面向目标定位精度的主从式无人机编队航迹规划方法

在定位侦察任务中无人机编队协同的工作模式由于具有良好的定位效果和较强的鲁棒性,更加符合未来电子侦察的需求.本文在考虑定位精度的前提下,提出了一种基于主从式编队控制方案的无人机编队航迹规划方法.针对主机航迹规划,以稀疏A*算法为基础,将自适应步长与粒子群算法节点选取相结合提出混合A*算法,并针对障碍物群环境提出避障策略.针对从机航迹规划,提出一种改进的多目标量子粒子群(Improved Multi-objective Quantum-behaved Particle Swarm Optimization,IMQPSO)算法,将粒子混合更新策略、非劣解的优势选取策略和无人机Y型布站方案引入算法.经验证,改进后的算法综合适应度值相较于传统的多目标粒子群(Multi-objective Particle Swarm Optimization,MPSO)算法和多目标量子粒子群(Multi-objective Quantum-behaved Particle Swarm Optimization,MQPSO)算法在算法运行时间基本持平的情况下分别减小了4.7%和1.4%.

模拟电子技术实验教学考核方式改革的探索与实践

针对模拟电子技术基础实验课程目前在实验教学模式和考核方式上存在的问题,进行了初步的实验教学改革研究与实践。提出了"自主学习"式为主的实验教学模式以及过程性考核和期末考试相结合的实验考核方式,突出强调实验教学中考核方式的重要性。教学实践证明,学生参与实验的积极性和主动性得到明显提高,在一定程度上提高了学生的自主学习能力,取得了良好的实验教学效果。

利用投票选择机制进行语音分割的新方法

针对在噪声背景下连续语音信号的语音分割性能会明显下降的问题,提出了一种针对连续语音信号分割的新方法。该方法不再采用单一的端点检测方法,而是将基于分形维数的端点检测方法,基于倒谱特征的端点检测方法,基于HMM的端点检测方法等多种不同方法下得到的端点检测结果,通过投票选择的方式,得到最终的端点检测结果,从而达到对连续语音信号进行分割的目的。实验结果表明,该方法较明显地提高了语音分割的准确性。

基于互信息置信度的网格连续汉语语音检索

针对目前生活中涌现的海量语音数据,人们对语音检索技术准确度的要求越来越高。主要研究了汉语连续语音检索任务中,基于转换音节网格的研究方法。针对语音检索系统中置信度计算的问题,提出了一种基于音节间互信息的置信度计算方法,并将其用于网格结构的语音检索系统中。该方法能够有效地利用上下文之间的互信息量,从而更准确、合理地描述汉语语言模型。实验结果表明,用提出的方法建立转换音节网格来进行语音检索,其检出率(FOM)比后验概率法和N-best法有较大幅度的提高。得到的汉语语音检索系统其FOM最高可以达到83.7%。

基于CDHMM/SOFMNN噪声背景下的语音识别方法

针对噪声背景下传统语音识别系统识别率较低的问题,提出了一种将自组织特征映射神经网络(SOFMNN)与隐马尔可夫模型(HMM)相结合的方法,训练出适应噪声的混合模型.该模型适合于对噪声背景下的语音进行识别.同传统的CDHMM模型以及直接在语音中加入加性噪声训练出的CDHMM模型相比,该模型具有更好的抗噪鲁棒性,在信噪比较低的情况下(2～12 dB),识别率比传统CDHMM模型有明显提高.

基于樽海鞘群算法的无源时差定位

针对无源时差(TDOA)定位的非线性方程解算问题,论文使用一种名为樽海鞘群算法(SSA)的新的群体智能优化算法。首先,该算法采用一种新的群体更新模型,充分平衡迭代过程中的探索行为与开发行为,在保证搜索的全局性与个体的多样性的同时,改善了其他智能优化算法容易陷入局部极值的问题。其次,该算法控制参数很少,运算速度明显提高。该算法的收敛速度十分稳定,定位精度更高。仿真结果表明,樽海鞘群算法在3维时差定位中能够快速、稳定地收敛至目标位置,对传统粒子群算法(PSO)、改进的线性权重粒子群算法(IPSO)与SSA的定位精度进行比较,SSA精度明显高于PSO与IPSO。

