数据采集中随机尖峰干扰的消除方法

本文提出了一种在数据采集过程中，对数据进行统计处理的方法，该法可有效的削弱随机尖峰脉冲的干扰。将其用于汽车车架疲劳试验台的数据采集及控制系统中，取得了良好的控制效果。     

脉冲干扰直接序列扩频系统性能分析

研究通信系统中,直接序列扩频通信具有隐蔽性、抗干扰能力强的特点,但对各种大功率窄带干扰却无能为力。在工程实践中发现脉冲干扰能够对直扩信号产生一定的干扰效果,为了了解脉冲信号的对直扩信号的干扰能力,在研究直扩系统的工作原理的基础上,分析了脉冲信号的重复频率、脉冲宽度和直扩系统重复编码对误码率影响,并建立了仿真模型。仿真结果显示,脉冲信号在一定条件下能够对直扩信号产生有效的干扰,使直扩信号的通信性能迅速恶化,值得在工程中推广应用。     

重频超宽带脉冲对混频器的干扰特征分析

重频超宽带脉冲可对多种电子设备与电子器件产生干扰。针对电子器件的干扰效应,着重从仿真分析和实验两方面研究了重频超宽带脉冲对无源混频器的干扰特征。分析了混频器对超宽带脉冲信号的响应特性,给出了不同参数条件下重频超宽带脉冲信号对混频器及混频滤波电路的干扰特征。研究表明,作为干扰信号,重频超宽带脉冲信号并不能影响混频器正常工作;当重频超宽带脉冲信号与通信信号一起注入混频器时,混频器可实现其正常的变频功能,而作为衡量混频器工作性能的重要指标,变频损耗可认为基本不变;重频超宽带脉冲信号经过混频滤波电路后变为同中频信号同样频率的连续波信号,其对混频滤波电路的干扰以及之后电路的干扰类似定频连续波信号干扰。     

一种测量工业环境感应传导干扰的方法

针对采用干扰测量仪或频谱分析仪只能测量工业环境中干扰源的辐射干扰强度的问题,提出了一种测量工业环境感应传导干扰的方法。该方法采用HBYV非双绞2芯线作为干扰接收体,采用数字示波器记录干扰波形的最大幅值和单个脉冲的最大强度,通过与标准干扰发生器感应到HBYV非双绞2芯线上的干扰信号大小进行比较,确定干扰强度。以瞬变脉冲群干扰强度和浪涌干扰强度的测量为例,详细介绍了该方法的具体实现。     

雷达环境仿真中同步脉冲干扰的设计和实施

雷达环境仿真系统是为检测雷达设备的抗干扰能力而设计的,同步脉冲干扰是采用假目标和信息,产生与雷达工作信号具有相参性和同步性的干扰信号,作用于雷达的目标检测系统、跟踪系统和数据处理系统,有效地破坏雷达对目标的检测、跟踪。该文从同步脉冲干扰的基本原理出发,阐明在雷达工作环境仿真系统中距离拖引、速度拖引、虚假目标等同步脉冲干扰的设计和实施过程;并针对工作在搜索和跟踪交替模式下的相控阵雷达提出自适应综合干扰方式;最后分析并总结了系统仿真时为有效实施同步脉冲干扰应注意的事项。     

UWB与共存通信系统互干扰缓解方法

对超宽带（Uhra—wideband，UWB）通信与共存通信系统的互干扰进行了研究，提出了一种新的缓解两者互干扰的方法——自适应多带脉冲调制方法。该方法采用自适应频谱估计，给出与UWB共存的通信系统的中心频率与带宽参数，基于谱估计的参数，自适应地将UWB发射脉冲进行分解，并降低UWB分解脉冲中与共存通信系统发生频谱碰撞的子带脉冲的功率，从而有效地缓解了UWB对共存通信系统的干扰。UWB接收机则采用与发送端相应的相关掩模进行信号的相关接收，从而也显著地降低了共存通信系统对UWB的干扰。仿真结果表明，该方法对缓解UWB与随机共存通信系统的互干扰行之有效。     

基于三角波调制的卷积干扰技术研究

线性调频信号等抗干扰波形的设计和使用,使雷达在各种复杂杂波和人为噪声干扰的情况下,仍然具有良好的检测跟踪能力.针对这个问题,在现有的脉冲、噪声卷积干扰的基础上提出了基于三角波调制的卷积干扰技术以提升干扰性能:给出了通用的时域卷积调制干扰的数学模型,在此基础上分析了三角波卷积干扰的信号形式,对其干扰效果进行了仿真实验并说明其优势所在.结果表明,通过控制三角波的参数可以达到欺骗和遮盖的不同效果且具有独特优势.     

