基于多学习单元卷积神经网络的雷达辐射源信号识别

现有基于人工提取特征的复杂体制雷达辐射源信号识别方法时效性低,识别准确率不佳. 为此,提出了一种基于多学习单元卷积神经网络的识别方法. 首先对辐射源信号的模糊函数进行高斯平滑,以校正噪声带来的毛刺与畸变;然后提取其正交切片作为进一步的特征提取对象;最后构建多学习单元卷积神经网络,学习和提取正交切片深层、泛在的特征,并通过softmax分类器进行分类识别. 仿真实验结果表明,所提方法在信噪比为-2 dB时对6类典型雷达信号的整体平均识别率均保持在99.86%以上,即便是在-6 dB环境中,雷达信号的识别率也可达到88.50%,在极低信噪比条件下具有良好的性能和可行性.     

基于模糊聚类的矢量量化的声纹识别研究

采用模糊C-均值聚类算法(FCM)实现声纹码本的矢量量化,使用基于相似系数和的孤立点检测法识别孤立点.试验表明,该方法能有效地减少孤立点对识别结果的干扰,显著降低码本量化误差,从而提高矢量量化声纹识别系统的识别率.     

基于IVIF-VIKOR的雷达辐射源信号分选识别特征性能综合评价方法

为解决雷达辐射源信号分选识别特征评价不够客观和缺乏评价依据等问题,提出了一种基于区间模糊原理、模糊交叉熵和多准则折衷法的特征评价方法. 首先通过区间模糊原理建立信噪比分级评价模型,并基于汉明距离进行寻优得出信噪比权重;其次结合信噪比权重和区间直觉模糊加权平均算子将分级模型整合成群决策矩阵,使用熵最大化法计算属性权重;最后基于多准则折衷法框架,采取模糊交叉熵实现特征方案排序. 仿真实验结果表明,所提方法能够给出与实际仿真实验相一致的分选识别特征评价排序结果,并优于逼近理想点方法,验证了所提方法的可行性和有效性.     

模糊函数主脊切面极坐标域形态特征提取方法

提取能表现信号本征信息的脉内特征参数是解决当前复杂体制雷达辐射源信号分选难题的有效途径。由于模糊函数能较为细致地反映信号的内在信息,提出一种基于极坐标转换的模糊函数主脊切面形态特征提取方法,该方法首先将模糊函数主脊切面变换到极坐标域以形成封闭的几何图像,然后提取该图像的均面积、致密度和似圆度作为信号分选的特征向量。模糊C均值聚类实验表明,所提特征在大于0 dB条件下分选6类典型雷达信号的成功率保持在95.33%以上,即使在信噪比为-2 dB,分选成功率仍可达到88.5%;在0～20 dB动态信噪比条件下平均分选成功率为99.7%,证实了所提方法的有效性。特征提取耗时实验证明,所提方法提取单个信号特征仅需1.34 s,具有令人满意的时效性。     

从DES算法论分组密码的设计原则

分组密码一直是鹪决信息系统安全问题的常用技术方法.尽管作为分组密码典型代表的DES算法目前已被更为安全的Rijndael算法取代,但其中所体现的设计思想和设计原则依然值得研究和借鉴.文中以DES加密算法为例,在分析DES加密过程、密钥计算、加密函数和解密过程的基础上,探讨分组密码的设计原则.指出组件结构标准化原则、算法和密钥分离原则、扩散和混淆原则以及均匀性和随机性原则是现代分组密码设计的基本原则.这些原则是现代分组密码设计的出发点.     

从DES算法论分组密码的设计原则

分组密码一直是解决信息系统安全问题的常用技术方法。尽管作为分组密码典型代表的DES算法目前已被更为安全的Rijndael算法取代,但其中所体现的设计思想和设计原则依然值得研究和借鉴。文中以DES加密算法为例,在分析DES加密过程、密钥计算、加密函数和解密过程的基础上,探讨分组密码的设计原则。指出组件结构标准化原则、算法和密钥分离原则、扩散和混淆原则以及均匀性和随机性原则是现代分组密码设计的基本原则。这些原则是现代分组密码设计的出发点。     

核聚类算法最佳聚类数的自适应确定方法

在分析核函数所隐式描述的样本间成对相似性的基础上,该文从统计的角度分别定义了能反映类内(类间)样本相似性的类内(类间)个体平均相似系数,设计了一个高效的评价核聚类算法聚类质量的有效性指标。该指标具有物理意义清晰、计算简洁以及对核参数具备一定鲁棒性的优点。在此基础上,提出了一个能自动确定最佳聚类数目和最佳划分的自适应核聚类(SAKC)算法。Benchmarks实验结果验证了所提出的聚类有效性指标及其SAKC算法的有效性和良好性能。     

模糊函数主脊切面特征提取的局域差分方法

雷达信号分选是电子对抗的关键技术,提取和补充新的特征参数是解决复杂体制雷达信号分选难题的有效手段。鉴于模糊函数是表征信号内在结构上的有效工具,本文采用改进粒子群算法（Particle swarm optimization,PSO）快速搜索信号的模糊函数主脊切面,并提出一种基于局域差分的模糊函数主脊切面特征提取方法,提取出差值和、差值最大值和差值分布熵3个特征,以表征不同信号波形结构上的局域差异;然后通过模糊C均值算法对提取的特征参数进行聚类性能分析。最后使用LFM,BFSK,CON,QPSK,M-SEQ及BPSK共6种典型信号进行实验。实验结果表明,在固定信噪比下,当SNR不低于0 dB时,CON,LFM及BFSK信号的平均聚类准确率达到98.7%,6类信号的平均准确率为93.2%。在0~20 dB动态信噪比环境下,平均分选准确率仍保持在80.5%以上,且算法具有较好的特征提取时效性,证明了所提方法的可行性和有效性。     

大学计算机基础教学现状分析及课程改革思路

大学计算机基础课程旨在培养当代大学生的信息素养,其教学模式和教学方法的创新实践是进一步提高教学质量的关键。文章对学生的计算机基础情况以及课程教学现状的网络问卷调查结果进行分析,指出课程改革的主要思路。     

模糊函数主脊切面极坐标域形态特征提取方法EI北大核心CSCD

提取能表现信号本征信息的脉内特征参数是解决当前复杂体制雷达辐射源信号分选难题的有效途径。由于模糊函数能较为细致地反映信号的内在信息,提出一种基于极坐标转换的模糊函数主脊切面形态特征提取方法,该方法首先将模糊函数主脊切面变换到极坐标域以形成封闭的几何图像,然后提取该图像的均面积、致密度和似圆度作为信号分选的特征向量。模糊C均值聚类实验表明,所提特征在大于0 dB条件下分选6类典型雷达信号的成功率保持在95.33%以上,即使在信噪比为-2 dB,分选成功率仍可达到88.5%;在0-20 dB动态信噪比条件下平均分选成功率为99.7%,证实了所提方法的有效性。特征提取耗时实验证明,所提方法提取单个信号特征仅需1.34 s,具有令人满意的时效性。