JTIDS系统抗干扰性能分析

文中分析了联合战术信息分发系统(JTIDS)的系统结构以及采用的抗干扰体制,研究了该系统在高斯白噪声和人为部分频带干扰情况下的比特误码率,进行了仿真,并对仿真结果进行了分析。     

离散奇异卷积法结构分析

离散奇异卷积法是近几年内提出的一种新型的、具有潜力的数值计算方法.目前该法已被成功地用于结构元件的力学分析.本文介绍了离散奇异卷积法的原理,尝试用该方法分析工程结构中常用的梁、矩形板结构的弯曲、自由振动性能,并将计算结果与解析法和微分求积法的所得结果进行比较.结果表明,离散奇异卷积法是一种简单、可靠的数值计算方法.     

基于联合检测-描述的火星表面特征提取方法

针对火星着陆光学导航过程中,传统的图像特征点提取算法在相机角度变化、光照条件变化等情况下,序列图像间的特征点提取与匹配鲁棒性差的问题,提出了基于卷积神经网络的联合检测-描述特征提取方法。首先,通过Blender获取模拟火星着陆过程的视频,使用稀疏重建方法,对模拟视频的图像和火星真实图像进行三维重建,建立了神经网络可用的训练数据集。然后搭建了卷积神经网络以处理图像数据,通过改进损失函数,联合特征描述符和特征检测器双重作用,获得了更准确的匹配结果。仿真结果表明,该方法在处理多视角、光照条件多变的火星表面图像方面,具有更好的特征提取结果,并在匹配测试阶段具备优于传统算法的性能。     

基于CNN的多尺寸航拍图像定位方法的研究与实现

图像定位常用于无人机视觉导航,传统的无人机视觉导航广泛采用景象匹配导航方式,随着计算机技术的不断发展,深度学习技术为视觉导航的实现提供了新途径。以无人机的垂直侦查为背景,将飞行区域的航拍图像划分成大小相同的若干网格,每个网格代表一类区域,用网格图像制作数据集训练卷积神经网络（CNN）。基于AlexNet设计了一种融合显著性特征的全卷积网络模型,有效实现了一个基于CNN的多尺寸输入的滑动窗口分类器,并提出了一种邻域显著性参照定位策略来筛选分类结果,从而实现多尺寸航拍图像的定位。      

基于卷积神经网络的遥感图像舰船目标检测

针对遥感图像背景复杂、受环境因素影响大的问题,提出一种将卷积神经网络(CNN)与支持向量机(SVM)相结合的舰船目标检测方法,利用卷积神经网络可自主提取图像特征并进行学习的优点,避免了复杂的特征选择和提取过程,在复杂海况背景图像的处理中体现出较优的性能;同时,由于军舰样本获取难度大,应用迁移学习的概念,利用大量民船样本辅助军舰目标的检测,取得较好的效果。通过参数调整与实验验证,此方法在自行建立的测试集上检测率达到90.59%,对光照、环境等外界因素具有一定程度的鲁棒性。     

卷积神经网络卫星信号自动调制识别算法

自动调制识别是空间认知通信系统的关键技术,有助于实现自适应信号解调。深度神经网络虽然具有特征提取能力强的优势,但也存在参数众多、计算量大的问题,难以实现空间在轨应用。针对以上问题,提出了一种轻量化、高性能的卷积神经网络结构。网络先提取信号的同相正交相关特征,再提取时域特征,最后提取各通道特征均值进行分类。对11种调制方式分类的实验结果表明:当信噪比高于0 dB时,平均识别准确率能达到86.94%,较传统的高阶累积量的方法提高了31.54%;与目前高识别准确率的深度神经网络模型相比,仅使用不到10%的模型参数,在树莓派4B上计算速度平均提高了20倍。      

铷频标温度系数影响因素分析与改进方法研究

高性能的被动型铷原子频率标准（以下简称铷频标）主要用于恶劣工作环境等特殊领域,铷频标的准确度和稳定度是卫星定位的两项关键技术,铷频标的稳定度包括短期稳定度和中长期稳定度,而中长期稳定度主要由温度系数决定。本文从改善铷频标温度系数的目的出发,全面梳理和分析了影响铷频标温度系数的主要因素,提出零温度系数等高线图优化法和零光频移灯激励电压优化法,并通过改进物理部分结构热设计等措施,优化了铷频标物理部分的温度系数。经试验验证,结果表明整机温度系数约为-2E-14/℃,铷频标的10⁵s稳定度5.52E-15,改善物理部分温度系数的方法和措施是有效的。     

2012:中国房地产将崩盘?

不知是否受了好莱坞大片《2012》的影响,从去年开始,多位专家就开始纷纷宣告,2012年中国房地产行业将迎来其末日大审判。中国社科院研究员曹建海预测,最晚到2012年中国房地产必将崩盘,整个房价将下跌40%～50%。与此同时,牛刀先生也认为,中国房价泡沫将于2012年破灭,最后能够存活下来的只有占总量20%的上市公司和品牌房企。     

数字信号磁带录取机理

介绍数字信号磁带录取的调频体制和模式及其数据录取的基本原理。论述了录取系统信噪比的估算，以及系统录取信号数据的误码率，指出提高输入系统信噪比可降低信号录取的误码率。