基于物联网通信与机器学习的智能客服系统研究

当前智能客服系统功能模块的结构多为单向,客服服务效率较低,导致客服服务单元平均耗时延长,为此提出对基于物联网通信与机器学习的智能客服系统的设计与验证研究。根据当前的测定需求及标准,先构建复位电路,接入客服数据+语音收发装置,完成系统硬件的设计;采用多阶的方式,提升客服服务效率,设计物联网多阶通信+机器判定功能模块,与机器学习数据库关联,完成系统软件的设计。最终的系统测试结果表明:根据图4,完成对测试结果的分析:针对选定的5个测试小组,通过三个阶段进行测试,最终得出的客服服务单元平均耗时被较好地控制在0.2s以下,说明在物联网通信技术与学习技术的辅助下,当前所设计的智能客服系统针对性与稳定性更高,具有实际的应用价值。

基于无监督学习的计算机通信网络异常数据流辨识方法

当前,计算机通信网络异常数据流辨识矩阵的辨识效率有限,导致漏辨个数不断增加。为此,文章对基于无监督学习的计算机通信网络异常数据流辨识方法进行了设计和验证。首先,提取了异常数据流特征,在多状态的背景下提升了辨识效率,同时设置了多状态特征辨识矩阵。其次,设计了无监督学习通信网络异常数据流辨识模型,采用了动态跟踪核验实现数据流辨识处理。测试结果表明,导入4组虚拟的辅助网络异常数据流指令在3个周期内实现了异常数据流辨识,最终将漏辨个数控制在6个以内,说明该方法在无监督学习的辅助和支持下更为精准与高效,应用效果得到了明显提升,且针对性较强,具有创新意义。

利用主成分分析的通信调制识别通用对抗攻击方法

深度学习容易被对抗样本所攻击。以通信调制识别为例,在待传输的通信信号中加入对抗性扰动,可以有效防止非合作的用户利用深度学习方法识别信号的调制方式,进而提升通信安全。针对现有对抗样本生成技术难以满足自适应和实时性的问题,通过对数据集中抽取的小部分数据产生的对抗扰动进行主成分分析,得到适用于整个数据集的通用对抗扰动。通用对抗扰动的计算可以在离线条件下进行,然后实时添加到待发射的信号中,可以满足通信的实时性要求,实现降低非合作方调制识别准确率的目的。实验结果表明该方法相对基线方法具有更优的欺骗性能。

基于多域特征融合的通信辐射源个体识别方法

为解决利用单一特征进行通信辐射源个体识别识别率不高的问题,提出一种基于多域特征融合的通信辐射源个体识别方法。提取通信辐射源发射信号的多个变换域特征,并组合这些特征为多域特征。构建多通道卷积神经网络,利用多通道卷积操作对多域特征进行深层次提取。通过神经网络的分类器,完成对通信辐射源个体的分类。在低信噪比和瑞利信道条件下,使用所提方法对20个CC2530设备进行识别。研究结果表明:与基于单一特征的辐射源个体识别方法相比,该方法充分利用了通信辐射源发射信号的多个变换域特征,结合神经网络的强大细微特征挖掘能力,实现了对通信辐射源个体的有效识别;该方法能够显著提升在低信噪比的识别准确率和时效性,在0 dB条件下的识别效果仍可达到91.01%。

综合通信导航识别系统中的多链路超短波通信的研究

超短波通信是综合通信导航识别系统的重要功能之一,综合通信导航识别系统属于航空电子系统,具有多种功能,可用于通信、飞机导航与识别,获得成员信息的速度快,能更好的适应电子战环境,系统总体性能强,可实现多链路超短波通信,对保障飞行有重要作用。本文对综合通信导航识别系统作分析,探讨多链路超短波通信的实现情况。

基于改进SVM的通信干扰识别

目前直扩通信系统的抗干扰算法仅能够针对一种干扰类型进行抑制,因此有必要对各类干扰进行识别,从而选取相应的抑制算法。针对通信干扰的识别方法进行研究,建立基于SVM算法的通信干扰识别模型。常规SVM算法性能依赖于参数选取,而常规SVM算法参数选取多是通过人工经验选取,存在较大的随机性和盲目性,因此该文使用遗传免疫粒子群优化SVM算法,提高算法和识别模型的性能。使用Matlab针对研究的通信干扰识别模型进行仿真。研究结果表明,所建立的通信干扰识别模型性能优于常规SVM算法和BP算法建立的识别模型。