强声脉冲对接收机的干扰压制特性仿真

近年来,随着水下等离子体强声技术的突破性进展以及其在管道除垢、污水处理、海洋地质勘探、水下目标探测等领域取得的显著成果和成功应用,为我们提供了一个新思路：采用水下等离子体强声脉冲来干扰鱼雷自导接收系统,直至使其自导接收系统阻塞致盲,达到压制效果。本文分析了某型鱼雷自导接收机电路原理,建立了基于Multisim的接收机预处理电路仿真模型,仿真分析了强声脉冲对接收机预处理的干扰压制特性。研究成果对水下等离子体超宽带脉冲的工程应用具有重要的参考价值,同时,对研究鱼雷接收机系统的抗干扰特性具有一定的借鉴价值。     

一种有源加性复合干扰的对抗算法研究

针对雷达有源加性复合干扰对抗的情况,传统的抗干扰算法只针对单一样式干扰进行抑制,很难做到有效权衡;由于有源复合干扰噪声功率高、欺骗性强的特点,为此提出了一种基于相位扰动的有源加性复合干扰对抗算法,该算法在斜变线性调频信号(SV LFM)信号的基础上,先对发射雷达信号的前后沿脉冲附加上一个扰动的相位,再通过与前一脉冲的匹配滤波,限幅处理和逆匹配,最后与当前脉冲进行匹配滤波处理,附加扰动的相位和限幅处理减弱了距离假目标信号的增益,而经过三次匹配滤波的作用,同样有效的削弱了大部分压制性干扰信号的成分,从而恢复出比较纯净的目标回波信号;通过实验仿真手段验证了相位扰动抗干扰算法的有效性,与传统直接匹配滤波的抗干扰算法相比,接收信号的信噪比提升了约25 dB。     

脉冲测距系统的多径干扰影响及消除

由于地空无线信道的多径特性的影响,采用脉冲测距原理的机载脉冲测距系统的精度受到较大影响。在对机载脉冲测距设备原理进行深入研究的基础上,对多径干扰对脉冲测距系统的影响进行了分析,确定了最为不利的多径形态,进一步提出了一种针对多径消除的基于第一脉冲延迟译码的解决方案,并予以了工程实现。仿真结果表明该方案效果良好。     

基于聚类的NSGA-II算法

采用精英策略的非支配排序遗传算法（NSGA-II）种群收敛分布不均匀,全局搜索能力较弱。针对该问题,基于现有的算法,提出一种基于聚类学习机制的多目标进化算法KMCNSGA—II。利用K均值聚类对目标函数和个体分别进行聚类,对聚类后的个体进行局部学习,以提高适应度。将该算法应用于经典的多目标约束和非约束测试函数中,通过收敛性指标世代距离和多样性指标△进行性能评价。实验结果表明,与NSGA—II算法相比,该算法在算法收敛性和种群多样性保持方面均有明显提高。     

基于MapReduce框架下的K-means聚类算法的改进

针对K-means算法处理海量数据的聚类效果和速率，提出一种基于MapReduce框架下的K-means算法分布式并行化编程模型。首先对K-means聚类算法初始化敏感的问题，给出一种新的相异度函数，根据数据间的相异程度来确定k值，并选取相异度较小的点作为初始聚类中心，再把K-means算法部署在MapReduce编程模型上，通过改进MapReduce编程模型来加快K-means算法处理海量数据的速度。实验表明，基于MapReduce框架下改进的K-means算法与传统的K-means算法相比，准确率及收敛时间方面均有所提高，并且并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性。     

类簇数目和初始中心点自确定的K-means算法

K-means算法是经典的基于划分的聚类算法。针对K-means算法的类簇数目难以确定、对初始聚类中心敏感的缺陷,提出了改进的K-means算法,重新定义了计算样本对象密度的方法,并且运用残差分析的方法从决策图中自动获取初始聚类中心和类簇数目。实验结果表明该算法可获得更好的聚类效果。     

