基于模糊函数相像系数的雷达辐射源信号分选

针对当前的雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题,提出一种新的分选算法,对接收到的信号求取其模糊函数,并将其简化为二维特征图,构造一矩形脉冲序列与一三角形脉冲序列,分别求二维特征与两个脉冲序列的相像系数,将求取的相像系数作为分选的特征参数.由于不同信号的模糊函数区别较大且受噪声的影响小,所以转换后的相像系数可分性强、稳定度高,大量的仿真验证了新方法的优越性,在信噪比为10dB时,分选准确率最低为90%.

基于双谱二维特征相像系数的雷达信号分选

针对现有方法分选准确率不高和对噪声敏感的问题,应用双谱二维特征相像系数实现了低信噪比下未知复杂雷达信号的高准确率分选。对接收到的信号首先提取双谱幅度谱,并将其简化为二维特征,然后构造一矩形脉冲序列与一三角形脉冲序列,分别求二维特征与两个脉冲序列的相像系数,最后将求取的相像系数作为分选的特征参数。由于不同信号的双谱区别大且对高斯噪声不敏感,因此,转换后的相像系数可分性强、稳定度高,仿真验证了新方法的优越性,在信噪比为10 dB时,分选准确率最低为90%。

基于相像系数的雷达辐射源信号特征选择

提出一种基于相像系数(RC)的特征选择新方法,给出了RC的定义和基于RC的类别可分离性判据,描述了 基于RC和量子遗传算法的雷达辐射源信号特征选择算法,设计了神经网络分类器,并将该方法与基于距离准则的顺序前 进法(SFSDC)和吕铁军的方法(GADC)作了特征选择和分类识别的对比实验。结果表明,本文方法无需事先指定最优特征 子集的维数,能可靠有效地选择出最佳特征子集,不仅大大降低了特征向量的维数,简化了分类器的设计,而且获得了比 原始特征集、SFSDC和GADC更高的正确识别率和识别效率。

基于频谱相像系数的间歇采样转发干扰识别

正确的干扰识别是采取有效抗干扰措施的前提和基础,文中针对间歇采样转发干扰的识别问题,提出了一种基于频谱相像系数和支持向量机的干扰识别方法。通过对目标回波及干扰信号的模型及频谱进行分析,挖掘回波与干扰信号频域上的差异,提取频谱相像系数特征,并利用支持向量机进行分类识别。仿真结果表明:相像系数特征参数类间分离度好、不易受噪声及实验次数影响,将其作为干扰识别的特征参数,得到的识别准确率较高,可以为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。

基于改进相像系数和奇异谱熵的雷达信号分选

脉内特征提取是新体制雷达辐射源信号分选的关键问题,文中针对现有方法分选准确率不高和对噪声敏感的问题,提出了一种基于高次频谱相像系数和频域奇异谱熵特征的分选新方法,实现了低信噪比下雷达辐射源信号的高准确率分选。对接收到的信号提取高次频谱相像系数特征以及奇异谱熵特征,并将两者作为分选的联合特征向量,运用K-means聚类算法实现对不同调制方式的雷达辐射源信号的分选。仿真结果表明:改进后提取的信号特征类间的分离度大且受噪声影响程度小,在信噪比为-2 dB的情况下,该算法的总体平均分选准确率在85%左右,不同调制类型信号间的分选准确率最低为80%。与现有方法相比,文中提出的算法具有更好的信号识别效果。

论纳博科夫《绝望》的两个“相像性”及其真实意图

纳博科夫在《绝望》中,通过对两个"相像性"的书写,表现了自己对于现实的批判,展示了自己对艺术与生活关系的理解。第一个"相像性"存在于赫尔曼与菲利克斯之间,小说由此批判了人类社会对于"同一性"的追求造成了个体的扼杀,对于生命的践踏;第二个"相像性"即艺术和生活之间的"相像性",纳博科夫彻底地解构了艺术的神圣光环,掐断了艺术本身对于人类社会现实的反映、批判和拯救之路。由此,纳博科夫表达了自己内心深处的双层"绝望"。

