基于周期样本图重构的雷达PRI调制类型识别算法研究

为提升对雷达脉冲重复间隔(pulse repetition interval, PRI)的分析性能,提出了一种基于周期样本图重构的雷达PRI调制类型识别算法。首先,建立了雷达PRI调制模型,分析了不同调制类型的信号特点;其次,利用到达时间(time of arrival, TOA)多阶差分序列估计了雷达PRI调制周期,并基于直方图算法重构了PRI周期样本图;然后,以PRI周期样本图为基础,提出了5个PRI调制特征实现PRI调制类型识别;该方法不仅能够提升PRI调制类型的识别准确率,而且对干扰脉冲特别是脉冲丢失具有很强的稳健性;最后,仿真实验表明了所提方法的有效性。     

一种改进的激光伪随机码识别算法研究

针对激光制导信号中的编码没有重复规律的伪随机编码,提出了一种基于传统辗转相减法的改进算法。该算法根据收到的相邻威胁脉冲时间间隔的最大公约数,找到其最小周期,并不断和接收到的信号相比较以纠正误差,并推导了算法停止的关键值limit。通过modelsim进行了仿真验证,达到了预期解码识别的目的。在硬件上,基于XILINX FPGA实现,表明利用该算法可以接收较少的制导信号就能有效地识别出伪随机编码的最小周期,从而能以此为周期发出高频诱骗脉冲,达到准确诱骗的目的。     

一种雷达脉冲序列重频类型识别方法

雷达脉冲序列的脉冲重复间隔调制类型的识别通常采用直方图法。提出了一种可以识别出复杂的脉冲重复间隔调制类型的全新算法。计算机仿真的结果表明此算法是可靠的，并且在脉冲列不连续或存在干扰脉冲以及脉冲数较少时具有鲁棒性。     

一种新的雷达PRI调制特征提取方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种基于Sp向量曲线的特征提取算法.根据4种典型模式的雷达信号脉冲序列的特点,该算法应用Haar变换从雷达脉冲信号中提取频率特征,构成二维特征向量,实现雷达信号PRI调制类型的自动识别.仿真结果表明,对特征向量进行大幅度降维后,不仅简化了分类器,而且用于PRI识别仍是可行和有效的.     

基于序列关联的参差信号分选算法

针对复杂环境下常规直方图信号分选算法对于参差信号分选能力不佳的问题,该文提出一种基于脉冲间隔与单个脉冲关联的直方图算法.该算法根据脉冲间隔与单个脉冲的对应关系建立了脉冲间隔分布矩阵(PIDM),然后通过对PIDM行列的累加计算,得到一种新的直方图,该直方图可避免传统脉冲重复间隔(PRI)变换算法在分选参差信号时对于参差信号帧周期过多抑制的缺陷,且能够通过PIDM对辐射源脉冲串进行序列提取,进而得到参差子序列的周期值.仿真分析结果表明,在不增加计算复杂度的情况下,该算法对存在多部参差辐射源和固定重频辐射源的混合场景仍可保持良好的分选效果.     

一种Mark XIIA模式5信号的分选方法

针对复杂电磁环境下北约新型Mark XIIA模式5信号分选难度大的问题,提出了一种基于空域、时域特征的信号分选方法。通过方位角对脉冲序列进行聚类,研究前导脉冲偏移量生成规则,提出了基于通信安全有效性间隔与交错索引的框架识别算法。通过改进的脉冲重复间隔（Pulse Repetition Interval,PRI）变换法对信号进行周期估计,实现同向交错信号分离的目的。通过仿真对比,该框架识别算法对动态偏移的脉冲信号有很好的识别效果,能在更低信噪比条件下识别正确率达到90%。此外,改进的PRI变换法对抖动范围10%的周期信号,估计误差不超过2%。     

基于脉冲序列重构的雷达PRI调制类型智能识别算法研究

雷达脉冲重复间隔（PRI）是雷达信号的关键参数,对于雷达性能发挥起着至关重要的作用。研判雷达PRI调制类型能够为雷达识别和性能分析提供重要支撑,是电子对抗领域的关键研究内容。针对现有PRI调制类型识别准确率受脉冲丢失影响较大的问题,本文提出了一种基于脉冲序列重构的雷达PRI调制类型智能识别算法。首先,基于到达时间（TOA）多阶差分序列实现了PRI调制周期的初步估计;其次,根据PRI调制周期重构了不同脉冲序列样本;再次,对重构样本进行去均匀值预处理,并以此为输入搭建了卷积神经网络（CNN）识别PRI调制类型,该方法能够减弱人工提取特征的局限性,不仅可以获取PRI序列的深层特征,而且具有更强的环境适用性;最后,仿真实验表明了所提方法的有效性。在脉冲丢失率小于60%时,所提方法对于所有PRI调制类型的识别准确率均在92%以上,平均识别准确率大于98%,在脉冲丢失率小于80%时,平均识别准确率在81%以上。     

