基于点云分割网络的雷达信号分选方法

针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题,该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云;之后利用点云分割网络(PointNet++)对该点云中各点依据其所属辐射源进行分割;最后将具有相同标签的点聚类形成脉冲集合,分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明:所提方法能够有效对未知雷达信号进行分选,在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性,并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。

基于非下采样contourlet变换的图像边缘检测新方法

非下采样contourlet变换(nonsubsampled contourlet transform,NSCT)由于其平移不变性使得检测出的边缘定位准确。但是传统的基于非下采样contourlet变换的边缘检测结果中仍存在伪边缘,这是固定阈值选取不当所致。采用双阈值对高频子带中的模极大值进行筛选,用得到的两个矩阵进行补偿链接可以减少伪边缘。由于NSCT系数的结构特点,低频子带中也存在丰富的边缘信息,再用Canny算子对低频子带进行检测。仿真结果表明,基于双阈值的模极大值方法检测的高频子带细节丰富、定位准确、纹理清晰,Canny算子检测的低频图像边缘,轮廓完整连续,融合后的图像有效地抑制了噪声,消除了伪边缘。

基于去噪卷积神经网络的雷达信号调制类型识别

针对低截获概率雷达(LPI)信号处理复杂,低信噪比条件下识别率低的问题,该文提出一种基于去噪卷积神经网络和Inception网络的信号分类识别系统。首先对8种LPI雷达信号进行Choi-Williams分布(CWD)时频变换,得到2维时频图像,然后使用去噪卷积神经网络进行时频图像去噪处理,最后将图像发送到Inception-V4网络进行特征提取,并使用softmax分类器进行分类,实现LPI雷达信号的有效分类识别。仿真结果表明,该方法在–10 dB信噪比(SNR)下,识别率仍然可以达到90%以上。

激光水下成像系统辐射标定算法

由于像增强器的非线性响应破坏了散斑噪声的统计规律,因此直接对激光水下图像进行散斑噪声抑制得到的图像复原结果受到非线性响应的约束。为了恢复散斑噪声的固有特性,本文提出一种对光晕具有鲁棒性的辐射标定算法。这种辐射标定算法通过灰阶映射函数以及积分时间增量,将非线性响应曲线的非线性部分转化为线性部分,再通过线性插值标定出像增强器对于激光信号的非线性响应关系,从而达到恢复散斑噪声的分布规律,提高噪声抑制效果的目的。通过实验对比了辐射标定前、后激光水下图像的噪声抑制效果,验证了本文算法能够有效地提高散斑噪声的抑制效果。

Contourlet变换的图像分割

针对小波域隐马尔可夫树模型分割的图像结果容易产生方向边缘成分模糊和奇异性扩散现象,根据Contourlet变换可以充分捕捉图像中高维奇异性,提出了一种基于Contourlet变换域的新的多尺度图像分割算法.该算法通过Contourlet域隐马尔科夫树模型获得各尺度上的初始分割,采用自适应的上下文结构对分割后的图像进行多尺度间的融合.对合成纹理图像和航拍图像进行分割实验仿真,并与基于小波域隐马尔可夫树模型的图像分割方法进行比较,区域一致性和边缘准确性得到改善,得到更为理想的分割效果,对合成图像降低了错分概率.

基于改进NSGA-Ⅱ算法的多光谱测温数据处理

多波长测温能够对高速运动物体的温度进行测量,通过算法对其数据进行处理有助于提升测量的精度。通过对四光谱高温计获得温度的数据进行处理,计算得到目标的真实温度,测温范围为700~900℃。文中对NSGA-Ⅱ算法进行了修改,使其交叉变异概率以及交叉策略具有动态的调整的能力,并采用了与差分进化算法相融合对变异的方向进行了优化。利用改进后的算法从求解的稳定性、计算的精度、收敛速度以及对于经典发射率模型物体温度的求解精度上与目前测温所采用的遗传算法进行比较,结果表明应用改进的NSGA-Ⅱ算法求得的目标温度精度较高,稳定性较强。

基于MobileNetV3-SVDD的雷达信号调制方式开集识别

针对常见雷达信号调制方式识别方法无法识别未知调制方式的问题,本文提出了一种基于MobileNetV3-SVDD的雷达信号调制方式开集识别方法。将不同调制方式的雷达信号转换成时频图像,使用轻量级深度神经网络MobileNetV3网络提取图像特征。基于一类分类器SVDD构建调制方式超球体来测试识别在训练中未出现过的未知调制方式,完成了对雷达信号调制方式的开集识别。实验结果表明:该方法在信噪比等于8 dB时,已知调制方式识别率均达到100%,未知调制方式识别率均达到95%以上,实现了对未知调制方式的有效分类识别。

