一种高速卷积编解码器的FPGA实现

在现场可编程逻辑器件(FPGA)的基础上，采用模块化设计，将超高速集成电路硬件描述语言(VHDL)和原理图混合输入，设计了一种可实现数据高速传输的卷积编码器和维特比译码器。在编码器和译码器中采用(7，3／4)增信删余方式以提高编译码效率。设计的维特比译码器速率可达100Mb／s。     

一种用于故障诊断的定常线性系统的建模方法

提出了以系统脉冲响应序列作为闭环系统模型的建模方法,并且给出了这种建模方法的计算方法以及模型输出的计算方法。这种闭环系统建模方法保留了脉冲响应序列中的高频成分,避免了从脉冲响应序列向传递函数变换过程中丢失脉冲响应函数高频信息的缺点;同时,也避免了神经网络每次学习结果获得的网络模型不确定的缺点。采用该方法建立的闭环系统模型精度非常高并且可以应用在故障诊断的系统中。文章最后以数值仿真和实际带随机干扰的系统为例,证明该方法是有效的。     

快速迭代反卷积算法的超分辨性能分析

传统观念认为,扫描体制下的实孔径雷达方位分辨力决定于3dB波束宽度,这使得雷达难以从方位上区分同一波束内的两个等距目标。迭代反卷积算法是一种简单实用的超分辨算法,为分析迭代反卷积算法的超分辨性能,文章对线性迭代算法和P阶决速迭代算法进行了比较并对此做了仿真实验。仿真实验表明,P阶快速迭代反卷积算法的超分辨效果较佳,而且...     

基于因果卷积与LSTM网络的电离层总电子含量预报

电离层总电子含量（TEC）不仅是分析电离层形态的关键参数之一,同时为导航及定位等空间应用系统消除电离层附加时延提供重要支撑。由于电离层TEC的时空变化特征,本文融合因果卷积和长短时记忆网络,以太阳活动指数F_10.7、地磁活动指数Dst和电离层TEC历史数据作为特征输入,构建深度学习模型,实现提前24 h预报电离层TEC。进一步利用2005－2013年连续9年的CODE TEC数据,全面评估了模型在北京站（40°N,115°E）、武汉站（30.53°N,114.36°E）和海口站（20.02°N,110.38°E）的预报性能。结果显示不同太阳活动条件下三个站的TEC值与真实测量值的相关系数都大于0.87,均方根误差大都集中在0～1 TECU以内,且模型预报精度与纬度、太阳、地磁活动程度、季节变化相关。与仅由长短时记忆网络构成的预报模型相比,本实验模型均方根误差降低了15%,为电离层TEC预报模型的实际应用提供了参考。      

解卷积算法性能研究

针对卫星导航应用中多路径问题,解卷积算法被提出用来补偿多径信号造成的定位误差。该算法估计出信道的冲激响应,采用信道均衡的方法补偿多径信号造成的定位误差。算法的噪声性能取决于相关峰的形状,仿真表明解卷积算法能够很好的估计信道的冲激响应,估计的噪声性能和理论推导一致。     

钢球碰撞柔性杆动力分析的有效数值方法(英文)

柔性物体的碰撞动力学是工程实际中的一个重要问题。获得问题的动力响应是一个有挑战性的任务,通常通过数值计算来完成。首次采用离散奇异卷积法分析碰撞动力学问题,并通过钢球碰撞柔性杆的算例来研究几种数值方法的有效性。数值方法包括常规的有限元法、离散奇异卷积法、谱有限元法和提出的改进谱有限元法,将各种方法获得的算例的数值结果与理论解比较来研究方法的有效性。研究结果表明,采用恰当的常规有限元长度后,提出的改进谱有限元法给出的接触应力的结果最精确。另外还发现,离散奇异卷积法可以用于求解碰撞问题。     

基于CWT-CNN的齿轮箱运行故障状态识别

针对传统故障诊断中提取的特征不具有自适应能力、很难匹配特定故障的问题,提出了一种基于连续小波变换（CWT）和二维卷积神经网络（CNN）的齿轮箱故障诊断方法。该方法对齿轮箱故障振动信号采用连续小波变换构造其时频图,以其为输入构建卷积神经网络模型,通过多层卷积池化形成深层分布式故障特征表达。利用反向传播算法调整网络各层的结构参数,使模型建立从信号特征到故障状态之间的准确映射。在不同工况和不同故障状态下的实验中,故障识别准确率达到了99.2%,验证了方法有效性。采用这种自适应学习信号中丰富的信息的方法,可以为故障诊断智能化提供基础。      

基于Transformer和动态3D卷积的多源遥感图像分类

多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解决上述问题,提出了基于跨模态Transformer和多尺度动态3D卷积的多源遥感图像分类模型。为提高多源特征表达的一致性,设计了基于Transformer的融合模块,借助其强大的注意力建模能力挖掘高光谱和LiDAR数据特征之间的相互作用;为提高特征提取方法对不同地物类别的适应性,设计了多尺度动态3D卷积模块,将输入特征的多尺度信息融入卷积核的调制,提高卷积操作对不同地物的适应性。采用多源遥感数据集Houston和Trento对所提方法进行验证,实验结果表明：所提方法在Houston和Trento数据集上总体准确率分别达到94.60%和98.21%,相比MGA-MFN等主流方法,总体准确率分别至少提升0.97%和0.25%,验证了所提方法可有效提升多源遥感图像分类的准确率。