一种脉宽鉴别算法及其在雷达中的应用

现代雷达常采用波形捷变技术对抗有源干扰,当干扰信号较强时,经过脉压后的输出仍然会对后继的信号检测造成影响。为解决此问题,本文提出一种新颖的脉宽鉴别算法,配合波形捷变技术抑制有源干扰,仿真结果证明了该算法的有效性。     

基于深度神经网络的对抗样本生成算法及其应用研究综述

随着深度学习理论的迅速发展,基于深度神经网络的各项技术得到了广泛的应用,并且在众多应用领域取得了出乎意料的实践效果。然而,近年来大量研究发现,深度神经网络普遍存在天然缺陷,容易受到对抗样本的威胁,严重影响模型使用的安全性,因此对该领域的研究已经成为深度学习相关领域的热门研究方向。研究对抗样本有利于暴露模型存在的问题进而加以防范,对其应用的挖掘有利于为隐私保护等研究提供新思路。为此首先介绍了对抗样本研究领域中的重要概念和术语,然后按照时间从产生机理的角度梳理该领域研究中的基础算法及后续衍生的进阶算法,接着展示了近年来对抗样本所涉及的具体领域及其应用,最后对该领域进一步的研究方向和应用场景进行了展望。     

基于分数傅里叶域信号处理的迈克尔逊干涉法测量波长北大核心CSCD

建立了迈克尔逊干涉法测量波长所得条纹图的数学模型,揭示了其线性调频信号(chirp信号)特性,提出了基于分数傅里叶变换信号处理方法对迈克尔逊干涉条纹进行处理,实现了激光波长测量。实验结果表明:该测量方法具有可行性,对于波长范围为400~635 nm的激光,波长测量的平均相对误差约为0.39%。在干涉条纹图被高斯白噪声污损情况下,波长测量的平均相对误差仍然小于1%。     

工程采样系统的分数阶傅里叶域分析与改进

采样和重构是信号处理的基本问题。已有的分数阶傅里叶域采样理论是对理想的采样系统进行分析的,工程中的A/D和D/A转换是基于采样保持电路实现的,该文在分数阶傅里叶域对采样保持系统进行分析,提出一个可行的工程采样和重构模型,该模型仅需在传统采样保持系统上增加两级乘法器就可实现。所得结果进一步完善了分数阶傅里叶域采样定理,为分数阶傅里叶域采样定理的实用化提供了理论基础。     

基于AI Studio的机器学习实践训练通识课建设

针对非计算机学科学生对机器学习课程的学习需求,以北京理工大学"机器学习理论和实践"实践训练通识课为例,从课程总体设计、实验案例设计和教学效果3个维度详细探讨面向各个专业的实践训练通识课程建设方案,提出基于教育2.0到3.0的教学模式和结合大创竞赛、校企合作的人才培养模式.     

基于三角形收缩法改进的分数傅里叶变换估计牛顿环参数北大核心CSCD

针对分数傅里叶变换用于牛顿环参数估计时速度较慢的问题,通过分析牛顿环条纹图分数傅里叶域幅值最大值与相应旋转角的分布规律,提出基于三角形收缩法改进的分数傅里叶变换进行牛顿环参数估计的方法。实验结果表明:该方法具有可行性,对于图像尺寸小于640×640 pixels的条纹图,处理所需时间<1 s,随着图像尺寸增加,条纹图中包含的条纹数目增加,曲率半径估计值相对误差降低,而处理时间仍可满足工程实际需求。以处理1080×1080 pixels的图像为例,估计值相对误差为0.001%,处理时间为3.31 s。该方法估计720×720 pixels高斯噪声污损的牛顿环干涉条纹图像平均用时1.28 s,约为传统分数傅里叶变换用时的1/700。     

用电视伴音通道传输图像与数据

在某类视频监控系统或综合信息传输系统中,常常需要解决无伴音图像与有关数据的实时传输问题。为此,本文介绍一种利用现有成熟电视技术,对其伴音通道进行一定的改造后实现同时传输9600波特二进制数据与黑白标准视频图像信号的方法。笔者将全电视信号中的伴音信号用数字调制信号