基于分段抽取软判决加权Walsh Hadamard变换的卷积码识别算法

针对低信噪比环境下卷积码识别研究存在的不足,提出一种基于分段抽取软判决加权Walsh Hadamard变换(WHT)的卷积码识别算法。该算法利用接收比特的解调软判决信息求取软判决频次序列,并构造加权Walsh Hadamard矩阵,从而识别得到基本校验序列。利用基本编码矩阵构造规则,最终实现记忆长度及基本生成矩阵的识别。算法结合分段抽取思想,降低了所需运行存储量。仿真实验表明,该算法可在低信噪比环境下对不同码率卷积码进行有效识别,具有较好的容错性,且对大约束度的卷积码性能提高更为显著。     

基于有限域欧几里德算法的RS码识别

针对基于有限域傅里叶变换的RS码识别方法存在复杂度高、计算量大的不足,提出了基于有限域欧几里德算法的RS码识别方法。该方法利用有限域欧几里德算法计算RS码与其循环移位码字间的最大公约式,通过遍历码长时得到的最大公约式指数的最大值与平均值的最大差来识别码长,根据识别的码长所对应的最大公约式指数的最大值识别本原多项式,进而对最大公约式进行因式分解识别生成多项式。理论分析和仿真实验表明:本识别算法较现有方法减少了数十倍的计算量,在误码率为10-3的情况下,对RS码的识别概率高于90%。     

非系统卷积码代数纠错译码中误码扩散的压缩

理论研究表明,在同样的编码约束度和码率情况下,非系统卷积码比系统卷积码有更大的自由距离,因而非系统卷积码的不可检测错误概率比相同约束长度的最好系统卷积码小得多。但由于非系统码构造比较复杂,尤其是采用结构简单、工程上易于实现的代数译码时,由于其纠错能力受编码约束长度的限制,在信道误码率较高并且超过译码器的纠错能力时,就会出现错误译码和大量的误码扩散。本文以7(2.1)非系统卷积码为例,讨论了非系统卷积码代数译码中的误码扩散情况,提出了一种有效的压缩误码扩散的方法。     

基于信息位与校验位分离的RS码盲识别

针对现有的RS码盲识别算法抗误码性能不佳且无法识别信息位长度的问题,提出了一种基于信息位与校验位分离的RS码盲识别算法。该算法通过计算不同列数下分析矩阵的概率方差,利用概率方差的差异来识别等价码长和等价信息位长,并利用伽罗华域离散傅里叶变换完成符号数、本原多项式及生成多项式的识别,最后获得RS码真实码长与信息位长。仿真结果表明,提出的算法可以有效识别出本原RS码及缩短RS码的所有编码参数,抗误码性能较好。     

MMW雷达和红外成像双模传感器

预测了双模传感器(MMW雷达和红外成像传感器)和单模传感器(MMW雷达或红外成像传感器)在空地方案中的目标截获概率和假目标截获概率。传感器探测目标并正确地完成一次目标/假目标识别操作的概率即为目标截获概率。预测结果表明,单模传感器的性能完全依赖于其信号识别处理器的信号处理能力,而双模传感器的性能相对来说却不受其信号识别处理器信号处理能力的限制。     

基于改进SSD的低截获概率雷达辐射源识别算法

针对低截获概率(LPI)雷达辐射源识别领域中,目标检测类方法实时性不高的问题,提出基于改进SSD的LPI雷达辐射源识别算法。该算法采用精度更高、速度更快的ResNet-50代替VGG-16网络,并对网络进行改进设计;此外,通过构建多径莱斯衰落信道仿真更贴近真实环境的数据集,以提高模型的实用性。仿真实验结果表明,针对7种LPI雷达信号的识别,在信噪比为-4 dB时识别准确率可达到92.9%,与原始SSD模型相比,训练及检测速度分别提高了28.50%和29.74%。     

集中插入式帧同步识别方法

在非协作方截获的数字序列帧同步码的识别问题研究中,由于帧的长度未知、帧同步码未知,给识别带来困难。为此,提出了利用小区域检测估计帧长,利用二次滤波估计帧起始位,然后用模糊匹配识别帧同步码型的识别方法,对巴克码或m 序列进行了集中插入式帧同步识别仿真。仿真结果表明:在误码率不大于4%的情况下,上述方法对集中式插入帧同步的数据帧有较高的帧同步识别率:巴克码为80%,m 序列为78%.     

毫米波导引头预定回路改进单神经元控制?

针对极小瞬时视场毫米波导引头对目标发现概率低的技术难题,文中提出一种适合其预定回路特点及要求的单神经元自适应 PID 控制的改进算法。分别对预定回路采用增量式 PID 控制、单神经元 PID ( SNAPID)控制和改进单神经元PID( ISNAPID)控制进行仿真对比分析,结果表明改进算法具有较强的抗干扰能力和快速响应能力,并对控制律增量有一定的约束作用,能有效改善导引头预定回路动态性能,提高框架角控制精度,有利于导引头检测和截获目标。     

复杂地面背景下多目标的检测和识别

对复杂地面背景下多目标的截获和攻击包括三个主要过程即::1)目标检测,2)目标选择或识别,3)目标截获及跟踪。本文对目标的检测和选择或识别的信号处理技术进行了探讨,对检测和识别方法进行了比较并给出了理论分析和检测及识别的概率计算。     

