用于雷达信号分选的K中位最近邻聚类算法

在处理雷达信号时,基于密度的空间聚类(Density-based spatial clustering of applications with noise,DBSCAN)分选算法依赖于参数或阈值的选取,影响分选的准确率。为此提出了一种改进的雷达信号脉冲分选算法,在DBSCAN聚类基础上结合了K中位最近邻(K-median nearest neighbor,KMNN)算法,通过引入自衰减系数并设置阈值上限对参数值列表进行二次处理,可以自适应根据聚类结果与不同参数时的K值之间的关系确定最优的邻域半径和最少点个数,提高了分选的正确率。通过仿真实验验证了算法利用雷达脉冲描述字特征进行自适应分选的有效性。

虚拟阵列下的相干信号测向算法

大多数解相干测向算法只能应用于均匀线阵,而不能用于均匀圆阵。针对这一问题提出了一种基于虚拟均匀线阵的快速解相干波达方向估计算法,该算法对均匀圆形阵列的输出信号进行模式激励,使其成为虚拟均匀线阵,在色噪声协方差矩阵为复对称Toeplitz结构的情况下,利用空间差分方法和矩阵重构相结合来估计相干信号,并且去除非相干信号以及色噪声。该算法提高了阵列的信源过载能力,不需要进行高阶累积量的计算以及特征分解,计算机仿真结果证明了算法的有效性。

正弦调制多光束激光外差测量压电材料电致伸缩系数

电致伸缩系数反映了压电材料本身的固有属性,是衡量电致伸缩特性的重要参数之一。基于逆压电效应,准确测量微小长度变化量可实现电致伸缩系数的高精度测量。现有光学测量方法基于直接检测光强分布获取微小长度变化量,但受光源功率稳定性和环境扰动制约,测量精度不高。为此,本文采用多光束激光外差技术融合多普勒振镜正弦调制技术,加载微小长度变化量于外差信号频率中,研究测量微小长度变化量的外差信号理论模型及外差信号频率与电致伸缩系数间数学模型,实现外差信号频率检测取代直接强度检测,消除光源稳定性与环境扰动影响,并且采用频率解调可以同时获取多个微小长度变化量,对这些微小长度变化量加权平均,最终可以进一步提高电致伸缩系数的测量精度。以此为依据,通过理论仿真研究待测样品的电致伸缩系数,结果表明:该方法的相对测量误差仅为0.28%。与现有技术相比,测量精度提高了一个数量级。

校外教学实践基地对电子工程类学生创新创业能力培养的探索

校外教学实践基地的建设不仅对高等院校工科类学生的创新能力有所帮助,还在很大程度了提高了他们的创业能力和社会适应能力。文章针对目前高等学校电子工程类学生培养方式的特点,分析了他们在创新创业能力上存在的一些不足,由此提出了利用校外教学实践基地来对学生的创新创业能力进行补充的方式。黑龙江大学电子工程学院在这方面进行了适当的探索,取得了较好的成效,也为其他理工科专业提供了相应的参考。

波达方向估计中的宽带信号个数检测新方法

在进行波达方向估计时,往往要对信号个数进行判断,传统的宽带信号个数检测方法需要在每个频点上进行多次采样,否则无法正确完成测向.针对此问题,提出了一种基于Bootstrap准则实现的宽带信号个数检测新方法.将宽带信号划分为若干个互不重叠的子带部分,之后对每个子带信号进行特征分解,利用特征值对相应的特征向量进行加权,再通过Bootstrap准则构造新的信号重采样矩阵,用聚类的方法判断出该子带上的信号个数,最后将各个子带上的结果进行综合判断出宽带信号个数.所提方法回避了聚焦的过程,且在非高斯噪声背景下也有较高的估计成功概率,尤其是在小快拍数下有着较好的估计性能,仿真结果证明了该方法的性能.