基于深度强化学习的干扰探测共享信号设计

针对当前雷达电子战越来越向着智能化的方向发展、传统干扰机无法适应环境变化、极大地降低了作战效果等问题,考虑将探测信号隐藏在干扰信号中,实现干扰探测共享信号,使侦察干扰机设备发射的干扰信号兼具探测的效果;针对当前干扰探测共享信号中存在的复杂度低、频谱宽度较窄等问题,设计了一种基于多载频多相位编码(multi-carrier phase code,MCPC)的干扰探测共享信号,其具有良好的类噪声宽频谱特性以及较好的距离探测能力和速度探测能力,可以在对目标雷达实现压制干扰的同时对目标信号及周围环境进行隐蔽探测;为了使共享信号能够适应对战场环境的感知与博弈,进一步引入深度强化学习算法对MCPC干扰探测共享信号进行优化;首先在竞争深度Q学习网络(dueling deep Q-learning network,Du DQN)的基础上对Q值进行正则化,解决了Du DQN中易出现的由过估计导致的局部最优问题;其次,在奖励值中引入状态价值函数形成复合奖励值,将其称为复合奖励值竞争深度正则化Q学习网络(composite reward-dueling deep Q-learning network based on regularization,CR-Du DQNReg),使MCPC共享信号对奖励值的敏感度随自身状态调整,自适应优化相位编码初值,达到更好的干扰和隐蔽探测的效果.实验仿真结果表明:经CR-DuDQNReg算法优化后的MCPC共享信号频谱最高幅度提升17.48%,脉压最高幅度提升17.25%,多普勒模糊函数第1旁瓣幅度降低12.69%,且与传统深度强化学习算法相比,CR-Du DQNReg算法的优化效果更好.

雷达脉内信号识别与参数测量实验设计

为强化学生对雷达脉内信号识别与参数测量的理解,利用深度神经网络进行雷达脉内信号有意调制识别、无意调制识别以及参数测量实验。由ADALM-PLUTO与USRP通过天线分别完成雷达脉冲信号的发射与接收;对接收到的雷达脉内信号进行希尔伯特变换提取其瞬时相位特征,利用ResNet网络进行无意调制识别;同时对脉内信号进行时频变换并绘制时频图像,利用AlexNet网络进行有意调制识别;根据有意调制识别的结果对脉内信号进行参数测量,并将结果显示在上位机界面中。该实验也可作为创新性实验,由学生自行编程设计深度神经网络以及参数测量算法分别实现脉内信号识别和参数测量。

抑制相关噪声的水下图像恢复算法

由于传统算法无法消除相关噪声对于水下于图像的影响,通过最大后验估计构造了一个具有凸函数性质的变分模型用于抑制水下图像的相关噪声。在变分模型中通过贝叶斯约束项限定噪声的概率分布;采用马尔可夫约束项保证恢复图像满足空间连续性;通过梯度法获得变分模型的最优解,即不含相关噪声的恢复图像。实验结果表明,该算法能够有效地消除相关噪声,恢复图像的主观视觉效果较好。

基于多流ConvNeXt网络和马氏距离度量的未知信号增量识别

为解决现阶段基于深度学习网络的信号识别技术无法实现未知信号增量识别的问题,提出了基于多流ConvNeXt网络和马氏距离度量(MDM)相结合的未知信号增量识别方法.首先,利用改进的多流ConvNeXt网络提取信号的属性特征;其次,使用马氏距离度量判决方法进行未知信号检测进而实现已知信号和未知信号的二分类;最后,该方法根据不断增加的未知信号对模型的参数进行自动更新,使模型具备了自我进化的能力,进而可以识别出不断增加的新的未知信号类别,实现对未知信号的增量识别.仿真实验结果表明,该方法对未知信号的平均识别率达到97%以上.

基于混合非线性偏微分方程扩散的可逆图像放大

综合应用冲激滤波器、改进的前向后向(forward and backward,FAB)扩散滤波器和全变差(total-variation,TV)扩散算法,提出一种双正交映射约束的混合偏微分方程扩散图像放大算法。改进的FAB滤波器能够很好地增强图像的小边缘,参数约束的冲激滤波器可增强图像的强边缘,基于水平集方法实现的TV扩散可以消除边缘的锯齿波,使边缘光滑,所提算法综合以上优点。利用退化模型的低通滤波器的双正交滤波器得到一个空域双正交映射,放大图像完全满足退化模型,使放大图像对于退化模型可逆。仿真实验表明,与其他算法相比,所提算法有较好的性能,得到的放大图像更加自然,在弱边缘和中等强度边缘都有更好的视觉效果。

多尺度模型结合改进前向后向扩散的图像放大

为了得到较好视觉质量的放大图像,提出一种图像放大方法.为了保证得到的放大图像完全满足图像退化模型的约束,在图像重建过程建立多尺度空间模型,利用拉普拉斯金字塔变换工具对图像零插值得到低分辨率空间的初始插值图像;对初始插值图像采用改进的前向后向非线性扩散得到图像的高分辨率分量,并把高分辨率分量利用拉普拉斯金字塔变换工具在空域中映射到高分辨率空间中,得到图像的高频细节和初始插值图像合成放大图像.该方法对前向后向非线性扩散进行了改进,在增强边缘的同时使边缘更加光滑.实验结果表明,文中方法能达到较显著的分辨率增强效果,比其他方法得到的图像边缘更加准确,减少了图像的不良人工效果,如边缘振铃、阶梯效应和边缘错位,而且计算复杂度低、运算速度较快.

