基于栈式稀疏自编码器的低信噪比下低截获概率雷达信号调制类型识别

针对低截获概率(LPI)雷达信号识别率低且特征提取困难的问题,该文提出一种基于Choi-Williams分布(CWD)和栈式稀疏自编码器(sSAE)的自动分类识别系统。该系统从反映信号本质特征的时频图像入手,首先对LPI雷达信号进行CWD时频分析,获取2维时频图像;然后对得到的时频原始图像进行预处理,并把预处理后的图像送入多层稀疏自编码器(SAE)进行离线训练;最后把SAE自动提取的特征输入softmax分类器,实现雷达信号的在线分类识别。仿真结果表明,信噪比为时,该系统对8种LPI雷达信号(LFM, BPSK, Costas, Frank和T1~T4)的整体平均识别率达到96.4%,在低信噪比条件下明显优于人工设计提取信号特征的识别方法。     

栈式自编码器特征表达能力研究

以深度学习中的自编码器为基础,堆积稀疏自编码形成深度网络,以贪心算法逐层训练实现特征层的层抽象映射,监督训练Softmax分类器,然后使用BP(反向传播)算法优化权值,构建SAE(栈式自编码器),并重点对其特征表达能力进行探究。第一,以单层自编码器作为特征表达的基础模块,探究自编码器中隐藏层节点数对特征表达能力影响;第二,重点探究对于多层自编码器的理解,堆积自编码器是否是一个好的获取理想特征表达的途径,主要评估多层自编码器对于特征表达的准确性和稳定性影响。基于MNIST(美国国家标准与技术研究所数据库)数据集的实验与PCA(主成分分析)、LLE(局部线性嵌入)、BP算法特征表达能力进行对比分析,验证栈式自编码器特征表达能力的有效性。     

基于栈式去噪自编码器的语音测谎算法

为了进一步提高谎言语音检测的准确率，提出了一种基于栈式去噪自编码器的语音测谎算法(SDA-SVM)，该算法 首先采用OpenSMILE提取了 384维语音特征，然后构建了两层去噪自编码网络对语音特征进行变换加工，最后，采用SVM分类器对语音是否为谎言进行分类识别，所用语音来源为CSC测谎语料库，实验结果显示:相比传统的SVM分类，所提算法的检测准确率至少提升1.85％。     

基于深度栈式自编码网络的面部年龄识别

随着计算机技术与网络信息技术的发展,利用人体生物特征来获取相关信息已成为安全验证的重要方式。人脸作为人体最重要的生物特征之一,一直备受研究者重视。主要针对基于深度学习的人脸年龄估计问题进行研究。基于栈式自编码网络的深度学习模型,将其运用到面部年龄识别问题上,并通过编程实现了基于该深度模型的面部年龄识别系统。     

基于稀疏自编码器的空间微动目标融合识别方法

当采用高分辨雷达对空间微动目标进行观测时,往往能同时获得其窄带、宽带回波。为充分利用其中蕴含的丰富电磁散射、形状、结构及运动信息,该文提出基于稀疏自编码器(SAE)的空间微动目标特征级融合识别方法。在训练阶段,首先采用卷积神经网络(CNN)分别提取训练集中微动目标回波的1维高分辨距离像(HRRP)、时频图(JTF)及距离-瞬时多普勒像(RID)层级特征。随后,将提取的3个深层特征进行1维拼接形成联合特征向量,并采用SAE自动学习联合特征向量的隐层特征。进而剔除SAE解码部分并在编码器后接入Softmax分类器构成识别网络。最后,利用SAE网络参数对识别网络进行初始化,并利用上述联合特征向量对其进行微调得到训练好的识别网络。在测试阶段,将CNN所提测试集的联合特征向量直接输入训练好的识别网络以得到融合识别结果。不同条件下的电磁仿真数据识别结果证明了所提方法的有效性及稳健性。     

利用稀疏堆栈自编码器实现调制样式识别算法

针对传统调制样式识别方法性能受预先依靠经验设计的特征参数影响大问题,提出一种基于稀疏堆栈自编码器的数字调制样式识别算法。首先根据网络输入数据形式要求,为了利用信号幅度和相位所包含的调制样式信息,提出一种将复数信号预处理为网络可接受的实数形式的信号预处理方法。在网络训练阶段,先通过逐层训练得到每层稀疏自编码网络的初始化参数,再通过有监督算法对分类层训练,最后利用有监督算法进行整体优化。采用 作为分类层完成数字调制样式识别。7种数字调制样式识别的仿真实验表明了本文算法的有效性,相比于其他算法,本文算法在低信噪比时正确识别率较高,识别性能不受人为因素的影响。      