多维背包约束下单调非减下模函数最大值的贪婪算法

给出了求解多维背包约束下单调非减下模集函数最大值的近似算法,证明了该算法的性能保证是1-e-1。该算法结合了部分穷举法与贪婪算法,是对贪婪算法的一种改进,该算法的时间复杂性为O(n4)。     

Turbo码在3GPP短帧数据传输中的性能分析

国际电信联合会在UMTS/3GPP规范中推荐8状态Turbo码与256状态卷积码作为数据纠错的方案.本文基于8状态Turbo码输出码字的距离谱分布特性,对短帧数据传输中Turbo码的误码性能联合界进行了估计,并进行了验证.仿真结果同时显示出在信噪比高于1.75dB时Turbo码的误码性能优于256状态卷积码,且具有更低的译码复杂度.     

基于1D-CNN 的卫星姿态控制系统故障诊断方法

为解决卫星姿态控制系统中自主故障检测和诊断的问题,提出一种改进的1D-CNN 卫星姿态控制系统故 障诊断方法。以卫星姿态控制系统的故障诊断为背景,构建航天器姿态动力学模型,将卷积神经网络(convolutional neural network,CNN)与快速卷积算法相结合,对卷积神经网络的拓扑结构进行改进,根据BP 算法,将1 维原始数 据作为输入,结合反作用飞轮作为执行机构的技术特征,给出一种基于卷积神经网络的故障检测和隔离方法。仿真 结果验证了该方法对卫星姿态控制系统实时故障检测和分类的有效性。     

基于相关滤波和哈达玛变换的帧同步码识别

为从侦收到的信息中得到帧同步码,提出了基于相关滤波及哈达玛变换的识别方法。该方法先利用二次相关滤波区分信息码和帧同步码,然后利用哈达玛变换压缩数据处理量识别出帧长,最后通过模糊匹配法进一步识别出同步码的同步起始位和码型。仿真结果表明:在较高误码率的影响下,该方法可以利用较少的数据量快速准确地建立帧同步,并具有较好的识别效果。     

基于YOLOv5 改进的小目标检测算法

针对传统目标检测算法存在对小目标检测的识别精度低和不稳定的问题,提出基于YOLOv5 改进的小目 标检测算法。基于卷积神经网络加入额外的检测头,采用数据增强策略并更改网络卷积步长,解决了小目标像素低、 占比小、易重叠和难以分辨等问题;同时依托真实检测场景制作一个全新的针对飞机检测的卫星影像数据集,该数 据集的待检测小目标占比达61%,飞机姿态及场景丰富,有助于客观全面地验证网络精度。将改进后的算法与原始 的YOLOv5 模型进行对比,结果表明,其平均精确率AP 值较原始YOLOv5 模型提升约3%。     

基于深度卷积生成对抗网络的航拍图像去厚云方法

针对航空图像中厚云去除的难题,提出一种基于深度卷积生成对抗网络的航拍图像去厚云方法。将图像中被云遮挡的区域看作图像修复问题中的缺失部分,利用卷积神经网络的对抗学习补偿缺失信息。设计了包括生成器-鉴别器的深度卷积生成对抗网络模型。生成器采用编码器-解码器结构,构建了包含重建损失、对抗损失和总变差损失的联合损失函数,不断训练以生成云区的预测图像;鉴别器衡量生成图像的真实性,以对抗损失作为损失函数。通过不断迭代联合优化生成器和鉴别器,以使网络预测性能提高。引入泊松图像编辑平滑边界,以降低颜色差异和边界伪迹的影响。在模拟含云图像与真实含云图像上实验结果表明,所提出方法的去云效果在峰值信噪比、结构相似性、自然图像无参考质量评价算法及其改进算法指标优于经典方法,更符合人眼主观感受,且具有较小的运算复杂度。     

QC-LDPC码的截短技术研究

可变码率编码是现代移动通信系统的一项关键技术。在分组码中,截短(short-ening)技术是实现这一目的主要方法之一。截短是一种通过将一些信息比特用预先约定好的值置换,从而将这些比特的置信度设为无限大的技术。通过该技术,可以缩短码长并降低码率,同时提高码字的性能。针对非规则QC-LDPC码,结合PEXIT分析方法,给出了一种优化地选取截短比特的方法。仿真结果和分析表明,本文的方法使得截短后的码字取得良好的译码性能。     

基于改进YOLOv4-tiny 的舰面多目标检测算法

针对舰面多目标的检测问题,提出一种改进YOLOv4-tiny 的舰面多目标检测算法。在卷积神经网络中引 入卷积注意力模块(convolutional block attention module,CBAM),通过混合通道特征和空间特征来关注舰面目标和 抑制背景特征,提高网络的抗背景干扰能力;针对目标尺度变化加入空间金字塔池化结构(spatial pyramid pooling, SPP)以融合不同尺度的特征,提高对不同大小目标的检测能力;使用Mish 激活函数替代Leaky ReLU 激活函数以获 得更好的泛化能力。实验结果表明：5 类舰面目标的平均检测精度为92.22%,接近YOLOv4 算法的96.48%,而检测 速度(frames per second,FPS)达到了42.5 帧/s,远高于YOLOv4 的18 帧/s;该算法能较好地平衡准确率和速度的关 系,可以对舰面目标进行实时检测。