基于YOLOv6框架实现典型通信信号调制快速识别方法

随着战场通信侦察对抗系统的快速发展,通信信号体制变得非常复杂,给非合作接收条件下的通信信号检测、调制识别及信号辐射源个体识别带来困难。为了全面掌握信号先验信息,对复杂多样的通信信号体制进行盲检与识别,本文提出基于时频图分析和深度神经网络的多种通信信号自动调制识别方法。首先,利用时频分析将不同典型通信信号转换为时频图像,再将标注后的时频图输入基于深度学习的YOLOv6（目标检测模型）网络中进行特征学习;然后,通过设计YOLOv6更高效的网络结构,使其能够对信号的时频图进行快速识别;最后,将训练后的网络权重对典型通信交叠信号进行测试,对提取的特征向量进行分类识别,完成6种调制方式识别与位置的快速确定,实现在非合作接收条件下的多个典型通信信号调制方式的检测和识别。     

基于卷积神经网络的雷达辐射源稳健识别方法

针对低信噪比下，基于传统统计特征的雷达信号识别方法对复杂调制信号类型识别性能不高，因而处理复杂度高的问题，提出一种基于卷积神经网络的雷达辐射源信号稳健识别方法。该方法通过提取信号的瞬时相位特征，获得变换域的表征信号，将其作为卷积神经网络的输入，实现雷达辐射源信号的快速识别。针对瞬时相位特征对于信噪比敏感的特点，采用主成分分析方法对信号特征域进行降噪处理，提升模型对噪声的稳健性。通过仿真实验验证了所提出方法在不同信噪比下对7种调制信号类型的识别性能，通过理论分析及不同方法的实验对比，验证了算法具有耗时较短、识别准确率较高、噪声稳健性好等优势，具有良好的工程实用性。     

基于深度学习的雷达辐射源识别算法

为解决雷达辐射源识别中特征提取困难、低信噪比条件下识别效率低的问题,提出了一种基于一维卷积神经网络和长短期记忆网络的深度学习智能识别算法,构建了一个CNN?LSTM网络,能实现对不同脉内调制方式雷达辐射源的端到端识别。该网络首先利用卷积层学习信号局部特征,然后将卷积层输出的结果输入长短期记忆网络,学习信号的全局特征,最终构造逻辑回归分类完成分类识别任务。仿真结果表明,该算法较单一卷积神经网络模型具有更好的识别效果,抗噪声效果更强,在-6 dB信噪比的条件下,识别的准确率仍能够达到90%以上。     

一种卷积神经网络非合作目标姿态测量方法

针对空间非合作目标姿态测量问题，提出一种基于卷积神经网络的非合作目标姿态视觉测量方法。该方法先设计特征提取网络并利用公开数据集进行预训练，用少量实际目标图像进行迁移学习，实现非合作目标图像高层抽象特征的自动提取；再设计基于回归模型的姿态映射网络，建立图像高层特征与三轴姿态角之间的非线性关系，实现非合作目标的姿态测量。实验验证了两类特征提取网络测量精度和参数量大小，测量精度可达 0.711° (1σ),表明了“单目相机+卷积神经网络”方法的可行性。     

基于数据扩充和特征增强的雷达回波无人机检测

针对基于雷达无人机目标识别难度高、精确度低、适应性差等问题，本文提出了利用深度学习的方法，对雷达回波进行无人机检测。首先，利用相参累积的方法生成雷达回波的距离-多普勒图像，增强目标特征并提高信噪比;其次，采用生成对抗模型对距离-多普勒图像进行数据扩充，以获得充足的图像数据减小网络的过拟合并提高网络鲁棒性;最后，使用基于位置感知的卷积神经网络增强特征，通过构建基于距离-多普勒图像的感知模块，实现对目标距离和运动速度的检测。通过在雷达回波序列中弱小飞机目标检测跟踪数据集上验证的结果表明:最终检测结果在召回率89%的情况下达到了91%的准确率。相比于基准方法，本文提出的方案具有更高的检测精度和更好的网络运行效率。     

