基于QPSO的雷达辐射源信号识别方法研究

鉴于支持向量机(SVM)方法对雷达辐射源信号具有较理想的识别结果,但对模型参数没有具体选择方法的问题,设计了一种以具有量子行为的粒子群优化(QPSO)算法为参数优化方法的SVM分类器,并提出了基于QPSO-SVM的雷达辐射源信号识别方法.QPSO-SVM分类器在采用QPSO算法对SVM进行优化改进的同时,继承了SVM分类器泛化能力强的特点,对雷达辐射源信号识别问题具有良好的适应性.实验结果表明,与其他方法相比,本文方法在保证识别准确率的同时,降低了参数选择时间.     

基于AL-RVM分类的主用户信号调制类型识别算法北大核心

提出了一种基于循环自相关估计和主动学习相关向量机(AL-RVM)分类的主用户信号调制类型识别算法。首先通过循环自相关估计算法提取接收信号特征参数;再采用主动学习算法通过多次迭代抽样实现对RVM分类器的构建;最后利用所构建的RVM分类器实现对各主用户信号的分类识别。仿真实验表明,与基于支持向量机(SVM)和传统相关向量机(RVM)算法相比较,所提算法在各低信噪比情况下,整体分类识别率在92%以上,明显高于对比算法。该算法能有效地实现对不同主用户信号调制类型的识别,保证了电力监测信号的有效传输。     

基于AL-RVM分类的主用户信号调制类型识别算法

提出了一种基于循环自相关估计和主动学习相关向量机(AL-RVM)分类的主用户信号调制类型识别算法。首先通过循环自相关估计算法提取接收信号特征参数;再采用主动学习算法通过多次迭代抽样实现对RVM分类器的构建;最后利用所构建的RVM分类器实现对各主用户信号的分类识别。仿真实验表明,与基于支持向量机(SVM)和传统相关向量机(RVM)算法相比较,所提算法在各低信噪比情况下,整体分类识别率在92%以上,明显高于对比算法。该算法能有效地实现对不同主用户信号调制类型的识别,保证了电力监测信号的有效传输。     

VMD与PSO的乐器声音识别

针对乐器音频信号的识别率低的问题,提出了一种变分模态分解(VMD)和被粒子群算法(PSO)优化的支持向量机(SVM)的乐器音频信号识别的方法。采用VMD将乐器音频信号分解成一系列平稳的窄带分量(IMF),并根据相关系数重构信号,采用小波去除残余的噪声。最后,在分析传统的声音特征提取方法基础上,提取梅尔频率倒谱系数(MFCC),用经PSO寻优参数的SVM进行音频信号的分类。实验结果表明,本文算法的去噪效果明显优于经验模态分解(EMD)和集合经验模态分解(EEMD)的分析结果;PSO优化后的SVM有效的提高了噪声环境下音频信号分类的正确率。     

基于特征选择和支持向量机的数字调制识别方法

针对基于决策树的数字调制识别方法在低信噪比和小样本情况下的不足,提出了一种改进的基于特征选择和支持向量机的数字调制识别算法。首先选择信号训练样本的循环谱截面作为备选特征集合,然后利用基于支持向量机的特征选择方法保留有效特征参数并训练分类器,最后将待识别信号选择后的特征输入支持向量机分类器,完成对ASK、MSK、PSK、QAM等4类信号的识别。仿真表明,本文算法在低信噪比和小样本情况下的识别性能优于基于决策树的调制识别方法。     

短波通信中的数字调制信号识别

针对目前没有有效的方法对短波通信中的调制信号进行识别的问题,提出一种基于小波包变换、高阶累积量和支持向量机的数字调制信号识别新方法.该方法提取信号经小波包变换后各频段的能量值和累积量作为特征向量,利用以支持向量机为基础的多级分类器对其进行调制识别.此分级调制识别方法与其他非分级调制识别方法相比具有较高的识别率.实验表明,针对FSK、PSK等10种调制信号在低信噪比下具有较高的识别能力,该算法在短波通信中的调制信号识别领域有较好的应用.     

基于改进粒子群优化算法和CRNN的多类SVM分类

为了提高支持向量机(SVM)在多类分类中的分类效果,提出了一种基于改进粒子群优化(IMPSO)算法和协作式递归神经网络(CRNN)的多类SVM分类方法(IMPSO_CRNN_SVM算法).首先引入自适应惯性权重及自适应粒子变异,以此改进粒子群优化算法(PSO)在优化SVM参数过程中存在的容易陷入局部最优和早熟等问题; 然后基于多类SVM设计一个CRNN,并利用随机分配的训练集对该网络进行训练并构建最终决策函数,从而实现多类数据的“一次性”分类.最后利用3种数据集和实际应用对IMPSO_CRNN_SVM算法进行验证,结果表明IMPSO_CRNN_SVM算法的分类精度优于未进行参数优化的传统SVM算法、基本PSO 进行SVM参数优化的算法和未进行PSO参数优化的基于CRNN的多类支持向量机算法,因此IMPSO_CRNN_SVM算法具有一定的实用性.     

基于三维重力加速器人体动作识别与分类

运用单个动作传感器通过机器学习算法——支持向量机(SVM),建立出色的人体日常动作识别模型.通过3个主要步骤对动作数据进行了处理,即小波转换,基于降维和K层交叉验证的主成分分析(PCA)以及自动寻优搜索获得SVM径向基核函数中的最佳参数σ和c,获得识别6种人体动作的最佳分类器.采用SVM(支持向量机)算法获得的动作分类器,在对不同动作识别时,得出的平均准确率达到94.5%.这表明基于人体动作识别的验证方法具有实用价值的,并在不久的将来会有进一步的提升.     

