串扰目标识别框架

提出了一个全面识别静态和动态串扰噪声的算法框架,在静态串扰噪声的识别中,通过静态串扰噪声的峰值以及噪声宽度信息来识别串扰目标。在动态串扰噪声的识别中,引入了混合时序分析,缩小了时间窗区间,并通过测试生成来验证信号间的逻辑关系,通过这些准确的时序及逻辑信息,识别出串扰目标。     

动态串扰噪声识别算法

提出了动态串扰噪声的识别算法.针对基于传统静态时序分析的结果过于保守的缺点,本算法引入了混合时序分析,缩小了时间窗区间,为动态串扰噪声的识别提供了准确的时序信息,与此同时,通过测试生成来验证信号间的逻辑关系,根据这些准确的时序及逻辑信息,识别出动态串扰噪声.     

基于深度学习的全球电离层TEC预测

电离层总电子含量(total electron content,TEC)是卫星时代以来最重要的电离层参数,具有重要的理论意义和应用价值.文中提出了一种基于深度学习方法的全球电离层TEC预测模型,采用编码器-解码器结构配合卷积优化的长短时记忆(long short-term memory,LSTM)网络来实现全球TEC的...