基于一种特定混沌映射的跳频序列

使用一种简单的分段线性映射构造混沌跳频序列。用于跳频通信中取代传统的伪随机序列（PN序列），分析了此混沌序列的周期性。平衡性，汉明相关特性和线性间隔，最后给出了混沌序列的神经网络实现。仿真和实验结果表明，此序列具有较好的统计特性。应用于跳频多址通信中，可获得较好的抗干扰。抗截获能力。     

基于Internet的高效文件备份方法

针对当前文件备份领域中存在备份效率低、速度慢的问题,提出一种基于差异的远程文件备份方法。改进传统Rsync算法,实现差异文件的计算功能,从而减少网络数据传输,保证传输的高效性。实验结果表明,与传统文件备份方法相比,该方法能减少网络流量,提升备份与恢复的效率。     

基于差分空时调制的混沌慢跳频系统

提出一种慢跳频系统中基于差分空时调制的混沌保密通信方法。此方案集成了差分空时编码和混沌跳频扩频技术的优点。一方面,在跳频系统中,使用混沌序列代替伪随机(PN)码,增强了抗截获和抗预测的性能;另一方面,通过差分空时调制产生分集增益,降低了多径衰落效应的影响。仿真结果证实了此方案的有效性。     

基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割

针对目前柑橘病虫害图像数据集较少,病虫害目标复杂、散漫,难以自动定位分割的问题,提出了一种基于超像素快速模糊C均值聚类(SFFCM)与支持向量机(SVM)的农业柑橘病虫害区域分割方法.该方法充分利用了SFFCM快速、鲁棒的优点,且融合了空间信息的特点,同时避免了传统SVM在图像分割上需要人工选择样本的缺点.首先,利用改...     

DSRC系统中微波信号源相位噪声分析

在专用短程通信系统中采用M-PSK调制通信方式,以适应多种速率要求.给出了射频信道模型和微波数字锁相本振信号源的相位噪声模型,分析了微波本振信号源相位噪声的影响,仿真给出了相位噪声功率谱密度与系统误码率之间的关系.利用该结果,有助于无线通信系统的设计.     

基于改进残差网络的阿尔兹海默症分类

针对阿尔兹海默症（AD）患者常会出现脑内灰质（GM）部分丢失的现象,提出了一种基于GM磁共振图像（MRI）的深度学习AD分类的方法。首先,对MRI图像数据集进行AC-PC校正、小脑切除、颅骨剥离、配准、调制和分割等预处理,提取灰质图像。然后,对3D GM MRI图像进行切片,得到矢状面、冠状面和横切面三个方向的2D图像。最后,以矢状面的二维切片为输入样本,以残差网络作为主干网络,并作出以下改进：将传统的ResNet50中Stem的7×7卷积层替换为三个3×3卷积层串联,保证在感受野保持不变的情况下进一步减小计算量;构建跨阶段局部（CSP）瓶颈层,以分割梯度流,更有效地利用梯度信息;将高效通道注意力（ECA）模块嵌入到基本残差结构中,使网络模型特征提取更加高效;通过迁移学习,将Mini-ImageNet数据集上预训练好的权重参数在改进的ResNet50上进行微调,并使用5折交叉验证得到结果。实验结果表明,在ResNet18网络模型上,矢状面方向的切片准确度、特异度和敏感度分别为85.4%、87.9%和84.2%,各项评价指标均优于其他方向的切片;与传统的ResNet50相比,改进后的网络...     

基于模糊神经网络的自适应预失真功放

在无线通信中,高数据传输率的数字无线系统要求用频谱有效的线性调制方法,但是这些调制方法对功放的非线性又很敏感,会产生频谱扩展、邻近信道干扰和误码率(BER)特性的恶化。本文提出用模糊神经网络(FNN)的算法来实现功放的自适应预失真,以补偿功放的非线性,并仿真了模糊神经网络对功放非线性的补偿以及对误码率特性的改进。结果表明,此方法实现的预失真器具有良好的自适应性和鲁棒性,不需要从一大堆原始数据中进行费时的训练,而可以充分地利用己有的知识和经验;而且,在学习的过程中,采用变结构的神经网络,先粗后细、分组学习,更大大缩短了学习的时间。     

基于新的改进粒子群算法的BP神经网络在拟合非线性函数中的应用

介绍了一种基于新的改进粒子群算法(NIPSO)的BP神经网络来解决拟合非线性函数所出现的误差较大的问题。此算法在粒子群优化算法基础上,分别让权重和学习因子非线性和线性变化,建立基于新的粒子群优化算法的新模型,再与BP神经网络结合之后来拟合非线性函数。结果表明,新的改进粒子群优化算法更加合理且高效地提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。     

基于迷你卷积神经网络的停车场空车位检测方法

针对日益严峻的停车难问题,提出一种基于改进卷积神经网络停车场空车位检测方法。首先,根据车位只需用两种状态来表示其占空的特点,对传统卷积神经网络结构进行改进,提出迷你卷积神经网络（MCNN）的概念;然后,通过减少网络参数来减少训练和识别时间,并在网络中加入局部响应归一化层以加强对明度的校正,以及使用小卷积核来获取更多图像细节;最后,对视频帧图进行手动掩码设置,通过边缘检测切割成单个车位图,并使用训练好的MCNN进行车位识别。实验结果表明,与传统机器学习方式相比,基于MCNN的检测方法识别率能提高3~8个百分点,同时网络参数仅为常规使用卷积模型的1/1 000,且在文中所述的几种不同环境中,识别率的均保持在92%以上。实验结果表明,MCNN可移植到低配置摄像头,实现停车场空车位自动检测。     

埋入混凝土式压电陶瓷声-压特性的路径映射分析

将压电陶瓷埋入混凝土结构构成压电埋入式混凝土机敏模块,它是利用压电陶瓷的逆电压效应对混凝土健康状况进行实时在线检测。为了提高接收端检测数据的可靠性,本文采用对压电陶瓷在混凝土中传输声能信号进行路径映射方法研究其传播规律。该方法是基于形函数插值运算的一种后处理技术,能将机敏模块中的位置结果信息映射到模型的任何路径上,通过提取不同路径上的声压能量信息,从而分析压电埋入式中声能的传播规律。实验表明：振源附近声场能量最大,其径向方向能量衰减迅速;能量声压值与映射半径服从乘幂函数衰减特性;对声压值进行不同角度的分析还表明,除径向方向外,声压值与映射角度呈递减特性。