得初始参数,并用后向传播算法对整个模型进行有监督的参数微调,利用Softmax进行分类识别。通过仿真实验表明该模型能对辐射源进行有效的特征提取和分类识别,具有较高的识别精度和较强的鲁棒性。     

北斗导航信号电离层闪烁模拟及其影响

电离层闪烁具有突发性、偶发性和区域性,且难以建模准确刻画。针对电离层闪烁影响下的北斗导航信号复现问题,研究了基于应用伽马分布和零均值高斯分布模型的导航信号电离层闪烁序列生成方法,并基于国防科技大学电子科学与工程学院研制的NSS8000型多体制导航信号模拟器给出了北斗导航信号电离层闪烁模拟的硬件架构。在此基础上,通过中频信号采样和软件接收机处理,分析了电离层闪烁对北斗接收机跟踪环路的影响。结果表明:在相位闪烁指数为0,幅度闪烁指数为0.9时,码环鉴相误差可达0.05 chip;而在幅度闪烁指数为0,相位闪烁指数为0.5时,载波环鉴相误差可达15°,处于失锁的临界状态。     

基于时序特征编码的目标战术意图识别算法?

对战场目标战术意图的快速、准确和自动识别,是智能决策的前提和基础。目标战术意图通常由多个战术动作组合完成,因而目标状态呈现动态、时序变化特征。本文针对目标意图识别问题的特点,提出一种基于栈式自编码器（ SAE）的智能识别模型,设计智能识别模型的基本框架,提出一种基于时序特征的输入信号编码方法及相应的模式解析机制,通过将目标状态在多个时刻的时序特征和战场环境、目标属性等信息统一编码为输入信号,将军事专家的知识经验封装为模式标签,模拟人的推理模式与认知经验,实现对目标战术意图的智能识别。最后通过实验,分析预训练过程和网络深度对算法性能的影响,并通过与多层感知机（MLP）和逻辑回归分类器（LRC）识别准确率的比较,验证所提SAE算法的有效性。     

对海目标识别中舰载预警直升机引导舰载无人机的方法及阵位配置

针对水面舰艇编队对海攻击时的目标识别需求,提出了舰载预警直升机引导舰载无人机实施对海目标识别的协同样式。从引导识别的基本过程入手,建立了舰载无人机占领预定识别阵位的运动要素计算模型;基于以最短时间到达预定识别阵位的要求,建立了舰载无人机目标识别时,相对舰载预警直升机阵位配置的拟合模型,并针对舰载无人机识别时的反应时间和识别距离,建立了舰载无人机阵位配置的修正模型,为水面舰艇编队对海攻击中的目标识别提供了新手段。     

基于动态时间规整算法的车辆目标分类研究

将动态时间规整(Dynamic Time Warping)算法应用于地面车辆目标的分类识别中。基于微多普勒效应原理,建立了轮式车辆和履带式车辆雷达回波模型,对两种车辆目标微多普勒信号的差异性进行了分析,并结合实测数据,验证了理论分析的正确性。在杂波抑制及速度归一化处理的基础上,利用动态时间规整算法,将提取出的车辆目标的累积失真距离作为目标分类识别的依据,实现了轮式车辆和履带式车辆的自动分类。基于实测数据的实验结果表明,该方法在不同信噪比条件下都具有较好的分类性能。     

基于MIMO技术的山体滑坡雷达

现有山体滑坡雷达是轨道式的,这样就需要精确控制雷达的运动来获得高方位向分辨率,因此,硬件设备要求极高。利用多输入多输出(MIMO)技术通过分时发射和接收信号来获取高方位向分辨率,可以免去雷达运动,从而简化了雷达设备和降低雷达成本。此外,结合步进频连续波技术可以使山体滑坡雷达保持高距离向分辨率的同时进一步降低对硬件的要求,更易于工程实现,成本更低。通过MATLAB仿真初步验证了该方案的可行性。     

基于RNN汉语语言模型自适应算法研究

深度学习在自然语言处理中的应用越来越广泛。相比于传统的n-gram统计语言模型,循环神经网络(Recurrent Neural Network,RNN)建模技术在语言模型建模方面表现出了极大的优越性,逐渐在语音识别、机器翻译等领域中得到应用。然而,目前RNN语言模型的训练大多是离线的,对于不同的语音识别任务,训练语料与识别任务之间存在着语言差异,使语音识别系统的识别率受到影响。在采用RNN建模技术训练汉语语言模型的同时,提出一种在线RNN模型自适应(self-adaption)算法,将语音信号初步识别结果作为语料继续训练模型,使自适应后的RNN模型与识别任务之间获得最大程度的匹配。实验结果表明:自适应模型有效地减少了语言模型与识别任务之间的语言差异,对汉语词混淆网络进行重打分后,系统识别率得到进一步提升,并在实际汉语语音识别系统中得到了验证。     

激光陀螺零偏误差复合信号补偿分析

作为一种集成了光学、电学和机械力学的复杂系统,激光陀螺可以精确地测量物体的角速率输出。为了满足惯性导航系统长时、高精度的测量要求,研究了激光陀螺内部不同类型的传感器与激光陀螺零偏误差之间的特性;在传统的基于温度的零偏误差补偿方法的基础上,引入二频机抖激光陀螺内部温度传感器、光电二极管和粘在抖动机构上的压电陶瓷的输出信息进行复合建模;利用非线性拟合能力强的支持向量机算法,针对不同类型信息与二频机抖激光陀螺零偏误差的相关性对模型进行优化。实验结果表明,该二频机抖激光陀螺零偏误差补偿模型的补偿精度高于传统的补偿方法。     

基于改进OMP算法的跳频信号跳变时刻精确估计

跳变时刻是跳频信号最重要的参数之一,精确估计跳变时刻有助于正确接收跳频信号,准确获取跳周期、跳频频率等参数。但是现有方法得到的跳变时刻精度不高,抗干扰能力较弱,为此提出了一种基于改进OMP算法的跳变时刻精确估计新方法。首先根据跳频信号原理建立了跳变时刻估计的稀疏表示模型;然后用改进OMP算法求解该模型提取跳变时刻。理论分析和仿真结果证明了该方法能够获取高精度的跳变时刻,估计性能优于现有算法。