基于稀疏自编码器和SVM的垃圾短信过滤

在垃圾短信过滤系统中,传统方法的短信息特征很难准确地考虑到词语的贡献。提出了一种新的特征词查找和特征构造方法,较好地反映了词语之间的关系和在短信中的贡献度。通过联合采用稀疏自编码器和支撑矢量机(SVM)进行学习和分类仿真实验,结果表明过滤效果比目前报道的类似分类器效果有显著的提升和改进。     

基于栈式稀疏降噪自编码网络的辐射源调制识别

针对辐射源识别中噪声敏感和识别能力不足等问题,提出了一种基于核空间时频特征与栈式稀疏降噪自编码网络的识别系统.通过时频变换、稀疏域降噪和核空间降维投影降低噪声干扰和特征冗余,基于降噪自编码与稀疏自编码思想构建栈式稀疏降噪自编码识别网络.实验结果表明系统在识别率和时效性上综合性能最优,能够显著降低噪声敏感性,低信噪比环境下适应性较强.当信噪比为-12dB时,系统对8类辐射源信号的整体平均识别率达到96.75%.     

基于栈式降噪自编码器的深度推荐

针对推荐系统的自然噪声问题,提出一种基于栈式降噪自编码器的深度推荐算法(Deep Recommendation Algorithm Based on Stacked Denoising Auto-encoder,SDAE-DR)。该推荐算法包含采样、重构及推荐3个模块。采样模块利用交互矩阵中的隐式反馈和项目的属性信息构建知识图谱,利用知识图谱中项目之间共同的知识实体来执行负采样。重构模块利用采样模块初步筛选的数据获得用户和项目评分向量,利用栈式自编码器对数据进行重构,从而获得用户和项目的隐表示。推荐模块利用用户信息和项目信息分别获取用户和项目特征向量,再与重构模块获得的隐表示结合,通过多层感知机来获得预测评分。实验表明,该算法与基准线相比,具有更高的推荐准确性和算法运行效率。     

基于栈式自编码机和模糊函数主脊的雷达辐射源信号识别

针对人工提取雷达辐射源信号特征存在提取周期长、特征描述不完备等局限性,提出了一种基于深度学习栈式自编码机和模糊函数主脊的雷达信号识别方法.该方法根据信号模糊函数主脊包含丰富的内在调制信息的特点,从信号中提取用于分类识别的抽象特征.通过对六种雷达辐射源信号进行实验,并对比人工特征提取及其他深度学习方法,结果表明,本文所提方法在信噪比（signal-noise ratio,SNR）为2 dB以上时均能保持100%的识别准确率,SNR为-6 dB时识别准确率仍能保持82.83%以上,明显高于其他方法.即使在包含相同调制类型不同参数的信号环境中,当SNR大于0 dB时识别率均稳定在95.0%以上,SNR降低到-4 dB时识别率也能达到79.0%.证明该方法能有效提取到信号的深层特征,且具有良好的抗噪性能,基本满足实际战场的需求.     

基于稀疏自动编码机的场景识别算法

针对场景识别中低级特征与高级概念之间的语义鸿沟问题,提出了一种基于稀疏自动编码机的场景识别方法。采用了稀疏自动编码机和空间金字塔池化相结合的特征编码技术。首先对场景图像提取局部的HOG特征,然后利用改进的稀疏自动编码机对HOG特征进行编码,得到稀疏特征,通过空间金字塔池化和局部归一化得到整张场景图像的表示,最后利用线性SVM实现分类。在标准的场景图像数据集Scene-15上进行的实验表明,该算法可以将识别的准确率提升至81.97%。     

