利用前馈人工神经网络边界判决实现分类

基于人工神经网络理论，提出了一种新型的利用边界判决实现分类的方法．该方法不需要被判边界的显式数学模型，而是通过对所提供的样本实例数据进行学习训练，提取出无法用数学模型表达的实际分类规则．并将其用于二维平面的边界划分中，仿真结果表明了该方法的有效性．

基于不同解码类型的8PSK软解调算法研究

无线宽带系统常采用多进制调制来提高频谱利用率,同时根据应用的环境,选用卷积码或者Turbo码作为差错控制编码来对抗传输信道的噪声和衰落的影响。在信道解码的过程中,为了提高解码增益,译码时需要软解调信息,一般采用对数似然比LLR作为软解调的输出信息。LLR通常采用经典的欧式距离计算方法得到,但是这种方法运算量大、处理时间长、实现成本高。为了解决这个问题,设计了边界判决法和星座点合并法来计算LLR,最后通过仿真比较了简化前后算法的性能,并给出了实际应用的效果。

巡航导弹的被动声检测与分类技术

给出了一种基于被动声信号处理技术的巡航导弹被动声检测与分类技术。在检测目标时 ,综合利用目标声信号与环境信号的能量、过零率及线谱对频率的变化量构成多边界判决函数 ,在分类时提取Mel倒谱特征参数 ,利用隐马尔可夫模型进行分类。通过对实际的 4类目标噪声信号进行检测和分类实验 ,结果令人满意 ,证明了该方法的优越性和工程应用前景。