MTP2研究及实现

MTP2是No.7信令的链路层协议,它在2个邻接的信令点之间建立信令链路,保证高层信令消息的可靠传送。首先介绍了No.7信令的各种信号单元,明确了MTP2协议要处理的信号单元;然后对MTP2协议的各种功能结构进行了研究分析。在实现上,由于不同的硬件平台对MTP2协议支持的程度不同,提出了3种不同的MTP2实现方法。并从软硬件分工、CPU占用率、实现复杂度和多信令链路支持等方面对不同实现方法进行了分析对比。     

多核融合框架下的雷达辐射源个体识别

该文利用机器学习中多核学习(Multiple Kernel Learning,MKL)算法的多源信息融合功能,提出一种基于核层面信息融合的雷达辐射源个体识别框架。对雷达辐射源信号所提取的不同特征表示,分别构建相应的核函数或核矩阵,然后通过一定的准则计算它们的组合系数,并同时或独立获得支持向量机的分类超平面,最终实现对辐射源信号的分类。特别地,该方法能够实现辐射源信号模糊函数多个"近零"切片特征的有效融合,得到比代表性切片更优的识别性能。在3组实测雷达辐射源数据上的实验表明了所提方法的有效性。     

基于AR模型参数双谱估计的雷达目标识别

本文利用双谱分析方法，提出用非高期ＡＲ模型对雷在波信号进行参数化双谱估计，通过对实测飞机目标回波数据分析，合理地选择目标特征构成特征矢量，取得了较好的识别结果。     

THE ML BEARING ESTIMATION BY USING NEURAL NETWORKS

This paper proposes a neural network to implement the maximum likelihood bearingestimation algorithm in real time.We show both analytically and by simulation that this neuralnetwork is guaranteed to be stable and to provide the maximum likelihood bearing estimationwithin an elapsed time of only a few characteristic time constants of the network.As a result,this proposed neural network is satisfactory for real-time hearing estimation.     

一种基于模糊聚类的PHD航迹维持算法

针对杂波环境下数量变化的多目标航迹关联问题,提出一种基于模糊聚类的PHD航迹维持算法.该算法充分利用多帧信息,对当前时刻状态进行多步预测,并根据惯性进行加权,然后利用模糊聚类求得当前估计属于每条航迹的隶属度,从而得到最终的航迹.与传统的估计与航迹关联算法不同,该算法在更新每条航迹信息时,不仅仅是简单地对相邻帧之间的对数似然比进行求和,而是通过加权聚类等操作综合考虑了多帧信息.实验结果表明,所提算法能够更好地保持目标航迹,即使在目标出现交叉的地方也能达到很好的跟踪精度,具有较强的鲁棒性和优良的航迹维持性能.     

基于多传感器的纱疵检测新技术

分析各种基于单一传感器的纱疵检测技术及其不足，阐述了引入多传感器技术的必要性和可行性，并给出瑞士Zellweger Uster公司和Loepfe Brothers公司的应用实例。提出一种电容传感器和图像传感器联合检测纱疵的新方案，可实现对“异性纱疵”的可靠检测。     

改进的多模型粒子PHD和CPHD滤波算法

多模型粒子概率假设密度(Probability hypothesis density, PHD)滤波是一种有效的多机动目标跟踪算法, 然而当模型概率过小时,该算法存在粒子退化问题,而且它对目标数的泊松分布假设会夸大目标漏检对其势估计的影响. 针对上述问题,本文提出一种改进算法. 该算法并不是简单地对模型索引进行采样, 而是用粒子拟合目标状态的模型条件PHD强度, 在不对噪声做任何先验假设的前提下, 通过重采样实现存活粒子的输入交互,提高了滤波性能. 在此基础上, 进一步将算法在Cardinalized PHD (CPHD)的框架下加以实现,提高其目标数估计精度. 仿真实验表明,所提算法在滤波性能和目标数估计精度方面均优于传统的多模型粒子PHD算法,具有良好的工程应用前景.     

脉冲噪声下一种自适应ASR稳健滤波方法

在基于alpha稳定分布模型的脉冲噪声处理领域中,经典滤波方法多采用Cauchy分布和Meridian分布等alpha稳定分布特例,其脉冲抑制能力有限.对此,该文基于M估计理论和ASαS分布模型,构造稳健滤波代价函数簇,提出ASR稳健滤波方法,利用影响函数分析其稳健性,构建稳健滤波的统一理论基础,将Myriad滤波,Meridian滤波统一起来.给出线性度参数表达式,并采用阈值选择法实现自适应选择.此外,提出AS-FT滤波方法,以线性调频(LFM)信号在脉冲噪声下的参数估计为例,表明ASR滤波方法的稳健性.仿真实验表明,ASR稳健滤波方法,与中值滤波、Myriad滤波、分数低阶等传统的稳健滤波方法相比,具有良好的鲁棒性.     

新型雷达辐射源识别

目的 雷达辐射源识别是指先提取雷达辐射源信号特征,再将特征输入分类器进行识别。随着电子科技水平的提高,各种干扰技术应用于雷达辐射源信号中,使得信号个体特征差异越来越不明显,仅靠传统的模板匹配、分类器设计、决策匹配等辐射源识别技术难以提取信号可辨性特征。针对这一问题,利用深度学习良好的数据解析能力,提出了一种基于卷积神经网络的辐射源识别方法。方法 根据雷达辐射源信号的特点,对未知辐射源信号提取频域、功率谱、信号包络、模糊函数代表性切片等传统域特征,从中获得有效的训练样本特征集合,利用卷积神经网络自动获取训练样本深层个体特征得到辐射源识别模型,将其用于所有测试样本中,获得辐射源识别结果。结果 在不同域特征下对卷积神经网络的识别性能进行测试实验,并将本文方法与基于机器学习和基于深度强化学习的深度Q网络模型（depth Q network,DQN）识别算法进行对比,结果表明,当卷积神经网络的输入为频域特征时,本文方法的识别准确率达100%,相比支持向量机（support vector machine,SVM）提高了0.9%,当输入为模糊函数切片特征和频域时,本文方法的平均识别准确率与SVM模型、极限学习机（extreme learning machine,ELM）分类器和DQN算法相比,分别提高了16.13%、1.87%和0.15%。结论 实验结果表明本文方法能有效提高雷达辐射源信号的识别准确率。     

强跟踪输入估计概率假设密度多机动目标跟踪算法

针对多机动目标跟踪中,目标数目未知及加速度不确定的问题,提出一种强跟踪输入估计（modifiedinputestimation,MIE）概率假设密度多机动目标跟踪算法．在详细分析算法的基础上,通过引入强跟踪多重渐消因子,以不同速率实时调节滤波器各个通道的预测协方差及相应的滤波器增益,从而实现MIE算法对加速度未知或发生人幅度突变的机动目标白适应跟踪能力;并将该算法与概率假设密度滤波算法有效结合,町以较好地跟踪未知数目的多机动目标．仿真结果表明,新算法比传统的多机动目标跟踪算法具有更岛的跟踪精度,且具有较好的实时性．