任意平面阵列下的宽带信号跟踪方法

到达方向(Direction of arrival,DOA)估计是一种传统的信号跟踪算法,它的计算量较大,无法用于实时跟踪系统,特别是对于宽带信号处理。因此提出了一种基于聚焦矩阵更新的宽带信号跟踪方法,首先对将接收信号划分为若干互不重叠的子频带,之后利用相干信号子空间聚焦方法将这些信号聚焦到同一频点上,再通过改进的快速近似子空间跟踪技术来更新聚焦矩阵,最后采取窄带信号DOA估计算法实现宽带信号的跟踪,该方法计算量较少,便于工程上的实现,并且适用于任意的平面阵列,仿真结果证明了方法的有效性。

无线电监测中的DOA估计关键技术

无线电监测是指探测、搜索、截获无线电管理地域内的无线电信号,并对该无线电信号进行分析、识别、监测以及获取其技术参数、工作特征和辐射源位置等信息的活动。其中的超分辨DOA(Direction Of Arrival)估计技术有着很大的应用前景,无论是雷达、通信、声纳,还是地震勘探、射电天文等领域。

现代信息技术条件下校企联合实验室建设的探索

随着科学技术的日新月异,以物联网为代表的现代信息技术被广泛应用于工业生产和高等院校的教学科研活动中。将智能传感器、无线射频识别与实验室的建设进行有机结合,能够大大提高学生的培养质量。此外,校企联合实验室可以有效促进现代信息技术在学科建设中的应用,并且学校和企业能够实现相得益彰、互利互惠。文章分析了当前国内外联合实验室的发展现状,并在此基础上对现代信息技术下的校企联合实验室建设进行了初步探索。

特征层双模态生物识别算法容侵能力评测方法

相较于单模态生物识别技术,多模态生物识别技术具有更优的适用性、安全性和可靠性,成为目前生物识别技术发展的趋势。在多模态生物识别4种融合层次中,特征层融合能够提取更多的区分性信息,消除特征的冗余,在理论上可达到最佳识别效果。然而,特征层多模态生物识别算法的安全性很少被关注。目前,多模态生物识别技术的研究多集中在双模态生物识别算法上,引入入侵容忍概念,定义了容侵能力度量,提出了容侵能力评测方法,评价特征层双模态生物识别算法的容侵能力,并对典型特征层双模态生物识别算法的安全性进行了评测。

基于随机权重粒子群优化极限学习机的土壤湿度预测

土壤湿度的预测对农业生产和科学研究都有着重要的意义.针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,本文将随机权重的粒子群优化算法(RandWPSO)应用于ELM回归模型中,提出了一种基于随机惯性权重的粒子群优化极限学习机的土壤湿度预测方法.该方法是利用传感器测出的土壤温度和光照强度数据进行数据预处理,构建出训练样本集,并且建立ELM回归模型,利用随机权重的粒子群算法优化ELM中的输入权值和阈值,避免陷入局部最优,从而建立起基于RandWPSO-ELM土壤湿度预测模型.利用MATLAB仿真软件,构建随机权重的粒子群优化ELM的预测模型,并对呼兰地区大棚甜菜的土壤湿度进行实验.结果表明:该方法的精度高且稳定性好,能够为大棚甜菜的生长提供有效的参考依据.

基于PCA-Attention-LSTM网络的土壤氮含量监测

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。

基于幅相误差阵列的远近场混合信号超分辨测向方法

大多数的超分辨测向方法都需要掌握准确的阵列流型,然而在实际应用当中,各阵元通道对信号的幅度增益和延时往往不一致,使得真正的阵列流型和它的理论模型之间存在一定的误差,最终造成测向性能的下降.针对这个问题,论文提出了一种基于幅相误差阵列的远近场混合信号超分辨测向估计方法.首先对信号的空间谱函数进行变换判断出远场信号方向,接着根据远场信号子空间和噪声子空间的正交性估计出阵列误差并对数据进行校正,在此基础上通过矩阵分解判断出近场信号方向,同时还能够实现近场信号的定位.所提方法直接对信号空间谱函数分母的多项式求根得出信号方向和近场信号距离,回避了谱峰搜索的过程,在保证一定精度的前提下大大提高了计算速度.

一种基于RSSI的改进VIRE算法

定位技术中用的最广泛的属于GPS,但若在室内环境下,GPS的定位精度会变低。RFID的抗干扰能力强、且在恶劣环境下也可进行,由于其非视距和非接触,相对低廉的价格等优点,将其运用于定位能实现高精度的定位需求。VIRE是一种引入了参考标签的基于RFID技术的室内定位系统,为实际室内定位的应用提供了很高的可能性。对现有的VIRE算法进行了分析,提出了一种改进的VIRE算法,它可有效提高室内定位的精度。

