基于中值滤波和卷积识别的桩基超声波检测技术探究

介绍分析了传统桩基超声波检测技术与不足,阐述了基于中值滤波和卷积识别的桩基超声波检测技术要点与优势,通过案例,验证改进的桩基超声波检测技术的检测应用有效性。

基于自动质谱解卷积与识别系统-气相色谱质谱技术筛查分析聚乳酸餐盒可迁移添加剂

目的 基于自动质谱解卷积与识别系统-气相色谱质谱技术筛查聚乳酸餐盒中可迁移添加剂。方法 采用傅里叶变换红外光谱法(Fourier transform infrared,FTIR)结合热裂解/气相色谱-质谱法(pyrolysis-gas chromatography mass spectrometry,Py-GC-MS)对餐盒材质鉴定,并将餐盒置于不同模拟液和不同温度进行迁移实验,GC-MS进行检测,基于自动质谱解卷积与识别系统(automated mass spectral deconvolution and identification system,AMDIS)及自研数据处理程序MSData批量处理数据,分析可迁移添加剂,并利用标准品和保留指数验证。结果 所售餐盒的材质为聚乳酸,AMDIS、谱库检索和结果 验证能够显著提高可迁移添加剂鉴定的准确性,MSData可提升数据处理效率,共筛查出18种可迁移添加剂,其中4℃可以迁移出的添加剂只有6种,随温度升高,在25℃条件下新增4种,70℃条件下新增8种。经毒性预测,9种低毒,8种微毒,1种无毒;其中11种呈现出微弱的发育毒性;致畸性均为阴性。结论 该分析方法 快速、方便,可推广至其他聚乳酸餐盒中可迁移添加剂的快速筛查分析。

基于分段抽取软判决加权Walsh Hadamard变换的卷积码识别算法

针对低信噪比环境下卷积码识别研究存在的不足,提出一种基于分段抽取软判决加权Walsh Hadamard变换(WHT)的卷积码识别算法。该算法利用接收比特的解调软判决信息求取软判决频次序列,并构造加权Walsh Hadamard矩阵,从而识别得到基本校验序列。利用基本编码矩阵构造规则,最终实现记忆长度及基本生成矩阵的识别。算法结合分段抽取思想,降低了所需运行存储量。仿真实验表明,该算法可在低信噪比环境下对不同码率卷积码进行有效识别,具有较好的容错性,且对大约束度的卷积码性能提高更为显著。

基于求解校验序列的(n,k,m)卷积码盲识别

针对卫星通信和深空探测等采用的(n,k,m)卷积码盲识别问题,提出了一种新的识别方法。首先,根据卷积码本身的线性约束关系改进分析矩阵模型的构造方法,有效地减小了识别所需数据量。在通过矩阵化简识别出码长、码字起始位置和校验序列基础上,提出了由校验序列推导出生成多项式矩阵的方法,进而完成卷积码的识别。仿真实例表明,该识别方法不需要任何先验条件,能够有效识别所有(n,k,m)卷积码。

基于求解校验序列的(n,1,m)卷积码盲识别

伴随信息对抗和智能通信的快速发展,信道编码识别已成为信息恢复领域一个重要的课题。针对(n,1,m)卷积码盲识别问题,该文提出一种新的识别方法,该方法首先提出了校验序列的概念,通过改进后的矩阵模型求解出校验序列,进而由校验序列构造方程求解出生成多项式矩阵,完成识别。最后,通过实例仿真验证了该方法能够在参数n和码字起始位置都未知情况下有效识别出(n,1,m)卷积码。

基于改进欧几里得算法的1／2码率卷积码盲识别方法

为了适应非合作条件下侦收码序列不完整这一特点，对已有1／2码率的卷积码盲识别多项式模型进行了修正。基于该模型，对经典欧几里得算法进行了改进，提出了一种基于改进欧几里得算法的1／2码率卷积码的盲识别算法，仿真结果验证了该算法的有效性。

一种基于校验矩阵的非系统卷积码识别方法

信道编码识别是通信侦察中的关键技术,针对非系统卷积码现有识别方法存在运算量大、效率低、工程实现难等问题,提出了一种基于校验矩阵的信道编码识别方法,通过建立常用非系统卷积码基本校验矩阵集,将通信侦察系统解调后数据与基本校验矩阵相乘获取校验通过率统计值,再根据匹配阈值确定待侦察系统的编码方式。采用的方法具有运算量小、易于工程实现的优点,理论推导和仿真试验均验证了新方法的有效性,解调误码率为3‰的情况下编码识别正确率优于90%。

卫星通信中常用卷积码的识别方法研究

针对卫星通信系统中常用的系统卷积码和非系统卷积码进行识别研究,建立基于基本监督矩阵的识别方法,推广了码字同步方法适应各种编码率的卷积码起始位置的判定,给出了BPSK和QPSK调制下的相位模糊的处理方法,实现了卫星通信系统中常用卷积码的识别结果的判定,为卷积码识别技术的工程应用提供了技术基础。

基于校验统计的(2,1,m)卷积码盲识别

伴随通信对抗由信号层向信息层的发展,信道编码识别已成为信息截获恢复领域一个亟需解决的问题。针对(2,1,m)卷积码盲识别问题,提出了一种基于校验统计的识别方法,该方法首先通过统计的方法求出最佳匹配的校验矩阵,进而推导出生成多项式矩阵。最后,通过MATLAB实例仿真验证了该方法能够有效识别出所有(2,1,m)卷积码,且具有很好的容错性能。

