接收域分离的跨接收系统通用性辐射源指纹识别

受辐射源硬件失真和接收机硬件失真的耦合作用,实际接收信号中带有当前辐射源系统和接收系统共同的“个体信息”,导致辐射源指纹识别技术(RFF)在跨接收系统场景下无法通用。为消除接收机染色效应,该文将接收机影响作为单独作用域,提出一种基于接收域分离的跨接收系统通用性辐射源指纹识别方法。该方法通过双标签多通道特征联合和域分离对抗重构方式实现信号中辐射源指纹作用域与接收机染色作用域分离,利用多部接收机数据预先训练网络对两种作用域的分离能力,聚焦辐射源指纹信息提取,从而提升辐射源指纹识别技术在跨平台跨接收系统、更新接收设备等场景下的适应能力。相比于直接特征提取和多接收机打包训练方式,所提方法能够真正适应实际无监督场景,且参与训练的源域接收机数目越多,域适应效果越好,不需要重复训练即可直接推广应用于新接收系统,具有较高的实际应用价值。

基于H.264/AVC的视频通信抗分组丢失方法研究

H．264／AVC是新的视频编码标准，其高效的编码效率和良好的网络适配性，使它在多媒体通信中得到广泛应用，然而由于Internet网络是一种不保证QOS的“尽力”网络，基于Internet网络的视频业务将不呵避免地受到数据分组丢失的影响，因此文中基于H．264编码算法的特点提出多种新颖的视频抗分组丢失方法，包括Tornado码的不等保护，利用SEI域自适应改变纠错能力和交互式防误码扩散等．综合使用该文提出的多种抗分组丢失方法，在高丢包率环境下，与使用简单误码掩盖算法相比，恢复图像的平均PSNR可以提高8～15dB，且算法与H．264标准兼容，没有过多增加信道负担和运算复杂度，具有实用价值．

基于H.264具有抗分组丢失能力的帧内刷新算法

本文提出一种基于H.264的具有抗分组丢失能力的帧内刷新算法.该算法首先建立帧内刷新尺度矩阵,来记录每个宏块被后继帧参考的重要程度;然后,基于帧内刷新尺度矩阵提出了丢包环境下的端到端率失真模型(ME2ERD);接下来,利用H.264中补充增强信息域进行信息交互,结合ME2ERD模型自适应进行帧内刷新,从而降低分组丢失对恢复图像质量的影响.实验结果表明在高丢包率环境下,使用本文提出的帧内刷新算法,与使用随机帧内刷新算法相比,恢复图像的平均PSNR(峰值信噪比)提高5dB以上.算法与H.264标准兼容,且运算复杂度低,具有实用价值.

我国科技情报研究机构科研知识图谱分析

[目的/意义]分析揭示我国科技情报研究机构的科研发展现状。[方法/过程]以CNKI收录的2011—2015年我国科技情报研究机构发表的论文为研究对象,对发文机构、高产作者、高频关键词、研究热点等进行统计分析,利用Cite Space软件绘制机构合作、作者合作和关键词共现知识图谱。[结果/结论]我国科技情报研究机构主要的研究热点是知识产权、专利分析、技术创新、竞争情报以及制定发展战略等几个方面,科技查新和专利分析一直以来都是科技情报研究机构最重要的信息服务内容。

基于多域判别核典型相关分析的辐射源指纹特征融合方法

辐射源个体识别(specific emitter identification,SEI)是指通过提取信号中蕴含的有关其发射来源的硬件指纹信息,来实现对特定信号辐射源的精确识别.SEI技术的关键在于指纹特征的提取.相关研究大多侧重于定义和提取新的指纹特征,较少关注对已有特征的综合利用问题.鉴于不同分析域的特征对辐射源指纹的描述存在互补性,本文提出一种基于多域判別核典型相关分析(multi-domain discriminant kernel canonical correlation analysis,MDKCCA)的辐射源指纹多域特征融合方法,充分利用特征的标签信息以及特征间的互补性,在高维空间完成多域特征的降维与融合.以4个特征分析域8种常见指纹特征为依托,在4种不同类型的实测数据集上验证了算法的性能.结果证明,该方法无需人工特征寻优环节,可大幅降低融合特征的维度,对4类目标的准确识别率均达到95%以上,优于最优单一特征,同时优于基于直接级联或基于PCA(principal component analysis)降维变换的简单特征综合方法、基于神经网络的特征综合方法,以及基于判别相关分析(discriminant canonical correlation,DCA)等方法的特征融合方法.