基于极化神经网络的雷达舰船检测识别方法

相参雷达捕获的全极化海面目标距离-多普勒(RD)回波数据中，目标区域占比小、信噪比低，且海况环境与干扰种类多变，使得经典的深度神经网络在此种条件下检测识别精度较低。为此，本文提出了一种基于极化深度神经网络的全极化相参雷达海面目标检测识别算法。首先，引入极化特征提取模块挖掘目标与干扰的差异化特征;其次，通过特征金字塔网络解决小目标检测识别的问题;最后，使用级联结构进一步提升算法性能。在全极化相参雷达回波数据集上的测试结果表明:基于特征值与特征矢量的极化特征对于数据集中两类舰船目标的平均精度分别达到0.907 9与1.0，相比不采用极化特征有着显著提高。     

BP神经网络数字识别系统的设计方法

字符识别一直是一个热点问题,而人工神经网络具有并行计算能力、容错能力、泛化能力,以及任意精度逼近未知非线性对象的特点,将人工神经网络应用在字符识别中,提高字符的识别率与识别效率就具有了可行性.论文着重介绍BP神经网络数字识别系统的设计方法和步骤,指出该系统不仅可以识别数字,而且经过BP神经网络的适当改变,可以实现英文字符、简单汉字和混合字符数据的识别.     

数字调制方式的自动识别

文中对 6种数字调制方式的自动识别进行研究 ,在信号大部分先验信息未知的情况下 ,根据不同调制方式幅度、频率、相位的随机分布规律提取一组特征参数 ,在相同信噪比及不同信噪比下保持一定稳定性 ;识别方法选用 BP神经网络法。仿真结果表明 ,在 1 0 d B信噪比时 ,识别成功率在 98%以上。     

基于全局—局部特征联合的光学卫星遥感图像舰船目标细粒度识别

针对光学遥感图像舰船目标类间差异小,需要丰富舰船目标的特征表示能力提高其细粒度识别准确率的问题,文章提出了一种基于全局—局部特征联合的舰船目标细粒度识别方法,设计了双分支特征提取与融合模型。首先,全局特征提取分支通过卷积神经网络提取图像的全局特征;其次,局部特征增强分支将浅层特征图打乱并重构,加入对抗性损失函数,训练网络识别局部重点区域特征的能力,提取目标局部特征;最后,将全局特征和局部特征进行融合,利用全连接层对特征进行降维处理去除冗余信息,增加鲁棒性,并利用融合特征完成分类任务。实验表明,该方法可以兼顾全局特征和局部特征,在FGSC-23舰船目标数据集上准确率达到86.36%,优于其他方法。     

基于LSTM-ResNet模型的时变结构损伤检测

面向火箭结构健康监测，提出了一种基于深度学习的损伤检测方法，直接将多个通道的振动数据作为输入，并基于由长短时记忆网络LSTM（Long Short-Term Memory Networks）和残差卷积神经网络ResNet（Residual Convolutional Neural Networks）组合而成的LSTM-ResNet网络进行损伤识别。其优点在于，首先利用LSTM提取信号的时间依赖特征，减轻了由某些通道信号缺失带来的影响，再利用ResNet在不损耗特征的情况下进一步提取空间特征，提高了训练效率和损伤辨识准确性。通过充液圆筒振动放水实验模拟火箭飞行状态下的燃料消耗，并基于自主构建的数据集和公用数据集对LSTM-ResNet、LSTM、ResNet以及ResNet-LSTM网络进行了训练，训练结果表明，LSTM-ResNet组合网络无论在传感器是否存在故障的情况下都具有更好的性能，损伤检测精度更高。     