雷达信号模糊函数的工程计算

本文导出了一个计算雷达信号模糊函数的通用关系式,它可用于对任意一个“单元信号”进行多重周期重复与多种调制的复杂信号的计算。文中结合实际条件导出了单元信号为“矩形包络子脉冲”时的工程计算关系式。它们的适用范围很广,例如,单个矩形脉冲或多个相干脉冲串,脉冲持续期内的线性调频,相邻矩形子脉冲的频率和相位编码调制,脉间跳频和重复周期参差以及复数振幅加权等常用信号;也能用于被重复的信号为线性调频、频率和相位编码的连续调制信号。作者在另一文章中,给出了用来计算模糊函数的程序框图和用ALGOL语言编写的全部程序及实例。     

激光脉冲编码识别概率的研究

从固定重频脉冲,跳频脉冲及等差周期脉冲的编码特征入手,对3种编码进行了全面的分析,介绍了3种编码的不同之处,并从原理上说明了激光脉冲编码的识别机制:固定重频脉冲编码时序间隔固定,等差周期脉冲编码时序间隔递增,而跳频脉冲编码的时序间隔不固定且不相关,针对3种不同编码的时序特点,分别给出了不同的识别概率模型.     

雷达信号分选技术研究

介绍了一种雷达信号分选技术。采用时间和频率双参数进行预分选,使用SDIF算法计算潜在的脉冲重复周期并进行序列搜索,基于序列搜索结果再进行参差、抖动、捷变频信号检测和计算。     

利用卷积-循环神经网络的串行序列空时分组码识别方法

针对多输入多输出(Multiple Input Multiple Output, MIMO)系统中的空时分组码识别(Space-Time Block Code, STBC)问题,本文提出了一种利用卷积-循环神经网络的串行序列空时分组码识别方法。将一维接收信号的实部和虚部分离后输入网络,利用卷积神经网络(CNN)提取其空间特征,结合循环神经网络(RNN)提取其深层时序特征,提高网络的特征表达能力;网络训练过程采用反向传播方法,通过计算输出与目标值的误差,将误差反向传回网络中并更新权值,完成网络的训练过程;将测试集数据输入训练好的网络中,实现对空时分组码的识别和区分。该方法将深度学习算法运用到串行序列空时分组码识别当中,训练完的网络可直接对单接收天线下的空时分组码进行识别,不需要重复计算信号的统计特征,避免了人为设计特征参数和检测阈值。该方法不需要知道信道和噪声的先验信息,适用于电子侦查等非协作通信情况。仿真实验表明,该算法能够有效地对串行序列空时分组码进行识别,并且在低信噪比下有较好的识别性能。      

基于支持向量机的红外成像自动目标识别算法

本文针对实战中红外成像制导导弹面临的自动目标识别问题,提出了一种利用若干二维图像识别三维目标的自动目标识别算法,并引入支持向量机作为分类器．仿真试验结果表明,该算法能够成功地识别三维空间中任意角度的目标,很好地解决了许多二维识别算法难以解决的三维目标识别问题．同时,通过比较,证明该算法比传统识别算法拥有更高的识别率．     

一种软判决下的RS码识别算法

针对现有RS码识别算法需要对码字符号在不同域之间进行转化,且容错性能较差的问题,该文提出一种直接利用软判决序列完成RS码识别算法。算法首先从RS码定义出发,给出了RS码校验关系从GF(2m)到GF(2)上的等价转换方式,从而避免了不同域下复杂的符号转化;其次引入了能够衡量校验关系成立大小的平均校验符合度概念,然后基于其统计特性以及极大极小判决准则,遍历可能的码长以及对应的m级本原多项式,进行初始码根校验匹配,从而完成码长以及本原多项式识别;最后利用识别出的码长以及本原多项式,构建本原多项式下GF(2m),进行连续码根匹配判决,最终完成码生成多项式识别。仿真结果表明:推导的平均校验符合度统计特性与实际情况一致,算法能在低信噪比下有效完成参数识别;同时该算法具有较好的低信噪比适应能力,在信噪比为6 dB条件下,工程中常见的RS码识别率均能达到90%以上。与现有算法相比,该文算法性能明显好于硬判决算法,且比传统算法提升1 dB以上性能。     

低信噪比下随机交织器识别

针对Turbo码随机交织器参数识别问题,充分利用信道截获数据的软判决信息,提出了一种基于对数符合度的交织映射关系识别算法。该算法从计算总的编码方程成立概率出发,定义了能很好衡量概率大小的对数符合度概念,极大地简化了计算复杂度,使得计算量仅与截获码块数目和交织长度的平方有关,计算方式仅为大小比较与符号提取;再利用正确交织位置能够使总的编码方程成立的概率达到最大这一特性,依次实现各个位置的交织关系的识别。与现有算法相比,所提算法识别性能稍差,但计算复杂度更低。仿真结果表明,在信噪比为0 dB、交织长度为200时,仅需要截获码块数目为500,其正确识别率就能达到100%。     

