虚拟现实下混合式移动导览信息自由切换仿真

针移动导览信息自由切换参数使用不当导致切换实时性差、切换成功率低的问题,引入虚拟现实技术设计混合式移动导览信息自由切换方法。采用加速稳健特征算法识别海量导览场景,并跟踪导览场景特征点,得到二维导览信息,以此为基础,利用X3D技术创建虚拟现实场景,得到三维导览信息,依据得到的二维与三维导览信息设计导览信息切换流程,明确切换参数,规定导览信息切换执行规则,实现了虚拟现实下混合式移动导览信息的自由切换。通过仿真结果显示,与现有混合式移动导览信息自由切换方法相比较,提出的混合式移动导览信息自由切换方法极大的提升了切换实时性与切换成功率,充分说明提出的混合式移动导览信息自由切换方法具备更好的导览信息切换效果。     

Link16信号联合优化跳周期估计方法研究

针对Link16信号参数估计精度低等问题,提出一种重排谱图和聚类算法K-means联合的Link16信号跳周期估计方法,该方法首先利用重排谱图时频分析获得Link16信号清晰的时频图,然后通过K-means聚类算法获得相邻两跳的最终迭代聚类中心,最后对其相邻两跳的聚类中心做差分运算,并对所得差值进行算术平均,得到Lin...     

DP-DRCnet卷积神经网络信号调制识别算法

卷积神经网络在降低系统网络开销的同时，如何保证较高的信号调制识别准确率是目前面临的重要问题。提出一种轻量级卷积神经网络。该网络分为两路，并行提取信号的自相关和互相关特征，之后两路特征进行合并，实现不同调制方式的分类识别；该网络采用控制模型中卷积层的输入数据维度及卷积核数量的方案，实现对网络模型开销的控制。通过对多种不同的调制方式进行识别验证。实验结果表明：在信噪比为-6～12 dB条件下，其平均识别准确率可达到86.5%;与传统卷积神经网络相比，计算量降低了94.44%;与常规轻量级卷积神经网络相比，计算量降低了67.6%,该网络性能优于现有的基于轻量级卷积神经网络的调制方式识别方法。