基于改进MOGOA的无人机群航迹规划研究

针对电子侦察系统中反辐射无人机群进行辐射源无源定位时机群的编队形式会对定位精度产生影响的问题,将克拉美-罗界(Cramer-Rao lower bound,CRLB)作为定位精度方面的优化目标,与其他优化目标、约束一起引入机群的航迹规划中,使无人机群运动过程中保持良好编队,确保无源定位精度.文中针对多优化目标复杂环境中航迹规划算法寻优能力不高的问题,提出了一种基于改进多目标蝗虫算法(IMOGOA)的无人机群3维航迹规划方法,通过对MOGOA的选择方式、收敛参数进行改进从而提高算法的收敛性能以及全局搜索性能.首先,建立无人机群航迹规划的运动学模型,并引入距离约束,除定位精度以外还引入了路程、威胁代价等作为航迹规划的优化目标函数,然后,对改进多目标蝗虫算法进行详细说明,最后设计基于IMOGOA的无人机群航迹规划方案的算法流程,并在设定场景中对该算法的性能进行了仿真分析.结果表明,所提出的IMOGOA能够成功地规划出无人机群从初始位置到辐射源位置处的3维航迹,同时使无人机群在运动过程中保持良好的定位精度,经IMOGOA规划的机群编队定位精度最高可达1.2%,性能明显优于正方形编队和随机编队,并通过将IMOGOA与原始蝗虫算法(GOA)、原始多目标蝗虫算法进行对比,结果表明IMOGOA的收敛速度比MOGOA快11.1%,搜索性能相较GOA提升13.8%.

基于改进粒子群优化的MIMO-OFDM信号检测

针对MIMO-OFDM系统中,基于粒子群优化的信号检测算法易于陷入局部极值和收敛精度较低的问题,提出了一种基于改进粒子群优化的MIMO-OFDM信号检测算法。该算法将粒子群优化算法进行改进,并与遗传算法的杂交技术和极值扰动机制相结合,对MIMO-OFDM系统进行信号检测。理论研究和仿真结果表明,在相同误比特率情况下,所提算法性能优于基于遗传和粒子群优化的MIMO-OFDM信号检测算法性能,与理想信道下的最大似然检测算法性能相比,信噪比仅有1 d B的损失;在较少的迭代次数下,该算法有效地提高了系统的信号检测性能,有较强的全局搜索能力,是一种实用的信号检测方法。

MIMO-OFDM系统的SAGE-ISD联合估计检测算法

针对采用最小均方误差估计MIMO-OFDM系统信道时计算复杂度高,以及采用期望最大化算法存在收敛速度慢等缺陷,提出一种新的联合估计检测算法,将线性最小均方误差信道估计、广义空间迭代期望最大化算法和改进球形译码检测算法相结合进行联合估计检测,采用线性最小均方误差信道估计对信道进行信道初估计,并利用联合迭代技术结合广义空间迭代期望最大化算法及改进球形译码检测算法进行信道估计校正和信号检测,从而提高系统的可靠性。理论研究和仿真结果表明:在相同误比特率下,算法性能优于传统的检测算法,其与理想信道估计下的最大似然检测算法仅平均相差0.5 dB。该算法在较少的迭代次数下,可获得较理想的信道估计和检测结果,并以较低系统复杂度的代价,逼近理想信道估计下的最大似然检测算法。

无人机编队时差定位时的空间布局分析

为解决多站站址布局问题,提出一种基于改进樽海鞘群算法(SSA)的无人机编队站址布局优化算法。通过将樽海鞘群算法与反向学习策略(OBL)结合,以提高樽海鞘种群的多样性,可扩大搜索范围,提升全局勘探能力,从而提升算法寻优能力。以最小化目标所在区域内平均定位误差作为目标函数,对无人机编队进行被动时差定位的站址布局进行优化。在测量误差固定的条件下,实现辐射源目标进行被动时差定位时定位精度的提升。仿真结果表明:算法可有效优化无人机编队进行时差定位时的站址布局,提升无人机编队的时差定位精度。改进后的SSA寻优稳健性要优于樽海鞘群算法、粒子群算法(PSO)、差分进化算法(DE)、改进粒子群算法(IPSO)和自治群粒子群算法(AGPSO)。

电类实践课程自主开放的探索与研究

针对电类专业学生实践参与不足和动手能力较差的现状,探讨推行课程开放自主实践模式。该文通过鼓励工程学科学生发挥工程意识和创新思维,培养他们自我学习和研究的意识,在实践课程管理中提供、创造各种资源和空间以及开放、规范的实验过程,使实践课程环境能跟上实践教育的发展,切实提高实践教学的水平,提出与之相适应的实践管理和服务机制,使参与实践的学生成为实践课程的主体,在实践中学习和成长。实践表明,自主实践教学方式在实践中取得了良好的效果,对于工程学科具有普遍的推广意义。

