基于解调重构的跳频信号辐射源个体识别方法

现有跳频信号辐射源个体识别方法大多围绕跳变瞬态的特征进行讨论,其捕获和精准定位的难度较大。因此,提出了一种基于解调重构的跳频信号辐射源个体识别方法,能够有效利用跳频信号的稳态信息进行辐射源个体识别。首先对跳频信号进行跳变定时,提取出各跳的基带波形;然后解调出各跳的符号,并将其经过理想成型滤波器,得到理想的重构基带波形;最后将原始波形和重构波形一起送入神经网络,得到分类结果。给出发射机畸变模型和畸变参数范围,经过多次测试给出网络参数的建议取值范围,并进行验证实验。实验结果表明,该方法能够有效地完成跳频信号辐射源个体识别任务。     

冶金工程设备仓储物流管理系统开发与应用

冶金工程设备管理涵盖设计院设计、业主订货、供应商供货、仓储运输、施工单位安装等过程,随时掌握工程设备状态对工程进度尤为重要。本文从企业现状出发,结合近几年互联网及物联网技术的发展,通过应用互联网基础平台进行系统开发与应用,实现"实物流、信息流、单据流"三同步,确保物流、仓储的全畅通,提高项目管理水平。     

关于煤炭企业实施成本过程控制的探讨

成本过程控制是对产品生产全过程的控制，是实现降低产品成本耗费后种会计管理工作。实现成本控制首先要落实责任范围，明确各成本中心的职责，其次要根据成本性态测定各项目目标成本，在此基础准许集和反馈体系，运用计算机网络技术，实行日调度是成本控制的手段，严格考核是实现成本控制的关键，通过奖罚兑现，达到降低产品成本实现企业扭亏增盈的目的。     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

建筑模板工程BIM技术配模实施研究与应用

在建筑模板工程中,充分利用现有BIM技术建模、配模,加强模板在整个施工过程中的精细化控制程度。基于BIM技术的模板工程设计软件在建筑模板工程配模中的应用实践和体会,探讨了BIM技术配模在模板工程方面的具体实施和应用。     

非周期长码直扩信号同步及伪码序列盲估计

非合作直接序列扩频系统中伪随机码的估计与同步是正确获取信息的关键。现有的研究成果多集中在短码或周期长码直扩信号的解扩,该文针对无伪码先验知识条件下NPLC-DSSS信号的失步时间估计问题,提出一种基于相关矩阵元素分布建模的方法,该方法以信息码宽分段的信号构建自相关矩阵,并以该矩阵的Frobenius 范数与失步时间之间的对应关系,实现NPLC-DSSS信号失步时间的精确估计。在此基础上,通过引入判决辅助思想构建了循环迭代结构实现了NPLC-DSSS信号伪码序列的盲估计。最后,推导了该伪码序列盲估计问题的Cramer-Rao理论界。数值分析结果表明,文中所述算法在相同的信噪比和数据量条件下具有更好的估计精度,且对伪码的估计性能接近理论界。     

基于循环神经网络的卫星幅相信号调制识别与解调算法

针对卫星通信中常用的幅相调制信号,提出了一种基于循环神经网络的信号识别与解调模型.通过循环神经单元直接对信号时序进行深层特征提取,结合全连接神经网络对特征进行维度映射,最终完成目标信号的调制识别与解调.该方法不需要预估目标信号载噪比,克服了人为确定阈值的缺陷,对信号频偏误差、定时误差容忍能力强;且在开发维护和更新拓展方面,克服了传统算法需重新部署判决规则的缺点,符合实际工程需求.仿真实验表明,当网络训练达到稳态时,在信噪比为6dB的条件下,目标信号识别率接近98%,解调误码率接近理论门限.本文所建立的理论形式为当今智能化信号处理提供了新思路,其思想同样可应用于其他通信信号处理领域.     

基于深度残差网络的特定协议信号识别

针对短波信道下信号截获质量差,信道环境复杂以及单一特征识别率低等问题,提出了基于深度残差网络的信号特征自动提取算法,设计了一种具有自适应学习能力的短波特定通信协议识别模型.通过对具有特殊结构的协议信号的时频视觉差异进行理论推导,将信号的时频能量转换成灰度图像,并用于对所构建的深度残差网络进行训练.该方法克服了传统方法对信号质量要求高、先验信息需求多等缺陷,可直接对中频接收信号进行处理,适合实际工程应用.实验表明,当深度残差网络达到稳态时,识别准确率高,在低信噪比、多径衰落、多普勒频偏以及信号被强干扰所遮挡的情况下,依旧能准确识别协议类别.     

非周期长码直扩信号同步及伪码序列盲估计

非合作直接序列扩频系统中伪随机码的估计与同步是正确获取信息的关键.现有的研究成果多集中在短码或周期长码直扩信号的解扩,该文针对无伪码先验知识条件下NPLC-DSSS信号的失步时间估计问题,提出一种基于相关矩阵元素分布建模的方法,该方法以信息码宽分段的信号构建自相关矩阵,并以该矩阵的Frobenius范数与失步时间之间的对应关系,实现NPLC-DSSS信号失步时间的精确估计.在此基础上,通过引入判决辅助思想构建了循环迭代结构实现了NPLC-DSSS信号伪码序列的盲估计.最后,推导了该伪码序列盲估计问题的Cramer-Rao理论界.数值分析结果表明,文中所述算法在相同的信噪比和数据量条件下具有更好的估计精度,且对伪码的估计性能接近理论界.