复杂体制雷达辐射源信号特征的集对分析

为解决复杂体制雷达辐射源信号特征的评价问题,提出了基于集对分析理论的复杂体制雷达辐射源信号特征分析模型.首先对复杂体制雷达辐射源信号特征评价指标体系的指标权重作层次分析,再通过集对分析理论对复杂体制雷达辐射源信号特征评估的决策矩阵进行同一度分析,最后联合指标权重矩阵和决策同一度矩阵对复杂体制雷达辐射源信号特征进行综合评判.仿真结果表明,该模型是有效、可行的,能够更好地实现对复杂体制雷达辐射源信号特征的分析和评估.     

无线帧间隔特征提取方法

针对现有无线网络设备个体识别方法精度不高、高采样率以及需解析协议等问题,文中从无线帧行为角度出发,研究并提出了无线帧间隔特征提取算法.该方法基于无线帧间隔特征生成机理,利用不同型号设备的无线帧间的间隔差异,研究面向单目标无线设备和多目标无线设备的信标帧帧间隔特征提取算法,并以无线路由器为例验证了该方法的有效性.实验结果表明,在同型号和不同型号无线设备混合且每次单个设备开启的情况下,所提方法对设备个体的平均识别率达到了94％,比传统方法提高了近10％;当多个无线设备同时开启时,所提方法对设备个体的识别率也达到了90％.从理论分析和实验验证结果可知,信标帧间隔作为识别无线路由设备的指纹特征,能够有效区分不同型号的无线路由设备.所提方法无需高精度采样即可获取瞬态信号,不易受调制方式的影响,也无需解析协议,非常适合通信对抗和网络安全中无线网络设备的个体识别.     

一种新的Morlet小波及其在雷达信号特征提取中的应用研究

为准确估计雷达信号的瞬时频率,文中提出了一种基于新Morlet小波原子提取信号小波脊线的方法。通过分析小波脊线原理,使用新Morlet小波原子提取雷达辐射源信号的小波脊线特征。同时,针对不同调制类型的雷达信号,根据小波分解时—频约束关系,分析了正确提取信号脊线特征的条件。仿真实验表明,与普通Morlet小波原子相比,基于改进的Morlet小波提取信号脊线特征具有较强的检测概率和抗噪性能,其方法的有效性为实验结果所证实。     

基于小波分析的高速列车车体运行状态估计

基于监测数据评估高速列车空气弹簧和横向减振器等关键部件的运行状态, 针对车体垂向加速度振动信号, 提出了小波包能量矩的列车状态估计方法。首先分析车体垂向振动特征, 对不同工况和不同速度下的信号进行小波包分解, 并重构能量较大的频带信号, 再计算各频带的小波包能量矩特征, 不同频带信号的小波包能量矩变化反映了列车运行状态的改变。将不同频带的小波包能量矩组成特征向量, 最后用支持向量机进行故障识别。实验数据仿真分析表明, 列车空簧失气故障和横向减振器失效故障识别率为100%, 说明该方法能很好地估计出高速列车的故障状态。     

量子遗传算法在对抗资源分配中的应用

针对平台对抗威胁目标威胁度动态变化的应用背景,提出了一种基于量子遗传算法的对抗资源调度方法。该方法可有效克服传统遗传算法易早熟与局部寻优能力差的缺点,提高了寻优的效率。分别针对在一段时间内2个平台对抗6个、10个、12个威胁目标的情况进行了仿真,结果表明使用量子遗传算法比随机分配和传统遗传算法具有更好的处理效果,可以提高目标业务威胁程度动态变化时的对抗能力。     

基于特征值能量的盲信号检测方法

针对低信噪比下电子侦察机接收到的多分量信号的盲检测问题,提出了一种基于特征值能量的盲信号检测算法.该算法首先计算归一化特征值,然后进行信号子空间维数估计,构建检验统计量表达式,进而研究了扰动分布,从而确定给定虚警概率下的检测门限,实现信号的盲检测.理论分析和仿真结果表明,该算法对多分量信号尤其是时频重叠的多分量信号适应...     

基于互注意力指导的孪生跟踪算法

针对传统孪生网络目标跟踪算法在相似物干扰、目标形变、复杂背景等跟踪环境下无法进行鲁棒跟踪的问题,提出了注意力机制指导的孪生网络目标跟踪方法,以弥补传统孪生跟踪方法存在的性能缺陷.首先,利用卷积神经网络ResNet50的不同网络层来提取多分辨率的目标特征,并设计互注意力模块使模板分支与搜索分支之间的信息能够相互流动.然后...     

基于改进的ISODATA的超球覆盖仿生模式分类算法

现有仿生模式识别分类器难以解决含有多个聚集点、非线性和稀疏性样本的分类问题。因此,引入特征分类贡献度,提出了基于改进的迭代自组织数据分析(M-ISODATA)的超球覆盖仿生模式识别算法。首先引入马氏距离对自组织数据分析方法(ISODATA)的欧氏距离替换,并引入熵权法对马氏距离进行加权以赋予各特征不同的贡献度;同时为了去除干扰样本点,引入改进的局部离群因子检测方法(M-LOF)对样本进行训练,减少了不同类别流形之间的重叠区域。再利用改进的自组织数据分析方法(M-ISODATA)对每类训练样本点动态聚类,寻找到同一类的多个小类覆盖区中心后,用超球进行该类的有效覆盖,并对落入重叠区域的测试样本点进行二次划分,实现测试样本的正确分类。最后在iris数据集上验证该算法的有效性,并将该算法应用于雷达辐射源信号的分类识别。实验结果表明,该算法具有很好的拒识、免重训能力,对于雷达信号的识别率能达到97.29%,相比于传统典型模式识别算法具有更好的识别能力。     

小样本学习下的特征中心对齐域适应算法

域适应是一种在训练集和测试集不满足独立同分布条件时使用的迁移学习算法.当两个领域间的分布差异较大时,会降低域内可迁移性,并且现有域适应算法需要获取大量的目标域数据,这在一些实际应用中无法实现.针对现有域适应方法的不足,基于卷积神经网络提出小样本学习下的基于特征中心对齐的域适应算法,寻找域不变特征的同时,提高目标域特征的可区分度,提高分类效果.面向小样本条件下的office-31公共数据集识别和雷达工作模式识别的仿真实验结果表明,所提方法对office-31数据集的平均识别精度比最大均值差异方法提升12.9%,而对雷达工作模式识别精度达到91%,比最大均值差异方法性能提升10%.     

TH6213镗铣加工中心工作台静态分析

机床工作台的主要作用是承受工件重量和精确定位。研究的对象TH6213是苏州某公司最新研制的机床,镗铣加工中心最适于加工较大型复杂零件,可加工零件上各种面、各种复杂孔系、各种台阶、各种复杂图形或三维曲面等,连续完成铣、钻、镗、铰、攻丝等多种工序加工。加工零件具有高精、高效、高稳定性的特点。运用ANSYS Workbench分析了在承受最大载荷时TH6213数控镗铣加工中心工作台的变形与应力。这些数据为验证机床工作台设计的合理性与进一步的优化提供了可靠的理论依据,同时证实了ANSYS分析软件的可用性。