基于稀疏正则化的SAR欺骗干扰模板预处理

由于具有低功耗、高隐蔽性等独特优势,欺骗干扰已经成为SAR对抗领域的研究热点。在从干扰模板到干扰信号,再到成像处理这一过程中,受干扰对象的带宽限制,以及干扰模板自身的旁瓣、杂波、噪声等因素影响,最终生成的虚假图像会出现明显的模糊现象,无法实现对干扰模板的准确还原。针对该问题,本文从模板变换过程中的等效低通滤波模型入手,将稀疏正则化重构方法应用于干扰模板预处理,以达到抑制图像模糊,增强欺骗效果的目的。在具体实现方式上,给出了基于匹配追踪和软阈值迭代的算法步骤,并且结合仿真实验对各算法的特点进行了分析。实验结果表明,所提出的干扰模板预处理方法能够有效抑制所生成图像中的模糊现象,提高干扰效果。同时,该方法还可为SAR图像增强以及散射中心提取等方面应用提供有益借鉴。     

基于分数阶Fourier变换的宽带干扰识别方法

宽带压制性干扰是直接序列扩频系统面临的主要干扰威胁之一,对宽带干扰样式的识别与参数估计可为直扩通信双方采取有针对性的抗干扰措施提供有益参考。针对直扩系统常见的宽带干扰类型,通过提取5个特征参数值,提出了一种基于分数阶Fourier变换和分层决策分类算法的宽带干扰样式自动识别方法,并给出了仿真结果及其分析。仿真结果表明,该方法可以有效识别无干扰、窄带干扰、宽带噪声干扰、宽带梳状谱干扰和宽带线扫频干扰情况,具有识别率高、算法简单、信号采样时长短、稳定性和鲁棒性好等优点。     

一种卷积干扰特征分析与识别方法

卷积干扰以较高的能量利用率、较好的干扰效果及控制灵活等特点,成为对抗现代新体制相参雷达重要的干扰类型。文中基于干扰形成机理,分析比较了距离欺骗干扰和速度欺骗干扰分别与3类有源压制性噪声干扰卷积后形成的3类噪声卷积干扰,经过脉冲压缩前后的信号特征和干扰效果,利用噪声卷积干扰与常规脉冲卷积干扰在波形及相位上的差异,提取了用于识别的特征参数,并以模糊模式识别方法进行了识别。仿真结果表明,该方法有较高的识别率。     

基于系统辨识的干扰对消技术研究

收发隔离度一直是电子战系统的关键技术,若隔离度不够,发射的干扰信号会耦合到侦察接收机,使接收机不能正常工作甚至产生自激.分析了传统收发隔离改善技术和自适应干扰对消技术的优缺点,提出了基于系统辨识的干扰对消方法,利用耦合通路的线性非时变性,拟合出干扰耦合通路的传递函数.仿真和实验结果表明,该方法能有效对消各种干扰信号,同时不会影响接收的雷达信号,能够满足系统隔离度的要求.     

基于改进深层网络的人脸识别算法

目前的人脸识别算法在其特征提取过程中采用手工设计（hand-crafted）特征或利用深度学习自动提取特征.本文提出一种基于改进深层网络自动提取特征的人脸识别算法,可以更准确地提取出目标的鉴别性特征.算法首先对图像进行ZCA（Zero-mean Component Analysis）白化等预处理,减小特征相关性,降低网络训练复杂度.然后,基于卷积、池化、多层稀疏自动编码器构建深层网络特征提取器.所使用的卷积核是通过单独的无监督学习获得的.此改进的深层网络通过预训练和微调,得到一个自动的深层特征提取器.最后,利用Softmax回归模型对提取的特征进行分类.本文算法在多个常用人脸库上进行了实验,表明了其在性能上比传统方法和普通深度学习方法都有所提高.     

基于块分类稀疏表示的图像融合算法

针对基于单一字典训练稀疏表示的图像融合算法忽略图像局部特征的问题,提出了基于块分类稀疏表示的图像融合算法。此算法是根据图像局部特征的差异将图像块分为平滑、边缘和纹理三种结构类型,对边缘和纹理结构分别训练出各自的冗余字典。平滑结构利用算术平均法进行融合,边缘和纹理结构由对应字典利用稀疏表示算法进行融合,并对边缘结构稀疏表示中的残余量进行小波变换融合。实验结果证明,该算法相对于单一字典稀疏表示算法,在融合图像的主观评价和客观评价指标上都有显著改进,并且算法速度也有提高。     

一种基于干扰可信赖度的通信干扰效果评估方法

采用干扰可信赖度评估通信干扰效果。首先分析在信道衰落环境下对确定位置电台的干扰可信赖度,而后讨论电台在一定区域范围内的情形,并给出仿真分析实例。