基于特征加权与相像系数聚类的有源压制干扰分类技术

为了提高雷达有源压制干扰识别正确率,提出一种特征加权与相像系数聚类的分类方法。针对分类过程中所提取特征参数对信号分类的权重不同,引入特征加权的概念。利用灰色关联度算法求取各特征权重,避免部分微弱特征对分类结果产生较大影响。最后利用相像系数聚类算法,对雷达有源压制干扰信号进行了分类识别。通过Matlab仿真实验证明,该方法可以有效提高雷达有源压制干扰信号类型的识别率。

基于模糊关系相似与相像的一点注记

首先给出了二元模糊关系的预备知识,然后分别探讨了二元模糊关系的相似关系及相像关系的特殊性质、相关定理以及二者之间的联系,最后用实例说明了相似与相像关系的区别及联系。

基于多尺度相像系数的雷达干扰类型频域识别

提出了一种基于多尺度相像系数和最小二乘支持向量机的雷达干扰类型频域识别算法。在频域内,利用小波分解技术,提取干扰信号的能量分布与参考目标回波信号的能量分布在不同尺度下的逼近相像系数和细节相像系数,作为干扰信号的多尺度相像系数,并利用K-最近邻、BP神经网络和最小二乘支持向量机识别干扰信号的类型。实验结果表明,该算法可以有效地提取反映干扰信号能量分布的本质特征,针对不同类型的雷达干扰信号取得了较好的识别结果。

基于相像系数与SVM的雷达辐射信号分选技术

提出一种基于相像系数与二叉树支持向量机的雷达辐射源分选新方法。通过构造基本序列，提取辐射源信号与其的相像系数得到分选特征向量。采用聚类分析中的均值距离来生成二叉树，将分类器分布在各个节点上，构成了多分类支持向量机，减少了分类器数量和重复训练样本的数量。仿真实验结果表明，该方法能用较少的特征获得较高的正确识别率。

“福建土楼”影像在故事片中的空间表征探析

在中国电影研究空间转向的语境下,越来越多特色区域地缘文化与电影之间互动共生的关系被学界所重视。“福建土楼”是福建地区的特色民居,凝结着客家居民独有的空间意识与宗族文化,被称为“东方古城堡”。2008年“福建土楼”被列入《世界遗产名录》之后,越来越多的故事片中出现了“福建土楼”影像,而其中并置的空间表征成为了富有价值的探析对象。现实世界中作为“原相像”的“福建土楼”原生空间,与电影世界中作为次生影像的家园空间、奇观空间、禁锢空间,共同完成了对故事片中“福建土楼”影像的言说与构建。

支持向量机在雷达辐射源信号识别中的应用

为了提高电子对抗设备的信号识别能力，采用相像系数法提取雷达辐射源信号特征，并引入支持向量机完成信号自动分类识别．相像系数法在大信噪比范围内稳定性好、分辨能力强．支持向量机分类器结构简单、可获得全局最优、泛化能力强．实验结果表明，基于相像系数和支持向量机的辐射源信号识别方法在大信噪比（5～20dB）范围内，错误识别率最低可达2．68％，优于传统识别方法．

基于小波包变换和特征选择的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需要,提出一种基于小波包变换和特征选择的雷达辐射源信号识别新方法。先采用小波包变换进行特征提取,再采用基于量子遗传算法的相像系数特征选择法来挑选出小波包特征中分辨能力强的特征。仿真实验结果显示,该方法用较少的特征能获得较高的正确识别率,具有一定的参考价值。

基于网格聚类的复杂雷达信号分选

雷达辐射源分选是电子战系统的关键技术之一。为了解决传统基于五大参数方法不能有效分选高密度复杂雷达信号的问题,提出一种将表征信号脉内特征的相像系数作为分选参数投影到网格空间中以实现聚类的雷达信号分选新方法。新方法能够有效分选信号参数严重交叠的复杂雷达信号,在信噪比较低的情况下仍具有较高的分选准确率。模拟仿真验证了算法的有效性。