基于Kinect的实时人体姿势识别

Kinect的实时骨骼跟踪技术获取身体关节点的三维位置信息,为进行人体姿势识别提供了丰富的信息,拟在三维关节点位置信息的基础上,建立一种实时的人体姿势识别系统。选择关节角度作为姿势特征,结合逻辑回归（logistic regression,LR）分类算法对54种姿势进行识别研究。实验结果表明,该姿势识别系统可以准确实时地识别人体姿势。     

基于最大余弦比的LDPC码闭集识别

为改善低信噪比条件下LDPC码闭集识别的性能,本文提出了一种基于最大余弦比的软判决识别算法。该算法在分析了最大均值似然比算法存在的问题的基础上,利用LDPC码的编码结构特点,将识别过程归结为二元域中线性关系的检测问题;同时引入能够有效表征线性编码约束关系成立可能性大小的余弦检验函数,基于正确校验矩阵与错误校验矩阵下的余弦检验函数统计特性不同的事实,将两种情况下的余弦比作为编码器判定依据,从而实现低信噪比下LDPC码闭集的有效识别。仿真结果表明,在信噪比为0dB条件下,算法能够可靠识别出常用的IEEE802.16e协议中LDPC码,同时与现有算法相比,算法性能提升近1dB。      

高误码率下Turbo码分量编码器快速识别算法

针对目前Turbo码中,分量编码器递归系统卷积码识别算法计算量大,容错性不好两大缺点,该文提出了一种容错性能较好的快速识别算法。首先,在分析递归系统卷积码特殊结构的基础上,定义了更具普遍意义的广义码重概念;其次,建立出递归系统卷积码生成多项式数据库,按照数据库中多项式是否为实际编码多项式的情况,分析出多项式所对应的结果向量广义码重概率分布;然后,按照分析出的广义码重概率分布,基于极大极小准则,导出快速识别算法判决门限的计算公式;最后通过遍历多项式数据库,将遍历的多项式所对应的校验方程广义码重值与判决门限比较,从而实现参数的快速识别。仿真结果表明:理论分析出的广义码重概率分布与仿真结果相一致,同时算法容错性能较好,在误码率高达0.09的条件下,各种编码约束长度下的递归系统卷积码识别率在90%以上,并且计算复杂度较小。     

基于多项式遍历和码字相关的Turbo码盲识别

针对1/n码率Turbo码的盲识别问题,提出了一种基于多项式遍历和码字相关的检测识别方法.该方法首先对码字序列进行分组,利用分组验证的方法对数据中的卷积码进行快速检测,进而识别出Turbo码的码率;然后,利用欧几里得算法对Turbo码的分量编码器a的参数进行识别,进而通过对编码器b的遍历,恢复出伪随机交织序列;最后,通过与信息序列的码字相关,验证编码器b的参数是否正确,同时利用相关谱峰值所在位置识别交织器参数,实现了Turbo码的全部参数估计.仿真实验验证了该算法的有效性.对算法的误码适应能力进行的仿真分析表明,该方法能够在较高误码率条件下实现Turbo码的检测与识别.     

高误码率下归零Turbo码帧结构识别

现有的高斯消元法在Turbo码帧结构识别中,存在着容错性差且计算量大的缺点,直接导致后续分量编码器以及交织器识别算法无法应用.为此,提出了一种基于矩阵模型列相关性的识别方法.首先在待定帧长下构建分析矩阵,并对其前后相邻两列进行差分处理,然后建立关于差分后矩阵列重的统计量,根据码长及其整数倍处必有统计值能通过判决这一特点确定帧长.最后,通过分析正确码长下通过判决的统计值对应的相对位置关系,归纳帧起点的同步方法.仿真结果表明,本文算法在误码率高达0.1条件下,Turbo帧结构参数识别能够达到100%的识别率,与现有方法相比,本文算法计算复杂度更低且识别性能更好,可应用于认知无线电等非协作通信领域.     

Finding and Quantitative Evaluation of Minute Flaws on Metal Surface Using Hairline

A method to detect minute flaws on metal parts is proposed to remove defective parts before assembling in a factory. The input grayscale images of metal parts are directly used to recognize flaws without any image conversion to shorten recognition time. The recognition problem to find flaws and detect their position on the metal parts is converted to another problem that searches for the maximum peak and the variables producing the peak. Then, the recognition problem can be treated as an optimization problem, and this conversion allows us to utilize high genetic algorithm performances in optimization. The effectiveness and problems of the proposed method are studied on the standing points of recognition speed and quantitative recognition ability. Based on the analysis, we furthermore improved our system to increase the flaw detection rate; the lighting direction was changed to find the best lighting condition that can emphasize the contrast between the metal surface and the flaw by using the reflection character of the hairline on the metal, which is resulted by a polishing process