基于图像化特征的雷达信号个体识别与工作模式识别方法

为解决传统复杂雷达信号特征参数提取困难而无法有效进行个体识别和工作模式识别的问题,提出一种基于图像化特征的雷达信号个体识别与工作模式识别方法．首先,利用变换域特征提取将雷达时域信号映射到图像域;然后,通过协同训练来对雷达信号进行个体识别;最后,在个体识别的基础之上,采用图像化特征重构方法和图像分类技术完成对工作模式的识别．实验结果表明,13类个体识别中,利用ResNet和BiLSTM网络协同训练的识别准确率能到82%以上;4类工作模式识别中,利用ResNet网络的识别准确率能到95%以上．     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法．该方法在离散小波变换的基础上。基于回波信号中的散射成分可以对水下底质进行分类的理论基础，提取水下回波信手尾波包络特征作为识别特征矢量，构成基于尾波包络特征的特征空间，再采用最佳鉴别矢量法将特征空间进行特征压缩，最后利用最小距离分类器对目标回波进行分类．实测数据结果表明，采用这种方法得到的包络特征是一种稳健、有效的特征，能够获得较高的正确识别率．     

通信信号调制类型的三角矩特征盲识别

针对盲环境下的通信信号调制类型识别困难的问题,提出了一种新的信号盲聚类算法,该算法利用采样信号的瞬时频率作为训练样本,以方向数据统计理论为依据提取分类特征,利用该特征参数在二维特征平面实现了多种不同通信信号的调制类型识别.该方法不仅能实现类间识别,同时也能够实现类内识别.仿真实验结果表明,该算法简单高效,识别率较高,鲁棒性较好,具有较强的实用性和可行性.     

毫米波瞬态信号的特征提取与识别

将小波分析引入毫米波系统的目标识别中,提出了基于小波分析的提取毫米波瞬态信号特征矢量的两种方法,能量特征矢量法和模极大值特征矢量法,识别结果证实了它们具有较理想的识别率,提高了毫米波系统的目标识别性能。     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法.该方法在离散小波变换的基础上,基于回波信号中的散射成分可以对水下底质进行分类的理论基础,提取水下回波信号尾波包络特征作为识别特征矢量,构成基于尾波包络特征的特征空间,再采用最佳鉴别矢量法将特征空间进行特征压缩,最后利用最小距离分类器对目标回波进行分类.实测数据结果表明,采用这种方法得到的包络特征是一种稳健、有效的特征,能够获得较高的正确识别率.     

基于谐波模型的生命探测雷达人体状态识别方法

生命探测雷达根据人体的体动、心跳和呼吸运动所产生的多普勒效应对生命信号进行探测、定位和状态识别．通过分析实测数据提出了生命探测雷达高斯色噪声杂波模型和谐波生命信号模型．采用高阶累积量估计模型参数,根据生命信号特征提出了基于谐波模型的生命探测雷达人体状态识别方法．实际测试实验表明该方法的正确识别率大于90%．     

基于统计特征主分量的信号调制识别

采用数字信号处理方法提取待识别信号的瞬时特征统计参量,利用多元统计的主分量分析方法对特征参量进行其主分量组合,以消除特征参量间的相关性和压缩特征向量的维数,并采用统计模式识别的模板匹配判决进行信号调制方式的自动识别,模拟结果证实了此方法的有效性和高识别率。     

一种数字信号调制方式自动识别算法分析

信号调制方式自动识别是非合作通信系统接收的重要课题；针对数字信号调制方式识别问题，采用一种基于特征参数直方图统计的自动识别算法，该算法计算量小，适于实时处理；计算机仿真结果表明：当信噪比大于18dB时，正确识别率高于98％，具有良好的识别效果。     

基于时频组合特征的PSO-SVM手势识别方法

为了提高基于表面肌电(sEMG)信号的手势识别的准确率,提出了时频组合特征和粒子群算法优化支持向量机(PSO-SVM)相结合的手势识别方法.将手势sEMG信号的时域特征和频域特征进行线性组合,组合后的时频组合特征作为分类特征,采用经PSO优化的SVM分类器对8类手势进行分类.结果显示,基于时频组合特征均方根值-平均功率频率(RMS-MPF)、绝对均值-平均功率频率(MAV-MPF)的手势识别率,优于它对应的时域特征、频域特征的手势识别率,同时也优于时频域特征的手势识别率.表明了基于时频组合特征RMS-MPF、MAV-MPF的PSO-SVM方法对手势识别有良好的分类效果.     

利用支持向量机和高阶累量实现飞机类型识别

为了探讨短波语音通信的飞机类型识别问题,根据短波语音通信下的飞机舱内背景声信号的物理特性,利用小波包分解和高阶累量提取出目标声信号的特征向量,分别采用BP神经网络和支持向量机作为分类器进行飞机类型的识别分类.仿真实验结果表明,小波包分解及高阶累量与支持向量机的结合算法,能够抽取出有效的飞机舱内背景声信号特征,并且能以93%以上的识别率识别出5种类型飞机.     

