基于深度学习的通信信号调制识别算法

随着通信技术的发展，信号体制、调制方式日趋复杂，例如CPM、OFDM等，这给调制识别技术带来了巨大挑战。近年来，深度学习技术由于其强大的特征提取能力和分类能力，被广泛应用到模式识别领域中。为了实现复杂调制方式的识别，文章将深度学习技术引入到调制识别领域，并提出一种基于改进的CLDNN模型的调制识别算法。CLDNN模型已被成功应用到语音识别领域，其表现出了强大的特征提取和分类能力。该方法在原有CLDNN模型的基础上，针对调制识别问题的特点，对CLDNN进行了改进。而且该方法不依赖于载波同步、码元同步等预处理。实验结果表明，该方法可同时识别12种信号调制方式和信号体制，信噪比在3dB以上时，整体识别准确率达到90%以上，并且可以较好地识别复杂调制方式和信号体制。     

非合作运动辐射源照射的目标检测方法研究

研究了非合作运动辐射源照射条件下的动目标检测问题。分析了此背景下的地杂波空时频分布特性,并结合非合作系统数据处理特点提出了地杂波环境下的运动目标空时频联合检测方法,该方法利用杂波与目标在空时频三维域上的可分性解决了时频二维域上杂波覆盖目标的问题,将非合作领域中一般的时频检测方法推广为对时域数据的空域-频域二维联合滤波,仿真结果表明当目标信号与杂波信号在空时频三维域不出现重合的条件下,该方法能够有效地抑制杂波和噪声,实现地杂波背景下的动目标检测。
     

一种变信噪比条件下的恒虚警野值检测方法

野值检测又称异常值检测,是模式识别、机器智能和知识发现等领域经常面临的一个问题。当出现环境失配,数据信噪比（SNR）发生变化时,测试样本和训练样本所含噪声会有不同方差,以往的野值检测方法在虚警控制方面将会失效。针对这一问题,提出一种基于归一化残差（NR）的野值检测方法。该方法首先根据所需虚警概率和噪声方差变化情况确定野值检测门限,其次基于训练样本计算待考查模式的NR值,再比较NR值与检测门限的相对大小,从而判断待考查模式是否为野值。这一方法所依赖的检测门限对所需虚警率和噪声方差变化具有适应能力,因此可以在变信噪比条件下实现恒虚警（CFAR）野值检测。仿真实验验证了所提方法在虚警控制和野值检测方面的优越性能。     

基于谱相关的直接序列扩谱信号检测

直接序列扩谱信号是典型的低截获概率信号,由于其统计特性接近于噪声,通常的谱分析方法很难实现检测。由信号产生原理可以发现,直接序列扩谱信号中同时隐含了符号与码元的周期性,具有二阶循环平稳性,利用谱相关分析方法,能够在信号的循环频率处生成谱线,将信号从噪声背景中检测出来,并同时估计码元速率和符号速率。通过仿真实验,验证了该方法在低信噪比下的有效性。     

基于Krylov子空间的宽带信号DOA快速估计方法

提出了一种基于Krylov子空间的宽带信号DOA（Direction of Arrival）快速估计方法。该方法首先对方向矩阵进行Jacobi—Anger展开来构造“聚焦”矩阵，然后通过多级维纳滤波（MSWF：Multi-Stage Weiner Filter）算法求得聚焦后的阵列协方差矩阵的Krylov子空间，因为在满足一定的条件下，Krylov子空间等价于阵列的信号子空间，所以可以求得信号的DOA。采用Jacobi-Anger展开式构造聚焦矩阵不需要进行角度的预估计，通过MSWF算法求Krylov子空间不需对观测数据的协方差矩阵进行特征值或奇异值分解，从而使得该方法运算量比常用的宽带空间谱估计方法要小。计算机仿真试验证实了方法的有效性。     

多径效应对直扩信号扩频序列估计的性能影响分析

研究多径对直扩(DSSS)信号扩频序列估计性能的影响。首先建立多径条件下的直扩信号传输模型,然后采用基于特征结构分析的方法估计DSSS信号的扩频序列,最后通过仿真验证多径条件下基于特征结构分析算法估计扩频序列的有效性。     

雷达辐射源的序贯识别方法

针对雷达信号环境,依据已知的模板信息,提出了一种雷达辐射源序贯识别方法。通过理论推导和仿真分析验证了该算法的可行性,并与传统的统计分析识别 ［1］ 方法相比,该方法能够更充分地利用辐射源的脉冲信息,提高复杂电磁环境下的辐射源识别能力。仿真结果显示该方法的识别效果优于统计分析识别方法     

预测轴流压气机叶栅通道端壁附面层及叶片力亏损

本文将二次流理论与端壁附面层理论相关联,提出一种用于预测轴流压气机叶栅通道内的端壁附面层及叶片力亏损的新方法。附面层主流流动采用包含叶片力亏损的动量积分方程,横流流动采用双层速度分布模型,使用二次流分析和有限差分计算方法预测横流外层速度分布,主流流动和横流流动交替计算。用于两种高负荷压气机叶栅的预测结果表明,不仅端壁附面层发展的预测结果与实验结果吻合较好,而且叶片力亏损发展的预测值也与实验值一致性较好;此外,该方法不仅自动,而且还能较准确地预测S形横向流动的发展。     

发动机压缩系统稳定工作边界的预测方法

本文介绍一种模拟发动机(涡喷、涡扇)压缩系统气动稳定性的数值模型和数值方法,并给出3 个算例及其分析。它可用以预计部件台或双轴涡喷、涡扇发动机环境中风扇和高压压气机的稳定工作边界。发动机的主调节规律可以是nf=常数或nh=常数。初步结果表明,描述气动稳定性的数学模型和稳定性判别方法是可行的。级特性(级性能模型)对稳定性预算结果有重要影响。      

通信信号智能调制识别对抗攻击研究

基于深度学习技术的通信信号调制识别算法由于其优秀的特征提取能力,极大地提升了调制识别任务的精度,但是对抗样本特性的存在,导致基于深度学习的调制识别模型的安全性受到了极大威胁,通过在训练好的调制识别网络中添加设计好的特定微小扰动,就可以使得调制识别模型完全失效。研究了基于深度学习的调制识别模型及其对抗样本攻击方法,提出一种基于快速梯度符号法的定向扰动生成方法,该方法在扰动和原始信号功率比为-21 dB的条件下,针对11类常见的不同调制种类的通信信号生成扰动,实现对通信信号调制识别模型的定向攻击,为智能调制识别模型的攻防对抗提供参考。