无线自组网的可生存性技术问题探讨

介绍了无线自组网和网络可生存性的基本概念和内涵。阐述了无线自组网可生存性的特殊性及其要求。探讨了可用于增强无线自组网可生存性的相关技术,主要包括功率控制/拓扑控制、自适应技术、网络管理、异构网络互联和安全技术等。     

ZigBee无线网络星载应用可行性研究

针对当前卫星上存在电缆多、电气连接复杂等问题,文章提出用ZigBee无线网络代替传统星载总线的设计构想。结合空间应用的特点,对ZigBee星载应用的优势进行了分析,并提出了相应的可行性设计建议,包括ZigBee星载应用的系统组成、网络拓扑、帧结构以及网络节点的实现方案,研究结果可以为未来卫星和空间站电子系统的设计提供参考。     

空间网络对抗研究

网络安全关系国家安全、社会稳定和人民利益,网络发展伴随网络对抗的展开,网络战是一种异常激烈的特殊形式的“战争”。从网络对抗的概念出发,介绍空间信息网络的发展,分析空间信息网络的特点,探讨空间网络对抗的途径,最后梳理空间网络对抗的关键技术。     

液压余度舵机同步传动研究

几个舵机驱动同一控制对象,通道间产生力的纷争,本文采用均衡网络来减轻力的纷争,而均衡网络的参数则根据解耦控制理论导出。实际系统的实验证明本文所提出的消除余度通道间力纷争保证同步传动的方案是有效的。文章给出了最优均衡网络的参数设计公式。     

地球观测网络成像任务可调度性预测方法

为了能够快速、合理地分配成像任务,充分发挥对地观测网络的观测效能,对成像任务可调度性预测问题进行了研究,提出一种由协同任务分配组件、任务调度组件、特征提取组件以及任务可调度性预测组件所构成的组件化求解架构。在成像卫星经典调度模型的基础上,提取成像任务特征,并采用变隐含层节点的反向传播（BP）神经网络集成技术求解成像任务可调度性问题。仿真结果表明,集成BP神经网络的平均预测准确度可以达到85%以上。     

基于短板效应的网络对抗效果研究

从网络空间和作战空间的映射关系出发,提出了一种＂基于短板效应的网络可达度＂的网络中心战度量准则,对度量指标进行了定义并构建了相应的度量模型。运用该准则对作战网络的对抗效果进行了仿真分析。结果表明,作战网络的对抗效果主要取决于网络中关键节点及其链路的有效性。     

某型火箭发动机起动过程实时故障检测算法研究

以某型火箭发动机为研究对象,针对其起动工作过程,利用Matlab和LabWin-dows/CVI等编程语言,结合神经网络理论,开发了其起动工作过程的实时故障检测算法。使用了多次试车数据进行离线检验,结果证明该算法能够及时、有效地检测出该型火箭发动机起动过程的已有故障,并能够满足实时性的要求,没有出现误报警和漏报警。     

公共计算机实验室局域网安全与维护

介绍了公共计算机实验室局域网组网模式，网络病毒的特点及防范措施。常见网络故障的处理。     

具有神经元网络补偿的隐式广义预测控制的硬件设计与分析

针对隐式广义预测控制算法在被控系统复杂性增加时有效性降低、实时性变差的问题，本文将神经元网络作为该算法的补偿，提出了一种具有神经元网络补偿的隐式广义预测控制方法，并着重讨论了神经元网络的硬件设计和ＮＩＧＰＣ的实现。仿真结果表明：ＮＩＧＰＣ不仅保留了ＩＧＰＣ鲁棒性强等特点，更主要的是它提高了ＩＧＰＣ的的实时性，并使之具有良好的跟踪特性。     

一种分布式传感器协同探测方法研究

提出了一种分布式传感器协同探测方法,通过构建基础骨干网和基于传感器分配的、可动态调整的协同应用网,实现对目标的实时、高精度探测。仿真分析表明,该方法可实时构建一个有效、合理的协同探测网络,满足高精度的目标探测需求。