基于固有时间尺度分解的信号细微特征识别

为解决无线复杂环境下同型号通信电台发送的信号识别问题,针对传统时频方法处理杂散细微特征存在不足,提出了一种基于固有时间尺度分解（intrinsic time-scale decomposition,ITD）的信号细微特征识别方法。首先通过ITD方法将稳态状态下信号分解,计算分量瞬时参数并得到信号的时频谱,然后提取频谱特征作为细微特征,最后使用SVM分类器进行模式训练以实现信号的识别。仿真结果表明,该算法能够解决传统方法的实时性和准确性差等问题,取得较好的识别效果。     

Jamming Recognition Based on Feature Fusion and Convolutional Neural Network

The complicated electromagnetic environment of the BeiDou satellites introduces various types of external jamming to communication links, in which recognition of jamming signals with uncertainties is essential. In this work, the jamming recognition framework proposed consists of feature fusion and a convolutional neural network (CNN). Firstly, the recognition inputs are obtained by prepossessing procedure, in which the 1-D power spectrum and 2-D time-frequency image are accessed through the Welch algorithm and short-time Fourier transform (STFT), respectively. Then, the 1D-CNN and residual neural network (ResNet) are introduced to extract the deep features of the two prepossessing inputs, respectively. Finally, the two deep features are concatenated for the following three fully connected layers and output the jamming signal classification results through the softmax layer. Results show the proposed method could reduce the impacts of potential feature loss, therefore improving the generalization ability on dealing with uncertainties.     

孔隙式隔振系统非线性阻尼特性

针对舰载设备隔振系统中双出杆液压孔隙式粘滞阻尼器阻尼力的非线性问题,建立了考虑油液压缩性的隔振系统数学模型,提出了基于AMESIM仿真试验确定隔振系统阻尼力的方法,依据仿真得到的系统压力确定了阻尼力流动指数并验证了流动指数取值的合理性.搭建隔振系统的试验装置,利用通过冲击试验获得的隔振系统位移和加速度响应验证隔振系统数学模型的准确性.结果表明,数学模型仿真和冲击试验结果误差在6%以内,为液压阻尼器非牛顿流体阻尼力的计算提供了有效、快捷的途径.     

智能环境下基于核相关权重鉴别分析算法的多特征融合人脸识别

针对智能会议环境下基于单模特征的人脸识别的识别率低、鲁棒性差的问题,提出了一种在智能会议室环境下基于核相关权重鉴别分析(KRWDA)算法的融合全局和局部特征的多特征融合人脸识别方法。基于相关权重鉴别分析算法并结合核方法,提出了一种核相关权重鉴别分析算法,有效解决了小样本问题。利用全局特征和局部特征在识别时所描述的内容和作用的互补性在特征层融合两种特征,全局信息和局部信息分别采用离散余弦变换和Ga-bor小波变换提取。在AMIES2016数据库上的仿真实验表明,本文所提出的方法可以有效地提高系统身份识别的正确率。     

一种改进的雷达信号小波包特征提取方法

针对低信噪比下雷达辐射源信号分类问题,提出一种基于小波包特征提取的改进方法。首先对信号进行小波包分解,然后在小波域采用阈值收缩降噪方法对小波包系数进行去噪处理,并提取去噪后小波包能量的统计特征,最后设计支持向量机分类器实现对雷达信号的自动分类。实验结果表明,采用去噪小波包的特征提取方法能有效降低噪声对信号识别效果的影响,当SNR=-3dB时,信号的平均识别率仍能到达93．3％,在较低信噪比下能够得到较为满意的识别效果。     

一种基于小波和分形理论的电台个体识别方法

从调制信号中提取发射电台的频率稳定度特征进而实现个体识别是一项极具挑战性的课题。针对MPSK信号提出了一种基于小波和分形理论的特征提取方法。该方法首先利用连续小波变换把MPSK信号幅度中的振荡器频率稳定度信息转移到小波系数中,然后从统计角度提取小波系数的盒维特征,最后用K-最近邻分类器进行个体区分。仿真实验表明,在10dB～20dB内,对于载波频率稳定度差异为ppm级的MPSK信号,该算法平均分类准确率可达95％,为通信电台个体识别技术的实用化提供了进一步理论依据。     

基于轴向积分双谱与灰色关联分类器的通信辐射源识别

针对现有技术对通信辐射源个体识别率低、占据计算资源的问题, 进行了无线通信辐射源特征提取和分类以及物理层认证的相关研究, 提出了一种基于轴向积分双谱(AIB)和灰色关联分类器(GRC)的通信辐射源个体识别模型。首先将预处理的辐射源无线信号进行双谱变换, 提取二维双谱特征, 然后以AIB和主成分分析(PCA)理论进行一维特征映射及降维, 最后通过GRC实现无线通信辐射源的物理层识别。该模型具备认证速度快、计算复杂度低、多系统易移植等特点, 且无需考虑各种通信协议及编码设定。     

基于蚁群算法的行为识别特征优选方法

为了降低特征冗余,提高移动用户行为识别的准确率,提出一种基于蚁群算法的移动用户行为识别加速度信号特征优选方法。首先对样本数据进行预处理,根据特征对不同行为的分类敏感度进行初次优选,降低特征搜索空间的维度;然后利用蚁群算法结合神经网络分类器,以特征的分类准确度为评价准则对特征集合进行了二次优选。实验结果表明,该方法优选出的特征集具有较好的识别性能。     

基于MRA的PD信号提取算法与实验研究

小波方法不但具有多尺度分辨和时频局部化特性,而且可以准确地捕捉突变信号的特征,并可以在不同尺度上考察“瞬变”信号特征的演化过程．针对PD信号的瞬变性和随机性,基于小波的MRA法,分析了PD和噪声信号的尺度和小波空间表征,给出了PD信号提取和重构算法,并进行了数学仿真．通过实验模拟验证,结果表明,基于小波MRA的PD信号提取和重构算法快速准确,可以为高压电器绝缘故障诊断、模式辨识提供准确信息源．