基于AlexNet网络的MPSK与MQAM类信号的调制识别

针对现有的信号调制类型识别算法对信号的先验知识要求比较高,人工选取特征复杂、鲁棒性差等问题,引入卷积神经网络算法,将Alex Net网络运用到对同步前的MPSK和MQAM类信号的调制类型识别上。选取2PSK、4PSK、16QAM、32QAM四种信号的散布图特征进行识别。研究结果表明卷积神经网络算法能较好地对未同步的MPSK和MQAM类信号进行调制类型识别,且MPSK类信号的识别率要高于MQAM类信号的识别率。

基于simulink的2FSK信号包络检波解调的设计与实现

基于2FSK信号解调的原理,加入延迟、多径效应、AWGN条件以模拟现实传输环境,建立了用包络检波实现2FSK信号解调的simulink仿真模型,并在simulink环境下进行仿真分析。重点论述了采用数字谐振器实现信号包络检波和定时提取的方案。

基于互质阵列的运动单站信号直接定位方法

信号直接定位方法是一种新型无源定位体制,具有适应低信噪比、无需参数关联等优势。为适应复杂电磁环境,该文提出了一种基于互质阵列的运动单站信号直接定位方法。以典型窄带信号为例,该文首先构建了互质阵列截获信号模型,然后推导了其差分共性阵对应的等效信号数学模型,最后使用空间谱技术构建了直接定位代价函数,实现了定位。经仿真分析验证,采用相同互质阵列时,该方法在分辨率和精度稍有损失的情况下可大幅提升传统直接定位方法的自由度,且与基于均匀线阵的直接定位方法相比,该方法在自由度、分辨率和定位精度等方面都具有优势。

预训练卷积神经网络模型微调的行人重识别

针对行人重识别中传统的人工提取的行人浅层特征因受摄像机角度、光照等外界环境的影响,鲁棒性不好,收敛速度慢的问题,研究使用预训练卷积神经网络模型在行人数据库上进行微调的方法,对行人图片进行特征提取,从而得到高维的深层行人特征,最后通过欧氏距离进行相似性的度量。实验结果证明,深层的行人特征在平均准确度评估标准上,相比于传统的人工设计特征,分别得到了9.51%、11.12%、16.63%、16.96%的提高,收敛速度也变得更快,说明深层特征的行人识别能力更强。

视频中行人检测研究方法综述

行人检测是计算机视觉研究的热门之一,其在智能监控、虚拟现实等方面都能得到较好的应用,具有较好的应用前景。从行人检测核心——目标分类方面对其进行了论述,分析了目前常用方法的优缺点,并对现今的研究难点以及未来的研究方向进行了详细的论述。

基于地球高程信息的运动辐射源时差频差无源定位算法

本文研究利用时差频差以及地球高程信息对运动辐射源的定位测速问题.针对高程信息精确已知的情况,提出一种鲁棒迭代约束加权最小二乘法RICWLS-noAE(robust iterative constrained weighted least squares without altitude error).方法通过引入多个辅助变量将测量方程伪线性化,而后根据加权最小二乘准则构建含4个二次约束的代价函数,最后通过将二次约束近似成伪线性约束的方式迭代求解出辐射源的位置和速度.当高程信息存在误差时,对算法进行拓展,提出RICWLS-AE(robust iterative constrained weighted least squares under altitude error)以解决对运动辐射源定位测速问题.数值仿真表明本文所提RICWLS-noAE法的定位和测速性能要好于现有的两步加权最小二乘法,并且RICWLS-AE方法在中等信噪比下也能达到CRLB.

基于卷积神经网络AlexNet的通信信号调制类型识别

针对现有的信号调制类型识别算法人工选取特征复杂、识别率不高、鲁棒性差等问题，引入卷积神经网络算法，将AlexNet网络运用到对通信信号的调制类型识别上。选取2PSK、4PSK、8PSK、32QAM、64QAM五种信号的星座图特征用于识别，并与传统的基于高阶累积量的支持向量机识别方法做对比。相比传统的机器学习算法，基于卷积神经网络的识别方法在信噪比大于9dB时识别率均达到100％，在低信噪比下的识别率也优于前者且不需要复杂的人工筛选特征的过程。研究结果表明卷积神经网络算法能较好地用于信号的调制类型识别。