一种结合人工蜂群和K-均值的混合聚类算法

传统的K-均值聚类算法虽然收敛速度快,但由于过度依赖初始聚类中心,算法的鲁棒性较差。为此,提出了一种改进人工蜂群算法与K-均值相结合的混合聚类方法,将改进人工蜂群算法能调节全局寻优能力与局部寻优能力的优点与K-均值算法收敛速度快的优点相结合,来提高算法的鲁棒性。实验表明,该算法不仅克服了传统K-均值聚类算法稳定性差的缺点,而且聚类效果也有了明显改善。     

K-means聚类算法的研究综述

K-均值聚类算法（K-means）是基于划分的聚类算法中的典型算法,针对K-means算法初始聚类中心存在对K依赖的缺陷,提出一种新的选取K-means算法初始聚类中心的方法,该方法提高聚类结果的有效性和稳定性;还提出一种极值选择法,将最大距离法和最小距离法相结合,进一步提高初始聚类中心选择的准确性。     

基于自适应布谷鸟搜索算法的K-means聚类算法及其应用

针对原始K-means聚类算法受初始聚类中心影响过大以及容易陷入局部最优的不足,提出一种基于改进布谷鸟搜索（CS）的K-means聚类算法（ACS-K-means）。其中,自适应CS（ACS）算法在标准CS算法的基础上引入步长自适应调整,以提高搜索精度和收敛速度。在UCI标准数据集上,ACS-K-means算法可得到比K-means、基于遗传算法的K-means（GA-K-means）、基于布谷鸟搜索的K-means（CS-K-means）和基于粒子群优化的K-means（PSO-K-means）算法更优的聚类质量和更高的收敛速度。将ACS-K-means聚类算法应用到南宁市青秀区“城管通”系统的城管案件热图的开发中,在地图上对案件地理坐标进行聚类并显示,应用结果表明,聚类效果良好,算法收敛速度快。     

基于改进K均值聚类算法的星点聚类研究

针对高分辨率天文图像中的星点聚类研究中存在的 2 个问题：①天文图像的分辨率 较高,且图像处理速度较慢;②选取何种聚类算法对天文图像中的星点进行聚类分析效果较好。 在研究中,问题 1 采用图像分块的方法提高图像的处理速度;问题 2 提出了一种改进的 K 均值聚 类算法,以解决传统的 K 均值聚类算法的聚类结果易受到 k 值和初始聚类中心随机选择影响的问 题。该算法首先在用 K 均值聚类算法对数据初步聚类的基础上确定合适的 k 值,其次用层次聚类 对数据聚类确定初始聚类中心,最后在此基础上再采用 K 均值聚类算法进行聚类。通过 MATLAB 仿真实验的结果表明,该算法的聚类结果与效率优于其他聚类算法。     

一种新的混合聚类分析算法*

结合人工鱼群算法的全局寻优优点提出了一种基于人工鱼群算法的K-平均混合聚类分析算法。实验结果表明,该算法能克服K-平均聚类算法易陷入局部极小的不足,有较好的全局性,且聚类正确率明显高于K-平均算法,聚类效果更好。     

基于核的非凸数据模糊K-均值聚类研究

将模糊K-均值聚类算法与核函数相结合,采用基于核的模糊K-均值聚类算法来进行聚类。核函数隐含地定义了一个非线性变换,将数据非线性映射到高维特征空间来增加数据的可分性。该算法能够解决模糊K-均值聚类算法对于非凸形状数据不能正确聚类的问题。     

基于核的K-均值聚类

将核学习方法的思想应用于K-均值聚类中，提出了一种核K-均值聚类算法，算法的主要思想是：首先将原空间中待聚类的样本经过一个非线性映射，映射到一个高维的核空间中，突出各类样本之间的特征差异，然后在这个核空间中进行K-均值聚类。同时还将一种新的核函数应用于核K-均值聚类中以提高算法的速度。为了验证算法的有效性，分别利用人工和实际数据进行K-均值聚类和核K-均值聚类，实验结果显示对于一些特殊的类分布数据，核K-均值聚类比K-均值聚类具有更好的聚类效果。