一种长时长混合通信信号的分离重建方法

对于无线通信系统中的长时长混合通信信号,接收机是将其分成多个时间段依次进行接收分离的。但是分离中固有的不确定性会使得相邻时间段分离出的各路信号在序号、相位和幅度上不完全相同,这将导致相邻时间段分离出的各路信号不能正确相连接,合成各路完整的接收信号。文章针对这种信号在进行分段处理时因分离不确定性引起的问题,提出了一种分离重建方法,并通过MATLAB仿真试验验证了该方法的有效性。理论分析和仿真试验表明:与文献[9]中基于估计混合矩阵列向量相关性方法相比,该方法在一定条件下具有更好的性能。     

信息化背景下的装备声像档案建设研究

声像档案是“以感光记录、磁记录和激光记录为记录技术的感光型档案、磁性型档案和激光型档案的总称。它除了具有传统档案的记录静止符号和数字的功能外,还可以记录图文、声音、动画等音频信号和视频信号”。随着现代科学技术的进步,记录信息的载体正向高科技、多媒体的趋势发展。     

军转民技术

海上无线电救援系统1、技术开发单位上海航天技术研究院第八〇二研究所2、技术简介工作方式:落水者携带的信标机发射信标信号,救助队伍携带搜索系统搜索信标信号,并对目标进行测向和距离估算,获取落水者的大致位置,引导搜救队伍前往救援,提高落水者获救几率,提高救助效率。技术原理和途径:将导引头测向定位技术应用于海上搜救;多普勒测向与干涉仪测向相结合。3、技术特点     

基于敌后侦察与诱骗博弈的远程火力打击战法

对敌后侦察反军事诱骗的远程火力打击战法的定量分析是战役研究中尚未解决的关键问题之一,根据信息作战原理,运用仿真和统计学分析的混合方法,建立基于概率的二人非零和(TPNZS)非合作博弈模型,设计基于侦察与诱骗博弈的远程火力打击战法,定量分析我方的敌后侦察和敌方的军事诱骗对远程信息与火力联合打击能力的影响,并对一个典型实例的初步试验及分析结果表明:与敌后侦察和军事诱骗有关的正确识别目标和错误识别目标的概率以及远程火力命中目标的概率是评估远程信息与火力联合打击能力的关键,而对评估结果进行博弈分析则是远程火力打击战法设计的关键,用识别正确目标和错误目标能力以及远程火力命中目标能力描述的基于敌后侦察与诱骗博弈的远程火力最优打击战法为Δ*=(0,Δ2*,1-Δ2*)=(0.0000,0.7727,0.2273),被打击方对远程火力打击的最优战法为π*=(π1*,0,1-π1*)=(0.8511,0.0000,0.1489)。     

基于步进频率正交信号的星载MIMO-GMTI雷达空时频处理研究

多发多收(MIMO)体制雷达综合采用多通道、多频技术,为解决星载GMTI面临的探测慢速运动目标和消除盲速估计等问题提供了有效途径。MIMO雷达工作的基础是有效的波形设计。因此,在分析正交波形性能的基础上,结合GMTI应用需求,建立了星载MIMO雷达步进频率正交信号的基本参数确定准则,研究了步进频率MIMO雷达空时频联合自适应处理的基本原理,通过仿真验证了MIMO雷达在杂波抑制和GMTI性能上的优势。     

地缘能源因素不容忽视

地缘之困:大国博弈的中心区亚洲中心地域位于地球上各大陆的中央位置,具有非常重要的战略地位.地缘政治学家麦金德将这里界定为历史的地理枢纽,指出这一特定区域是陆上力量的战略中心和心脏地带.而哈萨克斯坦又位于中亚腹地,其横跨欧亚两洲,国土包括中亚北部和乌拉尔河以西的欧洲部分,与俄罗斯、中国、吉尔吉斯斯坦、乌兹...     

军费分配与使用中的博弈问题及政策建议

军费分配与使用中的博弈是不完全信息条件下的动态博弈。解决这种博弈问题的基本思路是通过“海萨尼”转换求得“精炼贝叶斯均衡”。另外,在政策方面要明确奖惩标准,加大奖惩力度,明确责任制度。     

小波分析在机械故障诊断中的应用

小波分析是傅立叶分析思想的继承和发展,在机械故障诊断中已得到广泛的应用。主要用于轴承、齿轮及电动机的震动信号、梁和车辆的震动,以及含机械故障信号的信号处理。通过对机械故障信号特点的分析,根据小波分析的原理和方法,建立了它在机械故障诊断中的数学模型,并给出了应用实例。     

雷达"指纹"参数选取

从雷达发射机的基本原理出发,对发射机的各组成部分进行深入分析,给出了每个雷达参数的产生机理,结合生物指纹的特点,得出了雷达脉冲重复间隔可以作为雷达“指纹”特征参数的结论,为雷达个体识别的完成提供了保证。     

基于元课程强化学习的多智能体协同博弈技术

多智能体协同博弈具有实时及动作连续性、非完全信息博弈、庞大的搜索空间、多复杂任务和时间空间推理等特点,是当前人工智能领域极具挑战的难题之一。针对大规模多智能体强化学习训练时间长、难以收敛等问题,提出了一种基于Actor-Critic的多智能体强化学习协同博弈框架,利用元课程强化学习方法对小规模场景进行基础课程元模型提取,并且基于课程学习向大规模场景进行模型迁移,在元模型基础上继续进行训练,扩展元模型策略网络,最终得到较优协同博弈策略。在《星际争霸Ⅱ》平台上进行仿真实验,结果表明：基于元课程强化学习的多智能体协同博弈技术可有效地加速其训练过程,相较于传统训练方法可以在较短时间内达到较高的胜率,训练速度提升约40%,该方法可有效支撑多智能体协同博弈策略的高效生成,为低资源下的强化学习高效训练奠定理论基础。