多普勒效应与激光外差技术复合检测金属线膨胀系数

物体的热膨胀性质反映了材料本身的属性,通常将固体受热后在一维方向上长度的变化称为线膨胀。测量材料的线膨胀系数,不仅对新材料的研制具有重要意义,而且也是选用材料的重要指标之一。将激光外差技术与多普勒效应深度融合,提出一种多光束激光外差测量金属线膨胀系数的新方法,即利用多普勒振镜把待测参数信息调制到多光束激光外差信号的频率差中,信号解调后可以同时获取多个待测参数信息,对多个待测参数加权平均,从而可以精确得到待测样品长度随温度的变化量,最终提高待测样品线膨胀系数的测量精度。基于该方法,对不同温度情况下金属棒线膨胀系数进行了仿真研究,结果表明该方法测量金属棒线膨胀系数的相对误差为0.1%。与传统测量方法相比,测量精度提高了一个数量级。

基于改进粒子群算法优化BP神经网络的甜菜产量预测方法

通过分析影响甜菜产量的自然因素,选取6个主要影响因子应用于一种改进粒子群算法优化BP神经网络的预测模型.首先,在标准粒子群算法(Particle Swarm Optimization,PSO)中引入自适应惯性权重的方法增强搜索能力并且提高收敛速度,使用反向逃逸策略避免早熟现象的发生;将改进的粒子群算法引入到BP中形成NCPSO-BP的预测模型算法,既缩短了运算时间,又提高了预测精度;最后将NCPSO-BP与PSO-BP的预测效果进行对比,结果表明NCPSO-BP预测模型其最优预测结果的相对误差平均值3.59%,绝对误差平均值0.1969,比PSO-BP模型预测误差有所下降.通过这次智慧农业实验项目的应用,实现当年甜菜产量增产50%,为未来推广到面积更大、机械化程度更高的农田应用打下了基础,对现代化农业具有一定意义.

基于虚拟阵列的相干信号快速测向算法

基于均匀圆阵提出了一种快速的解相干方法,该算法对均匀圆形阵列(UCA)的输出信号进行模式激励,使其成为虚拟阵列,利用阵列结构的特点来重构一个特殊的协方差矩阵,再根据ESPRIT方法成功地估计出相干信号的来波方向。该方法不需采用空间平滑技术,也不需谱峰搜索,减少了运算量,最后计算机仿真验证了该方法的有效性。

基于正交直线阵列的二维相干源测向方法

针对特殊阵列,提出了一种二维相干信号波达方向估计新方法,此方法只需2个正交直线阵就可估计不同用户的二维DOA。而且利用其中的一个直线阵来组合两个线阵分别估计的一维DOA,在空间平滑法基础上通过构造新的协方差矩阵,进一步去除了信源间的相干性。并分析了相乘系数对DOA的估计性能的影响,最后通过仿真结果分析了该方法的性能。

二维相干信号测向估计方法

针对双平行线阵列,提出了一种相干信号二维波达方向估计新方法。该方法利用双平行线阵的特点,在空间平滑法基础上通过构造新的协方差矩阵,进一步去除了信源间的相干性。相对空间平滑法计算量无明显增加,并且利用信号的方向矢量元素来直接估计信号角度。该方法不需要谱峰搜索,大大减小了运算量,具有分辨率高和估计方差小的优点。最后,通过仿真说明了该方法的有效性。

任意平面阵列的相干信号二维波达方向估计方法

相干信号的波达方向(direction of arrival,DOA)估计一直是阵列信号处理中研究的关键问题,但传统的算法受到阵列流型的限制。为了解决任意平面阵列对二维相干信号的DOA估计问题,提出了一种新的方法。首先利用信号的循环平稳特性构造数据协方差矩阵,再利用信号在极化域的差异来实现解相干。该方法具有噪声抑制的能力,无需空间平滑,不影响阵列孔径,并且对窄带信号和宽带信号均适用。仿真结果证明了该算法的有效性。

任意平面阵列的宽带相干信号测向方法

为了降低求解聚焦矩阵时的计算量,提出了一种新的宽带聚焦波达方向(DOA)估计方法.根据各个频点的信号子空间来构造聚焦矩阵,得到单一频率点的数据协方差,再应用窄带信号处理的方法进行DOA估计.这种聚焦矩阵维数小于双边相关变换(TCT)方法,因此新方法运算量小于双边相关变换方法,便于工程上的实现,并且适用于任意的平面阵列.仿真结果证明了算法的有效性.