基于模糊函数切片和FrFT的快速LFM信号参数估计

RAT(Radon-Ambiguity Transform)和FrFT(Fractional Fourier Transform)被广泛应用于线性调频(LFM)信号的参数估计。针对RAT调频斜率估计时的全角度域搜索和FrFT参数估计时的两维搜索导致计算量增加的问题,提出了一种快速LFM信号参数估计方法。采用模糊函数(Ambiguity Function)切片和RAT相结合的方法快速估计调频斜率,并以此确定最优分数阶变换阶数,然后利用一次FrFT实现LFM信号的剩余参数估计。理论分析和实验仿真表明了该方法的有效性。

基于函数切片的插装优化在软件测试中的应用

首先对插装技术的基本理论和方法进行了介绍,指出了传统的插装方法应用在嵌入式软件逻辑覆盖测试中所面临的问题;然后针对插装后代码的膨胀情况,提出一种基于函数切片的插装优化方法,在使用同样测试工具的情况下,优化了插装程序的执行效率;最后通过实验验证了该方法的有效性。

基于函数切片的嵌入式软件回归测试研究

为提高中大型嵌入式软件回归测试的效率,克服因程序微小变动而导致对整个嵌入式软件系统重新测试的弊端,提出一种函数切片算法Function Slice。给出代码影响域的概念,采用函数切片思想对待回归测试用例集进行约简,选取和源代码变化相关的测试用例进行回归测试。实验结果表明,该算法能约简嵌入式软件中的待回归测试用例集,提高回归测试效率,且适用于较复杂的嵌入式系统回归测试过程。

基于模糊函数主脊切片和深度置信网络的雷达辐射源信号识别

雷达辐射源信号识别是电子侦察系统的关键组成部分,为了提高低信噪比条件下对低截获概率雷达信号识别的准确率,提出了一种基于模糊函数主脊切片(MRSAF)与深度置信网络(DBN)的雷达辐射源信号识别方法。首先对雷达信号进行奇异值分解(SVD)进行降噪预处理,求解雷达信号的模糊函数并提取其主脊切片包络,采用奇异值分解方法降低噪声对主脊切片包络的影响,然后建立基于受限波尔兹曼机的DBN模型并运用标签数据有监督微调模型参数完成训练,最后基于该算法模型实现辐射源信号的分类和识别。仿真结果表明:该方法在低信噪比条件下也有较高的识别率,信噪比高于-4dB时,识别率可以达到90%以上,验证了本算法的有效性和应用价值。

雷达辐射源信号模糊函数主脊切面特征提取方法

提取和补充新的信号参数是解决复杂体制雷达辐射源信号分选难题的有效手段.基于模糊函数在表征信号内在结构上的独特作用,本文提出一种模糊函数主脊切面特征提取的新方法,构建出由主脊方向、切面重心和惯性半径组成的主脊切面特征向量.理论分析和实验结果表明,所提取的特征向量较好地反映了不同信号波形结构上的差异,具有类内聚敛性强和类间分离度大的优点,且具备较好的抗噪性能,证实了所提方法的可行性和有效性.

基于模糊函数的雷达辐射源个体识别

雷达辐射源个体识别是现代电子情报和电子支援系统的重要研究内容。本文在辐射源个体特征分析的基础上,提出了一种基于模糊函数的辐射源个体识别算法。针对模糊函数的冗余性,分别利用模糊函数切片和局部模糊函数切片表征雷达的细微差异与个体特征,并推导了局部模糊函数切片的快速算法。仿真实验验证了提出算法对于辐射源个体特征提取和识别的可行性和有效性。

四元数Segal-Bargmann变换的 L p 映射性质

本文研究了四元数Segal-Bargmann变换的Lp映射性质。具体来说,当2 < p≤∞时,该变换是从四元数值函数空间Lp(ℝ;ℍ)到四元数Bargmann-Fock空间ℱslicep,ν(ℍ)的有界线性算子并且是单射;当1≤p < 2时,该变换是从Lp(ℝ;ℍ)到ℱslicep′,ν(ℍ)的有界算子但不是Lp(ℝ;ℍ)到ℱslicep,ν(ℍ)的有界算子,其中1/p+1/p′=1。

基于小波变换的离心压缩机回流管线异常振动监测方法

为了避免回流管线振动信号的时频分辨率丢失,利用小波变换对离心压缩机回流管线振动信号进行预处理,并在其中引入了频率切片函数和尺度因子,利用其使原始的振动信号在时域和频域上以联合分布的形式存在,且信号切片函数随着原始信号的振动频率适应性调整.在异常振动监测阶段,充分考虑了旋涡进入回流管线时产生的激励作用,结合小波变换处理后的信号,实现对回流管线异常振动的监测.在测试结果中,离心压缩机回流管线的振动工频以及水平、垂直方向上的振动峰值监测结果均表现出了较高的准确性.