基于多特征参数的雷达信号调制方式识别方法

提出一种以盒维数、信息维数、相像系数为分类特征识别雷达信号调制方式的方法。这些特征包含了信号的幅度、频率、相位、整体走势(或者轮廓)、波形复杂度和不规则度的细节信息,集中体现了不同调制方式的差异。同时,利用特征自身的类内距离小、类间距离大的特点先聚类分离部分调制方式,最后通过基于粗集的支持向量机分类器进一步分类识别。通过4种典型雷达辐射源信号的特征提取与分类识别的仿真试验,表明基于本方法的调制信号识别正确率高,具有一定的工程应用价值。

基于脉幅信息的相控阵体制雷达识别技术

相控阵体制雷达在现代战争和现代国防体系中发挥越来越重要的作用,运用载频,脉宽和重频等常规参数识别相控阵体制的雷达对先验知识的依赖程度较高。针对此问题,文章在分析相控阵体制雷达的工作特点和工作原理的基础上,探讨了雷达对抗侦察设备截获的信号脉冲幅度信息的变化规律,通过提取脉冲幅度向量与三角脉冲向量的相像系数,实现相控阵体制雷达的自动识别。实验仿真结果验证了该方法的有效性和可行性。

绿竹BoCOBL基因的分子特征及其表达分析

为探讨COBRA相像蛋白(COBL)在竹子细胞发育过程中的作用,采用RT-PCR和RACE技术,从绿竹(Bambusa oldhamii)叶片中克隆到1个COBL同源基因BoCOBL(GenBank登录号:EU247930),cDNA全长为1743 bp。序列分析表明,BoCOBL编码含451个氨基酸的COBL蛋白,其N端具有1个明显的跨膜螺旋结构,C端具有1个糖基磷脂酰肌醇锚定蛋白信号序列,属于糖基磷脂酰肌醇锚定蛋白家族,为典型的膜蛋白。通过构建BoCOBL::GFP融合表达载体,并转化到烟草(Nicotiana tabacum)悬浮细胞中,表达分析表明BoCOBL::GFP融合蛋白定位于细胞膜上,而对照GFP的分布无特异性,证明BoCOBL基因编码的蛋白为膜蛋白。组织特异性表达分析表明,BoCOBL基因的表达模式为组成型,在根、茎、叶片和叶鞘中均有表达,但在茎中的表达丰度略低。这为深入研究BoCOBL基因在竹子中的功能奠定了基础。

基于谐波小波包变换的高速列车走行部故障特征提取与识别

文章针对高速列车行走部故障识别难的问题,提出了一种基于谐波小波包分解和相像系数的故障特征提取与分类识别方法,用谐波小波包分解法对各类故障信号进行多层分解,从中提取能反映各类故障特征的频带能量信息组成特征向量,通过计算和比较信号特征向量与不同故障特征向量的相像系数,实现对故障的识别与分类。实验结果表明,该方法能有效地识别列车正常、空气弹簧失气、抗蛇形减震器全拆及横向减震器全拆4种情况,同时在不同速度下均取得了满意的识别率,验证了该方法的有效性。

一种新的雷达辐射源分选算法

未知信号分选是当今信息战中一项重要技术。基于相像系数的分选可以根据信号重频的调制方式不同将信号进行分类,而PRI(pulse repeat interval)变换法作为一种经典的依据到达时间进行分选的算法具有其独特的优势,但这2种方法都有各自的缺陷。采用将相像系数和PRI变换相结合的算法,首先计算雷达脉冲信号的频谱与矩形信号和三角信号的相像系数,随后依据相像系数采用模糊C均值法对信号进行聚类,最后依据PRI对聚类后的信号进行分选。模拟仿真验证了方法的有效性。

基于多参数联合判决的雷达信号调制特征识别

根据雷达辐射源信号的不同特性,提取其非线性相位方差、瞬时频率统计直方图、瞬时频率方差和相像系数等特征量,对单载频、线性调频、非线性调频、频率编码和相位编码等常用雷达辐射源信号调制形式进行多参数联合判决。仿真结果表明,该算法在低信噪比下,仍能够自动准确地识别雷达信号脉内特征。