基于YOLOv6框架实现典型通信信号调制快速识别方法

随着战场通信侦察对抗系统的快速发展,通信信号体制变得非常复杂,给非合作接收条件下的通信信号检测、调制识别及信号辐射源个体识别带来困难。为了全面掌握信号先验信息,对复杂多样的通信信号体制进行盲检与识别,本文提出基于时频图分析和深度神经网络的多种通信信号自动调制识别方法。首先,利用时频分析将不同典型通信信号转换为时频图像,再将标注后的时频图输入基于深度学习的YOLOv6（目标检测模型）网络中进行特征学习;然后,通过设计YOLOv6更高效的网络结构,使其能够对信号的时频图进行快速识别;最后,将训练后的网络权重对典型通信交叠信号进行测试,对提取的特征向量进行分类识别,完成6种调制方式识别与位置的快速确定,实现在非合作接收条件下的多个典型通信信号调制方式的检测和识别。     

基于小波神经网络的模拟电路故障诊断

介绍了模拟电路故障诊断的神经网络方法及小波神经网络,以一带通滤波器为例,提出了一种基于输出灵敏度分析,利用多频测试生成故障特征向量训练小波神经网络进行故障诊断的方法。仿真结果表明小波神经网络作为故障分类器具有收敛速度快,诊断准确等特点。     

模拟电路故障诊断技术研究

介绍了模拟电路故障诊断的现状及特点,对基于网络撕裂法的故障诊断方法进行了研究,探讨了基于BP神经网络的故障诊断方法及其在模拟电路上的应用,并指出了故障诊断技术的发展趋势。     

基于神经网络的重力卸载系统控制器设计

吊挂系统是地面模拟空间机械臂重力卸载试验的重要方法之一.针对传统PID控制方式动作响应慢、鲁棒性差等缺点,提出了一种基于径向基函数(RBF)神经网络的智能控制方式.该方式有很强的非线性拟合能力,且学习规则简单,可映射任意复杂的非线性关系,便于计算机实现.利用该特性,设计了一种重力卸载精度较PID控制方式更高的控制器.该...     

A combined technique of Kalman filter,artificial neural network and fuzzy logic for gas turbines and signal fault isolation

The target of this paper is the performance-based diagnostics of a gas turbine for the automated early detection of components malfunctions. The paper proposes a new combination of multiple methodologies for the performance-based diagnostics of single and multiple failures on a two-spool engine. The aim of this technique is to combine the strength of each methodology and provide a high success rate for single and multiple failures with the presence of measurement malfunctions. A combination of KF (Kalman Filter), ANN (Artificial Neural Network) and FL (Fuzzy Logic) is used in this research in order to improve the success rate, to increase the flexibility and the number of failures detected and to combine the strength of multiple methods to have a more robust solution. The Kalman filter has in his strength the measurement noise treatment, the artificial neural network the simulation and prediction of reference and deteriorated performance profile and the fuzzy logic the categorization flexibility, which is used to quantify and classify the failures. In the area of GT (Gas Turbine) diagnostics, the multiple failures in combination with measurement issues and the utilization of multiple methods for a 2-spool industrial gas turbine engine has not been investigated extensively.This paper reports the key contribution of each component of the methodology and brief the results in the quantification and classification success rate. The methodology is tested for constant deterioration and increasing noise and for random deterioration. For the random deterioration and nominal noise of 0.4%, in particular, the quantification success rate is above 92.0%, while the classification success rate is above 95.1%. Moreover, the speed of the data processing (1.7 s/sample) proves the suitability of this methodology for online diagnostics.     

测试技术在网络建设与维护中的应用

本文介绍了测试技术在网络系统中主要包含的内容、实用方法及测试过程。并以以太网为例,具体分析了系统测试的主要项目,并对出现影响网络性能的可能因素给出了解决问题的方法。     

基于局部洪泛优化的低轨星座分布式路由算法

针对传统分布式路由算法应用于大型低轨星座时拥塞控制能力有限的问题,提出了基于局部洪泛优化的分布式路由算法。该算法通过局部洪泛的机制收集星间链路的拥塞信息,以应对局部通信需求密集所导致的常见拥塞现象;通过局部路径优化,以较低运行开销实现了流量疏导和网络负载均衡。并且该算法可适用于多层低轨卫星网络结构,不会产生路由环路,对卫星随机故障具有宽适应性。仿真实验表明:该算法在通信需求分布不均的高网络负载情况下能降低2%~10%的丢包率,并对网络随机故障具有鲁棒的表现。     

样本标签污染条件下的雷达辐射源个体识别技术

针对辐射源个体识别(Specific Emitter Identification,SEI)中由于数据集存在错误标签导致识别率下降的问题,提出了 1种有监督和无监督融合的错误标签识别和纠正方法。首先采用无监督密度峰值聚类方法将数据集中出现的标签错误样本找出,再使用 K折交叉实验对这些标签异常的样本进行预测投票,将得票数多的标签作为错误标签纠正的结果。经过清洗的数据集再通过卷积神经网络进行训练,得到 1个较为理想的辐射源个体识别的网络模型,保证了在样本污染条件下,辐射源个体识别网络仍能具有较好的识别率。文章所提方法的识别率相比未经处理的数据集的识别率在标签错误率小于 30%时平均提高 3.3%;在标签错误率大于 30%时,也能使个体识别率达到 90%左右,验证了文章所提方法在对错误标签的识别和纠正上可以取得较好的效果。     

用正则化方法快速求解中长基线网络RTK模糊度

提出了采用选权拟和的正则化新方法,利用参考站坐标准确已知的条件作为约束,设计出正则化矩阵,使法矩阵的病态性得到了改善,只用几个历元的数据求解,能较准确得到模糊度的浮点解,在此基础上结合LAMBDA方法可以快速地确定整周模糊度。以4条中长基线的实测数据为例,新方法用3个历元的单频L1数据就能求解出整周模糊度,且成功率为100％。与现有方法相比,新方法可采用单频GPS数据实现中长基线GPS网络RTK的整数模糊度快速解算。     

深空探测中的自主无线电关键技术

深空探测中的自主无线电主要作用是实现多个深空探测器间的通信,优点是能在未知无线电环境下不需要地面干预,自动实现无线电参数的识别和配置.阐述了自主无线电技术对深空探测的必要性.在与常规无线电技术、软件无线电技术比较的基础上,论述了深空探测中的自主无线电技术,分析了其必须解决未知无线电环境下参数估计这一关键问题.针对无线电参数估计目前存在的因果循环问题,提出了一种自主无线电技术参数估计迭代层次结构模型,分析了各层间的消息类型和迭代过程.