一种基于深度学习的电磁信息泄漏检测方法

电子信息设备工作时无意发射的电磁波中包含有用信息，会导致电磁信息泄漏，从而威胁设备的信息安全。现有的电磁信息泄漏检测方法，在复杂现场环境下，难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题，开展了电磁信息泄漏检测研究，提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络，并结合改进的梯度加权类激活映射方法，在未知电磁信息泄漏特征的前提下，通过深度学习实现电磁信息泄漏特征的智能标定和自动提取，从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验，验证了所提方法的有效性。      

并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂，对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点，在轴承智能故障诊断中引起了广泛的关注。然而，由于航空发动机内声信号所处的环境噪声较强，传统的轴承故障诊断方法无法实现精确的特征提取。为此，研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点，在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取，可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法，能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取，然后采用权值归一化方法约束训练得到的权值矩阵。最后，通过仿真和实验数据验证了所提方法的优越性。结果表明，并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类，可用于声学信号下的轴承智能故障诊断。     

基于客流密度的地铁列车空调夏季送风温度控制模型研究

客流密度是影响地铁列车客室内热舒适性环境的重要因素,传统的地铁列车客室温度控制主要是根据UIC-553标准,以室内外温差作为控制核心.本文通过构建全尺寸地铁列车客室-乘客-空调送风耦合的一体化模型,利用实车试验与数值模拟相结合的方法,对地铁列车客室内的热舒适性展开研究.探讨客流密度对地铁列车客室内热舒适环境的影响规律以及不同客流密度下客室平均温度与空调送风温度之间的关系,得到了不同客流密度下能满足人体热舒适性体验的空调送风温度,提出了一种基于客流密度的地铁列车空调夏季送风温度控制模型.     

基于PNFM-LFM复合调制的探测干扰共享波形设计

针对雷达-电子战一体化共享信号波形的设计需求，提出一种伪码噪声调频与线性调频复合调制的探测干扰共享波形。在伪码序列的伪随机性和规律性上，通过理论推导和仿真实验，分析并验证了该探测干扰共享波形具有良好的模糊函数以及线性可控的频谱特征，有效通带内干扰功率利用率平均可达38%；通过探测干扰共享信号的相关信号处理，本地接收机能够成功地对信噪比不低于-27 dB的回波信号进行检测，且改善因子可达30 dB。     

空间目标监视雷达信号频率的优选准则

随着在轨微小卫星及空间碎片数量不断增加，为保证在轨卫星的运行安全，需要对微小目标进行有效跟踪探测及稳定编目。雷达作为近地空间目标监视的主用设备，在对厘米级小目标进行探测跟踪时，其工作频率是决定其能否可靠探测关键因素，高频有利于探测小目标，并可获得相对稳定的RCS，但高频信号的波束小、搜索能力较低，实现难度大，也使得成本过高。为适于实际工程应用，需从效费比出发，对频率进行优选。本文从目标RCS的角度提出一种空间目标监视雷达信号频率的优选准则，给出该准则下周长波长比ka的取值范围。为了更加清楚地说明该优选准则的应用，给出了直径5 cm和10 cm的目标在该准则下信号频率的取值范围，并与国外工作做了比较，证明该准则可行。     

高精度微弱磁场信号采集系统的设计与实现

微弱磁场测量是研究物质特性和探索未知世界的重要手段之一。实现高精度的微弱磁场信号测量需要设计高精度的信号采集系统,而以模拟量输出的磁强计通常需要数字采集系统进行模/数转换。为此,文章设计开发基于Σ-Δ型模/数转换器(ADC)的高精度微弱磁场信号采集系统,包括系统硬件电路设计和系统核心控制器FPGA的功能设计,实现了FPGA对ADC的读写控制,以及ADC输出数据的接收和发送等。性能测试结果表明,该系统的有效采样位数可接近理论值(21位),输出噪声RMS值为1.9μV,磁场测量精度满足0.1 nT要求。     

GNSS-IR双频数据融合的土壤湿度反演方法

目前全球导航卫星系统反射信号干涉测量（GNSS-IR）土壤湿度反演研究仅针对单一频点展开，提出用熵值法将2个频点数据进行融合以改进土壤湿度反演精度。首先，利用频谱分析法分别解析出各频点的信噪比（SNR）序列的振荡频率，计算出对应的等效天线高度，并利用最小二乘法求解各频点信噪比序列相位；然后，通过熵值法进行2个频点的相位观测量融合；最后，利用融合结果与实测土壤湿度建立经验模型，实现土壤湿度反演。利用地基观测实验获得的全球定位系统（GPS）L1和L2信噪比数据对该方法进行了验证，结果表明:L1和L2双频融合反演结果平均标准差为0.6%，比L1单频反演结果提高64.73%，比L2单频反演结果提高32.12%；均方根误差为0.37%，比L1频点降低72.8%，比L2频点降低73.4%。