以学生为主体的实践课程考核方式的创新探索

该文以高校电子专业综合实践课程为背景,分析了国内目前实践教学课程考核评价机制存在的问题和主要原因。为了比较客观和全面地评价学生在实践课程中的表现,充分发挥课程考核在实践课程教学体系中的作用,借鉴了国外高校课程考核方式,提出了一种新的实践课程考核评价制度,并给出了具体的实施方式和相关规则。新的课程考核方式以学生为考核主体,通过"组内自评"和"分组考核"的方式,促进学生自觉、自主学习,调动学生主动实践和学习的热情,从而有效提高学生的综合实验能力。实践表明,该考核方式可供其他电类理论、实践课程及相关设计类课程参考和借鉴。

WBCT变换的SPIHT图像压缩算法的改进

传统的基于WBCT变换的SPIHT图像压缩算法没有考虑低频子带与高频子带的关系,只是在高频子带之间寻找方向树的关系,并且需要对变换后的系数进行位置置换,这样必然会影响编码质量和效率.针对以上问题提出了构造虚拟低频的思想,通过构造虚拟低频建立低频子带与高频子带的关系,使方向树结构更高,压缩效果更好;同时又避免了系数位置置换,提高了编码效率.与传统算法和现有的WBCT算法相比,该算法既能有效保护图像细节和纹理,又节省了编解码时间,同时提高了压缩后图像的峰值信噪比(特别是在低比特率下),而且具有通用性.

基于DQN的探测干扰一体化波形优化设计

由于侦察干扰机设备具有发射功能,为使发射的干扰信号还具有探测的效果,考虑将探测信号隐藏在干扰信号中,提出一种基于非均匀间歇采样重复转发的探测干扰一体化信号波形。首先,建立一体化信号模型,并利用非均匀间歇采样重复转发技术实现幅度编码调制;然后,在优化过程中,从模糊函数以及雷达检测环节分析一体化信号的特征,根据距离、速度分辨率以及脉压后幅度的均值与标准差之比,构造相应的目标函数;最后,利用深度Q学习算法求解目标函数,获取最优的幅度编码方式。仿真结果表明,当编码状态量小时,深度Q网络(deep Q-network,DQN)算法与强化学习算法收敛效果一致。与遗传算法相比,DQN算法最优解的质量提高了13.10%;当编码状态量增大时,相对于遗传算法和强化学习算法,DQN算法的收敛值更优,最优解更稳定。

一种基于Contourlet变换的图像边缘检测方法

基于小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘,而且这种算法所得到的边缘图像往往出现断裂现象.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.提出一种新的基于Contourlet变换的边缘检测算法.仿真结果表明,该算法对图像边缘细节的提取比基于小波的图像边缘检测方法更加丰富,且具有较好的连续性.

无线接收机可变增益放大器的设计与实现

设计并实现了一种同时具有可变增益和自动增益控制功能的放大器,可用于无线接收机中。该放大器主要分为4级电压放大电路和控制部分。控制部分是使用STM32单片机作为控制器,控制操作由按键输入实现,LCD1602液晶屏显示键入和系统输出信息。系统可实现可变增益和自动增益控制模式。样机指标达到超过60 dB的最大增益且能在20 dB以上以6 dB步进线性可调。

基于ZYNQ平台的双目图像采集实验案例设计与实现

为了改进电子系统设计类实验课的教学方式,丰富实验授课内容,该文提出了一种基于ZYNQ平台的实验教学方式。阐述了将ZYNQ平台作为实验教学平台的优势,介绍了ZYNQ平台实验课教学方法,对双目图像采集实验的实验原理、硬件实现方案、实验实施过程和结果进行了讲解。通过学习实验原理并完成对系统模块设计、仿真和实现,学生能够进一步了解和掌握ARM和FPGA软硬件协同设计的流程,提高自身电子系统设计的自学和创新能力。

一种改进的基于小波偏微分方程的图像去噪方法

提出一种基于小波分解和四阶偏微分方程相结合的方法用于图像去噪,利用小波良好的时频局域化特性和偏微分方程能够很好地保留图像的边缘和细节的特点对图像噪声进行消除.传统的二阶线性扩散方程计算效率低,易产生阶梯效应,这里采用一种用拉氏锐化算子替代拉普拉斯算子的四阶偏微分方程模型.实验结果表明,本方法是一种高效的去除噪声并能很好地保持图像边缘的算法.