卷积码盲识别树图遍历算法研究与仿真实验

针对现有卷积码盲识别算法在校验矩阵相同的情况下识别性能不佳的问题,提出一种基于树图遍历的卷积码盲识别算法,并对算法识别准确率进行仿真实验。算法基本思想是:遍历所有可能的输入序列,并依据输入序列构造下一状态,根据输入序列和状态这两个参数在卷积码树图中寻找符合要求的路径,识别出卷积码的输入⁃状态⁃输出转移表,然后构造方程组,估计出生成矩阵。实验结果表明,该算法能够有效地对卷积码进行盲识别,规避了从校验矩阵反推生成矩阵的过程中存在多个可能的生成矩阵的问题。

基于遗传算法的(2,1,m)卷积码盲识别

电子对抗正逐步由信号层向信息层发展,信道编码的识别成为信息截获领域一个重要的课题。针对(2,1,m)卷积码盲识别问题,提出了一种基于遗传算法的识别方法,该方法具有很好的容错性能和快速识别能力。最后,通过MATLAB仿真验证了该方法能够识别出卷积码的校验多项式,进而求得生成多项式。

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。

基于共轭梯度求解代价函数的卷积码参数识别算法

卷积码常作为级联码、Turbo码等高性能编码的子码,正确识别出卷积码的参数是级联码、Turbo码参数识别的基础,这要求卷积码参数识别算法具有较强的抗噪能力。利用解调软判决序列可以有效提高识别算法的抗噪能力。根据递归系统卷积码编码码元间的线性约束关系构造了一个基于指数函数的代价函数模型,将生成矩阵的识别问题转化成求解代价函数极小值的最优化问题,并采用共轭梯度法不断逼近极小点。仿真结果显示,与现有算法相比,所提方法显著提高了抗噪能力,且适用性强、收敛速度快。

一种新的高误码(2,1,m)卷积码盲识别方法

信道编码是数字通信中极其重要的环节,其识别成为信息截获恢复领域一个亟需解决的问题。针对卷积码盲识别问题,提出了一种基于校验匹配统计的识别方法,该方法首先通过统计的方法求出最佳匹配的校验矩阵,进而推导出生成多项式矩阵。最后,通过MATLAB实例仿真验证了该方法能够有效识别出所有卷积码,且具有很好的容错性能。

卷积码的盲识别方法

阐述了随着通信侦查专业的发展导致人们对信道编码的要求越来越高所应运而生的卷积码盲识别技术的基本识别方法和步骤,并介绍了两种卷积码的求解方法。

痕量多组分可燃气体爆炸风险的图谱特征变化趋势识别

当可燃气体浓度含量达到一定程度时,遇到火源就会引起爆炸造成经济损失。通过对可燃气体爆炸风险的特征变化能预测在浓度达到极值前,进行危险判断。提出基于对痕量多组分可燃气体浓度变化图谱特征提取改进算法,对可燃气体浓度图谱特征进行处理,获得归一化后的图谱灰度图像信息;利用局部而知模式提取Gabor图谱纹理特征;最后通过迭代计算采集后的特征。利用卷积运算对不同气体的特征进行分类,利用分类后的结果实现痕量多组分可燃气体浓度的图谱识别。实验证明运用气体图谱特征改进算法对可燃气体浓度特征提取后,通过卷积运算对痕量多组分气体浓度特征识别,能预测出可燃气爆炸的风险趋势变化。

波束形成改进算法在风洞内声源识别中的应用

基于凸优化方法求解波束形成输出、声源分布与阵列点传播函数组成的方程组,改进了声源识别解卷积(DAMAS)算法.基于点声源假设,通过单声源仿真验证了改进算法动态范围的优越性;通过多声源仿真,对比改进算法与DAMAS算法空间分辨率的表现,发现改进算法可以更加准确地定位声源位置且声源强度误差更小.风洞试验结果表明,改进算法比DAMAS算法有着更好的空间分辨率和动态范围.

人员识别定位技术综述

近年来视觉目标识别定位技术逐渐成熟,本文对基于计算机视觉的视觉目标识别定位技术进行综述。首先区分了主动视觉定位和被动视觉定位两大分类,然后重点讨论了被动视觉定位技术。对其中的目标识别检测、人脸识别、行人识别、目标跟踪、行人再识别和多摄像头协作等研究内容分布进行了讨论。

解析信道编码识别技术

信道编码以及其识别技术可以解决在所接收编码信息不全的情况下的编码快速识别问题。在市场中,信道编码对获取信号、无线通信、广播通讯等领域拥有广阔的应用前景。并已经成为当前编码解码学科研究的热点科目。本文根据多年研究与应用,从信道编码的发展历史和应用谈起,详细介绍了信道编码的解码、识别原理以及识别方法,并分析了其优势与不足。希望对我国信道编码识别技术的发展提供一定帮助。

基于改进R-FCN框架的遥感影像飞机目标识别方法

遥感影像飞机目标识别是实现地面特定目标的精准打击、掌握机场军事价值的重要途径.针对飞机识别数据集未充分参照不同条件下飞机几何形态的问题,构建了飞机类型识别数据集,同时为进一步提高识别精度,基于区域全卷积网络(R-FCN)识别框架,提出飞机目标全卷积神经网络(AFFCN)识别方法.通过人工增强方法,扩增包含四种类型飞机影像的数量,构建了每种类型飞机识别数据集;基于深度残差网络能有效区分不同类型目标的性质,提出了飞机目标深度残差网络,并将此网络应用于R-FCN识别框架中,建立了AFFCN识别方法.仿真结果表明,该方法结合本文数据集可以准确地识别遥感影像中的飞机目标.