模拟退火与人工鱼群变异优化的小波盲均衡算法

针对人工鱼群算法(AFSA)搜索效率低、易陷入早熟现象等问题,在人工鱼群算法中嵌入变异算子以保持种群多样性,抑制早熟现象,同时引入模拟退火思想增强局部搜索能力,改进算法后期收敛速度减慢的缺点,获得了模拟退火与人工鱼群变异算法;用该算法初始化小波分数间隔盲均衡器的权向量,提出了模拟退火与人工鱼群变异优化的小波分数间隔盲均衡算法(SAFSA-FSE-WTCMA)。水声信道仿真结果表明,新算法具有更快的收敛速度和更小的稳态误差。     

基于压电效应的FPGA降水粒子测量系统设计

降水粒子测量是气象观测要素中重要的组成部分。提出了一种基于压电传感器的新型感测方法,并依此设计了一种基于现场可编程门阵列(FPGA)的降水粒子信号采集处理系统。该系统对信号进行多路同步采集,并利用拟合所得的各路系统响应函数与各粒子响应函数实现对粒子的测量。系统实现信号全量程采集的同时有效降低了非线性误差。实验结果表明:该系统对于粒子直径观测误差小于±0.1 mm,具有量程宽、精度高、响应快、粒子判别准确等特点。     

水声信道盲均衡器优化设计与仿真

针对水声信道高速数据传输中的码间干扰问题,设计了一种基于小波包变换的分数间隔盲均衡器,优化均衡器性能,以提高水下通信质量。采用具有过采样性质的分数间隔均衡器,减少了波特间隔均衡器常数模算法(CMA)的稳态误差,又加快了其收敛速度;并利用去相关性较强的小波包理论,进一步加快了分数间隔盲均衡器算法(FSE-CMA)和小波分数间隔均衡器算法(WT-FSE-CMA)的收敛速度。水声信道的仿真结果,验证了该均衡器的良好性能。     

一种多元LDPC-CPM优化方法及性能仿真分析

为了解决二元低密度奇偶校验(LDPC)码与高阶连续相位调制(CPM)级联的系统在卫星通信、深空通信方面传输性能不足的问题，提出了一种多元LDPC-CPM优化方法。首先采用多元LDPC码与高阶CPM串行级联形成多元LDPC-CPM系统获取更好的传输误码性能。其次考虑到多元LDPC码的传统译码算法复杂度过高，难以硬件实现的问题，设计了一种改进型的Mixed-Log-FFT-BP算法，通过去除加法与查表运算中对数似然比的求解，降低译码复杂度。最后针对多元LDPC-CPM系统涉及参数过多问题，提出一种性能逐步收敛的参数优化方法。仿真结果表明，与优化前的系统相比，优化后的系统在中高信噪比下，误码性能有1～1.2 dB的提升，且系统复杂度较低。     

基于Arduino的智能家居管理系统设计

为改进家居管理领域的诸多不足，设计了以Arduino mega2560为主控器的家居管理系统。系统包括数据采集模块和通信模块，数据采集模块可通过温湿度、烟雾、光强采集电路采集数据并基于串口和I²C总线将各数据汇总；通信模块基于双通信网络，蓝牙上行将信息上传至APP,Wi-Fi下行发出指令控制系统。经测试，系统能够实现四种环境数据的实时查询和监测，并通过双通信网络实现报警，控制室内照明。     

联合深度先验图像去模糊方法

针对现有深度学习图像去模糊方法依赖大量训练数据的问题，从图像先验信息出发，提出一种联合深度先验图像去模糊方法。用自编码-自解码网络和全连接网络，分别对潜像和模糊核的深度先验进行建模，在去模糊模型中加入TV(Total Variation)正则化和冲击滤波进行改进，从而提高方法的抗噪性能，增强复原图像细节，最后通过联合优化得到清晰图像。实验结果表明，该方法可以在不依赖大量训练数据的基础上进行图像去模糊，在公开数据集上获得的峰值信噪比值为29.24dB,结构相似度值为0.862,与其他方法相比在真实模糊图像上去模糊效果更好。     

基于改进MobileViT网络的番茄叶片病害识别

针对卷积神经网络对番茄叶片型病害分类效果不佳的问题，提出了一种基于改进MobileViT轻量级网络的番茄病害识别方法。首先，删除输入和全局表征层的特征融合，将局部和全局表征层进行特征融合，使局部表征与全局表征更加密切相关；其次，为了避免模型在缩放时参数和FLOPS的大幅增加，在融合块中使用1×1卷积层替换3×3卷积层；然后，还添加了输入与融合块的残差结构，优化了网络模型中的更深层次；最后，将ReLU6激活函数替换成H-Swish激活函数，进一步提高了模型准确率。实验结果表明，改进后的MobileViT模型可以很好地实现番茄病害的识别，平均识别准确率达到99.16%。相较于其它的卷积神经网络模型，具有更高的识别精度。     

辐射源个体识别中的对抗攻击研究

基于深度学习的辐射源个体识别研究主要关注识别精度的提升，往往忽视了识别过程中对抗样本的威胁。针对上述问题，本文在增加辐射源个体类别并提升模型识别精度的同时分析研究了对抗样本对高识别率深度学习识别网络产生的影响。首先获取小样本ADS B信号，通过数据随机切片进行数据增强；再对原有网络进行微调并加入卷积注意力模块提高模型对辐射源个体信号的识别率；最后使用4种攻击算法生成对抗样本并在辐射源个体识别网络上进行测试。除此之外，还将攻击前后的信号样本转化为图片进行可视化比较，以在攻击成功率和攻击隐蔽性之间权衡。实验结果表明，优化后的高识别率模型也容易受到对抗样本的攻击，基于动量的迭代攻击效果最好，相比于快速梯度下降的攻击方法的攻击效果高出10%。     

基于改进的猎食者优化的D2D通信功率控制方法

针对D2D通信中用户复用频谱资源时产生的同频干扰问题，提出了一种改进的猎食者优化算法，对D2D用户进行功率控制。它在满足系统用户通信质量的约束条件下，根据猎人向猎物移动位置和猎物向最安全位置移动的规则来调整D2D发射功率，为了保持搜索与开发的平衡，提高收敛速度和寻优精度，采用Sobol序列对种群进行初始化，并且在猎食者位置更新公式中引入水波动态自适应因子，从而确定D2D用户最佳发射功率。仿真结果表明，该算法可以不仅可以提高系统总吞吐量和降低蜂窝用户受到的干扰，还可以提高收敛速度和寻优精度。     

基于正交小波包变换的前馈神经网络盲均衡算法

针对前馈神经网络盲均衡算法收敛速度慢、均方误差大的缺点,在分析前馈神经网络盲均衡算法和正交小波包变换理论的基础上,提出了基于正交小波包变换的前馈神经网络盲均衡算法。该算法利用正交小波包变换良好的去相关性,对前馈神经网络均衡器输入信号进行预处理后,降低了输入信号的自相性,从而加快了收敛速度和减小了均方误差。水声信道的仿真结果表明,该算法在收敛速度与均方误差方面的性能比前馈神经网络盲均衡算法优越。