基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主，其感知性能过于依赖预定的统计模型，这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析，结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识，可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则，在神经网络输出端设计了一种基于阈值的检测方案，可方便地控制恒定的虚警概率。仿真结果表明，所提算法在信噪比为–14 dB的情况下，仍能达到83%的检测性能，且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。     

智能博弈趋势下未来空天防御体系展望

当前，军事智能化正成为继机械化、信息化之后推动新一轮军事变革的强大动力，深刻影响着未来战争的制胜机理、作战规则及战争形态。本文全面分析了智能化在未来空天防御体系的应用优势，结合国外智能化防御体系发展特点，提出了未来智能空天防御体系发展设想，梳理了空天防御体系智能化关键技术，阐述了空天防御体系智能化变革的重要意义。     

空间仿生可变构智能感知网络技术

基于仿生集群系统感知功能与行为的视角，提出了空间感知网络的若干前沿科学问题，包括仿生可变构异构空间分布式智能感知网络设计、单星自主机动对准和协调操控、星群协同相对测量与控制等。在干扰对抗态势下，空间感知网络的生存智能需求是保持各节点的可变构型网络、异构分布式感知与协调控制，从抗扰、容错和节能等角度提出了未来智能感知网络所应具有的安全、绿色和免疫等特征。仿生空间感知网络的目标是通过可变构异构分布式星群设计，实现星群多源信息融合和“眼、耳、脑、体、群”的智能协调，提高感知网络的智能协调能力以及对于空地目标与空间态势的感知、理解、预判和机动处置能力。     

面向量化分块压缩感知的区域层次化预测编码

在量化分块压缩感知的预测编码中，低参考价值的候选者将导致较差的率失真性能。为了高效地降低编码失真，提出了一种基于螺旋逐块扫描的区域层次化预测编码方法。在以同一采样率进行观测后，各块按由内向外的扫描次序进行预测与量化。当前观测矢量从上下文感知候选集中选取与之具有最小误差的反量化矢量，作为其预测矢量；根据层次相关性，所有块被划分到3种区域之一，通过块编码模型为不同区域设定自适应的质量因子，关键区域被赋予较大的质量因子。与现有的预测编码方法相比，所提方法综合利用了矢量之间的空域相关性和层次相关性，实验结果获得了至少0.12 dB的率失真增益。