核Fisher判别分析在数字信号分类中的应用

为了提高通信信号的识别精度,提出了一种基于核Fisher判别分析(KFDA)的数字调制信号分类器设计方法.将接收信号的高阶累积量作为分类特征向量,利用核函数的思想把非线性向量映射到一个高维空间,并在高维空间中利用线性Fisher判别分析实现数字信号的分类.将多类分类器分解成一系列二类问题,并给出了KFDA用于信号分类的详细流程.仿真实验结果表明,当选择合适的核参数时,基于KFDA的分类精度与支持向量机相当,但由于避免了求解非线性优化问题,故计算复杂度低,训练时间短.     

基于多因素改进型PSOSVM算法的中长期负荷预测

中长期负荷预测作为电力规划与调度中的重要一环,其影响因素有着多样性和不确定性等特点.选取支持向量机作为中长期负荷预测的核心算法,筛选多种区域宏观经济因素,利用粒子群(PSO)寻优与循环寻优的改进型算法对支持向量机(SVM)的参数进行优化及负荷预测.仿真结果显示,改进型PSOSVM算法有着较高的预测精度.     

耐热感光高分子的合成与应用

耐热感光高分子化合物是功能高分子材料中很有前途的一类新品种。本文扼要地综述了这类高分子的发展历史和当前的研究状况,着重介绍了它的合成和应用,并阐述了作者的一些看法。     

环上的（T,S）-直觉模糊理想

应用直觉模糊集到环理论,给出了环上（T,S）-模糊理想和（T,S）-直觉模糊理想的定义,研究了（T,S）-直觉模糊理想与普通理想的关系并讨论了其性质.     

新型酞菁光敏剂前体的合成及其性质的研究

合成了四甘氨酸基磷（Ⅲ）－四苯并三氮杂呵罗的重要前体Ｎ－（３,４－二溴苯基）甘氨酸乙酯和Ｎ－（３,４－二氰基苯基）甘氨酸乙酯,并采用 Ｈｙｐｅｒｃｈｅｍ ５．１,Ｇａｕｓｓｉａｎ ９８等软件以及 ＭＮＤＯ法对拟合成的目标分子四甘氨酸基磷（Ⅲ）－四苯并三氮杂呵罗的结构进行了量子化学计算,发现四甘氨酸基磷（Ⅲ）－四苯并三氮杂呵罗可能存在３种异构体,其中２,２４位取代的异构体因能生成分子内氢键而更加稳定,更加适合用作光敏剂．     

两段复合化学热处理新工艺的研究及应用

用含有碳氮的有机物做化学热处理渗剂,不仅可进行低温软氮化,还可进行中温碳氮共渗,若把两者联合起来,便可使钢件具有合理的渗层深度,金相组织和优异的耐磨性能,抗疲劳性能等。该复合工艺比每个单独工艺适用范围广,设备简单、操作方便,既节能又节时,是一种很有推广价值的工艺方法。     

三甲氧基丙烷三甲基丙烯酸酯合成工艺研究

本文阐述了以甲基丙烯酸与三羟甲基丙烷为原料合成三甲氧基丙烷三甲基丙烯酸酯的工艺.对影响酯化反应和精制的诸多因素进行了探讨;采用回归正交组合设计方法,得出优化组合的工艺条件.实验结果表明,三甲氧基丙烷三甲基丙烯酸酯的收率≥86%,纯度≥95%,获得满意的结果.     

半刚性基层材料采用劈裂试验方法时计算公式的修正

本文叙述采用劈裂试验测定路面材料抗拉强度的原理,指出对半刚性材料应用劈裂试验法时,应考虑材料的塑性特性,因而对计算公式要进行修正。根据理论分析,提出了塑性影响因素的范围,结合理论分析和室内试验结果,提出修正公式和系数取值。     

聚酯包装材料的新进展

近几年热塑性新型聚酯材料异军突起,论述了聚对苯二甲酸乙二(醇)酯(PET)、聚对苯二甲酸丁二(醇)酯(PBT)、聚对苯二甲酸丙二(醇)酯(PTT)、聚萘二甲酸乙二(醇)酯(PEN)和聚萘二甲酸丁二(醇)酯的新进展及其特点和应用。     

三甲基均三嗪的合成研究及八极分子三苯乙烯基均三嗪的制备

首先以乙腈、乙醇、无水氯化氢为起始原料合成乙酰亚胺乙酯，然后以冰乙酸为催化剂进行乙酰亚胺乙酯的三聚反应得到三甲基均三嗪，将三甲基三嗪与苯甲醛在浓硫酸中进行羟醛缩合反应，则合成了一种新的八极分子三苯乙烯基均三嗪(TSTA)。文中对其合成过程中的一些重要的反应条件的影响进行了研究。     

非对称GARCH模型在VaR预测上的应用

基本统计分析发现,上证综合指数回报率分布存在高峰厚尾性,不服从正态分布,并且还具有杠杆效应.本文应用非对称APARCH模型在四种分布(正态分布、T分布、GED分布和SKST分布)假设下对上证综合指数通过事后模拟和条件单步预测来计算上证综合指数的VaR风险值,然后把它与GARCH模型的估计结果进行比较分析.通过返回检验,发现APARCH应用于VaR估计是统计有效的,并且明显优于GARCH模型.     

聚酯包装材料的新进展

近几年热塑性新型聚酯材料异军突起,论述了聚对苯二甲酸乙二（醇）酯（ＰＥＴ）、聚对苯二甲酸丁二（醇）酯（ＰＢＴ）、聚对苯二甲酸丙二（醇）酯（ＰＴＴ）、聚萘二甲酸乙二（醇）酯（ＰＥＮ）和聚萘二甲酸丁二（醇）酯的新进展及其特点和应用。