基于强化学习的自适应干扰波形设计

针对传统干扰算法无法适应信号环境变化的问题,提出将Q-Learning算法与“切割”假设法相结合应用到干扰波形设计中,使干扰波形能够达到自适应雷达信号长度变化的效果。该算法主要针对雷达检测环节进行干扰,其中采用恒虚警概率(constant false alarm rate,CFAR)作为环境交互模型,通过强化学习自适应地调整间歇采样信号的采样时间与转发时间,在此基础上对未知长度雷达信号进行“切割”处理以达到最佳干扰的目的。最后进行仿真,实现了对未知雷达信号的干扰。仿真结果表明:在信号模型不定的条件下,强化学习算法在决策时可以充分利用历史数据,相对于传统算法,强化学习算法可以达到更好的干扰效果。

基于注意力机制的雷达有源干扰信号识别

针对复杂背景下,无法有效识别雷达有源干扰信号的问题,提出一种基于注意力机制的雷达有源干扰信号识别算法。首先将干扰信号的时频图输入到特征提取网络中,得到时频图的深度特征;然后引入注意力机制,通过RPN网络,定位干扰信号的位置,得到受关注区域;最后对受关注的区域进行干扰信号类型识别。仿真结果表明,该算法可在复杂背景下完成对干扰信号的定位、识别以及分离。相比于卷积神经网络,减少了一半的训练样本,提高了训练效率,同时总体识别正确率提高了10%,可以达到95%。

基于短快拍的捷变频信号DOA估计算法

传统的波达方向(DOA)估计算法依赖于多快拍数据得到的协方差矩阵,在实际应用中,可用的快拍数并不确定,而捷变频信号由于其频率的不固定导致短快拍下的DOA估计更加困难.针对这一问题,提出一种基于短快拍的捷变频信号DOA算法,即ISSFAS(improved-short-snapshot-frequency-agile-signal)算法.该算法将伪协方差矩阵法与频域聚焦法相结合,用重新构成的伪协方差矩阵代替原有的协方差矩阵,并用频域聚焦的方法对可变频率的情况进行处理.研究结果表明:ISSFAS算法具有良好的DOA估计性能,能够在短快拍下进行超分辨,且性能强于未与伪协方差法相结合的情况.

一种基于HMM/ANN的混合语音识别系统的设计

文中将自组织特征映射神经网络(SOFMNN)与隐马尔可夫模型(HMM)相结合,训练出抗噪声的HMM模型。试验表明,该模型适合于对噪声背景下的语音进行识别。同传统的CDHMM模型以及直接在语音中加入加性噪声训练出的CDHMM模型相比,该模型具有更好的抗噪鲁棒性,在信噪比较低的情况下(3dB—15dB),识别率比传统CDHMM模型有明显的提高。

发射机中频数字化的设计与实现

设计了一种发射机中频数字化方案.该方案的显著特点是:调制方式、调制速率、中频频率皆可编程设置.鉴于美国Intersil公司推出的HSP50415数字上变频可编程超大规模集成芯片的参考资料过于简单的问题,介绍了Intersil公司数字上变频器HSP50415的功能和特点,给出用HSP50415实现数字电台中频调制的例子,将对使用这个芯片的设计人员起到借鉴的作用.

一种基于最优运输问题的图像变形技术

图像变形是图像处理中的基本问题,不仅要求图像变形效果好,而且要求变形算法效率高。文章提出了一种基于最优运输问题的图像变形算法,把改进的Monge-Kantorovich公式运用到了图像变形的问题中,在最优运输能量函数中加入了一个对比项。进行一系列MP映射的迭代更新,用交融混合的方法计算出中间图像序列。

MIMO-OFDM系统的SAGE-IPSO联合估计检测

针对多输入多输出-正交频分复用系统中最大似然检测算法难以硬件实现以及传统的信道估计性能较差等缺陷,提出了一种联合估计检测算法.该算法使用离散傅里叶变换-最小二乘(DFT-LS)算法进行信道初估计,利用广义空间迭代期望最大化(SAGE)算法对估计的信道信息进行校正,并结合改进的粒子群优化(IPSO)算法完成对信号的迭代检测,使系统性能得到改善.仿真分析结果表明,算法能以较少的迭代次数估计出信道状态信息和检测数据;在相同误比特率的情况下,性能优于经典检测算法,与理想状态下的最大似然检测算法仅相差1 dB左右.