振动调频信号的循环平稳解调原理与实现方法

含有齿轮、滚动轴承等零部件的机械故障振动信号中,有一类信号称为频率调制信号(或称调相信号)。运用循环平稳分析理论,推导调频信号的循环自相关函数结果,并从理论上推导和分析了运用平方解调(或广义检波滤波解调)的方法实现对循环自相关函数的低频切片函数和高频切片函数进行解调的原理和方法,仿真验证理论推导正确,解调效果很好。最后通过对齿轮箱实测故障信号进行分析,验证该方法有很好的解调效果。

多圆盘上Hardy空间之间复合算子列的总体紧性

设φ:Dm→D为全纯映射,对ξ=(ξ1,ξ2,…ξm)∈Tm,文章利用切片函φξ:D→D,φξ(z)=φ(zξ)定义的计数函数Nφ(z)=∫TmNξ(z)dσ(ξ)研究复合算子列Cφn:H2(D)→H2(Dm)n的总体紧性。得到了如下定理:设φn:Dm→D为全纯映射列,Cφn:H2(D)→H2(Dm)为一致有界复合算子列,则η∞({n})=0当且仅当lim n→∞∣z∣→-Nφn(z)-log∣z∣=0。

新型雷达辐射源识别

目的雷达辐射源识别是指先提取雷达辐射源信号特征,再将特征输入分类器进行识别。随着电子科技水平的提高,各种干扰技术应用于雷达辐射源信号中,使得信号个体特征差异越来越不明显,仅靠传统的模板匹配、分类器设计、决策匹配等辐射源识别技术难以提取信号可辨性特征。针对这一问题,利用深度学习良好的数据解析能力,提出了一种基于卷积神经网络的辐射源识别方法。方法根据雷达辐射源信号的特点,对未知辐射源信号提取频域、功率谱、信号包络、模糊函数代表性切片等传统域特征,从中获得有效的训练样本特征集合,利用卷积神经网络自动获取训练样本深层个体特征得到辐射源识别模型,将其用于所有测试样本中,获得辐射源识别结果。结果在不同域特征下对卷积神经网络的识别性能进行测试实验,并将本文方法与基于机器学习和基于深度强化学习的深度Q网络模型(depth Q network,DQN)识别算法进行对比,结果表明,当卷积神经网络的输入为频域特征时,本文方法的识别准确率达100%,相比支持向量机(support vector machine,SVM)提高了0.9%,当输入为模糊函数切片特征和频域时,本文方法的平均识别准确率与SVM模型、极限学习机(extreme learning machine,ELM)分类器和DQN算法相比,分别提高了16.13%、1.87%和0.15%。结论实验结果表明本文方法能有效提高雷达辐射源信号的识别准确率。

四元数空间中的正则逆紧映射

全纯逆紧映射的研究是多复变函数论中一个重要且非常活跃的课题.本文研究四元数空间中的逆紧映射.特别地,对于四元数切片正则函数,本文利用其Hardy空间的分解定理证明四元数单位球上的自逆紧映射正是有限Blaschke乘积.此外,本文确定了此函数类中4维球壳上的自逆紧映射.

超记忆梯度法在大规模信号重构问题中的应用

研究了用基于非单调线搜索技术的超记忆梯度算法解决大规模信号恢复问题。利用平滑切片绝对偏差惩罚函数(SCAD)代替1正则化最小二乘问题的1范数惩罚函数,因SCAD的一个局部二次逼近是凸且可微的,所以目标函数的梯度和海瑟阵易计算。该算法的特点:每一步迭代充分利用前面多步迭代信息,避免目标函数海瑟阵的储存和计算,因此它适合解决大规模信号恢复问题。在某些假设下,证明了提出算法的收敛性,数值实验表明本文提出的算法是可行的。