基于功能综合的模块化通信导航识别系统总体设计

针对直升机和高级教练机对轻小型机载通信导航识别(CNI)系统的实际需求,从孔径、射频信道及信号处理、系统控制及数据处理三个层面分析了现有联合式和综合化通信导航识别(ICNI)系统架构的技术特点,提出"分布式信道处理、综合化控制管理"的设计思想,搭建了一种全新的基于功能综合的模块化通信导航识别(MCNI)系统架构,并给出了硬件构型及软件框架。实际工程应用表明,在同样功能配置的情况下,该架构在系统重量、体积、功耗等方面优势明显,可为其他平台CNI系统设计提供借鉴。

基于双谱与特征选择的通信辐射源识别算法

针对基于双谱提取信号细微特征进行通信辐射源识别存在的问题,提出一种新的基于双谱的辐射源个体识别算法。分析并利用双谱的对称性,在有效区域内,沿主、副对角线方向进行积分,提升积分运算效率;利用特征选择的方法,选出对分类识别贡献大的积分值,组成特征向量。分别利用实测辐射源信号以及记忆多项式模型产生的仿真信号进行识别实验,选用巴氏距离选择双谱以及改进矩形积分双谱两种方法,从抗噪声性能、算法稳定性以及复杂度方面与文章方法进行对比。实验结果证明了方法的有效性。

FlexRay总线在模块化通信导航识别系统中的应用

针对新型模块化通信导航识别(MCNI)系统对高质量数据通信的实际需求,从总线速率、实时性、可靠性、可扩展性等方面分析了现有几型总线存在的适配性问题,提出将新一代FlexRay总线技术应用到MCNI系统中,构建了基于双通道冗余拓扑构型的全新的MCNI系统总线架构,并给出了总线时隙分配和硬件框图。实验结果表明FlexRay总线传输速率可达10 Mb/s,能在重负荷情况下为MCNI系统提供实时可靠的信息交互,可为其他模块化传感器系统总线设计提供借鉴。

综合通信导航识别系统中的多链路超短波通信的实现

介绍了综合化航电系统的发展与特点。为解决在综合化系统中实现超短波通信功能的问题,以及实际使用中多条通信链路同时工作的情况,基于综合化设计方法与软件无线电设计原理,提出了功能与模块实现方案,对系统关键指标进行分析与测试,验证了方案的可行性。

利用小波变换特征提取的通信辐射源个体识别方法

为解决非协作通信条件下对通信辐射源的个体识别问题,提出了一种基于小波变换特征提取的个体识别方法。该方法对非协同通信的接收信号进行小波变换,通过计算类间分离度筛选最优小波基提取特征向量,并根据特征分布选取特定小波基下的小波系数复杂度作为信噪比参考值辅助个体识别。仿真结果表明,在信噪比变化的环境中及通信辐射源个体差异较小的情况下有较好的识别效果,从而验证了该方法的有效性。

结合ITD与非线性分析的通信辐射源个体识别方法

信号细微特征提取是通信辐射源个体识别技术的关键。考虑到实测辐射源信号具有非线性、非平稳的特点,通过对信号时间序列复杂度的分析,提取一些非线性动力学参数作为指纹特征,进行辐射源个体识别。首先利用固有时间尺度分解(ITD)算法,对原始信号进行分解,利用相关系数选出若干合适的信号分量;之后提取每层信号分量的排列熵,近似熵以及样本熵组成特征向量,并通过实验优化相关参数的选择,最后采用支持向量机(SVM)对信号进行分类识别。利用实测舰船信号进行细微特征提取及分类实验,与一些细微特征提取方法对比,在信号种类增加时,本方法识别性能更优,证明了多尺度分析提取非线性参数的有效性。

基于功能分区的综合通信导航识别系统设计

介绍了通信导航识别(CNI)系统的发展与现状。基于功能分区的综合化设计方法与软件无线电设计原理,提出了ICNI系统的实现方案,并详细描述了该方案所涉及的关键技术。最后,对本方案设计的ICNI系统的关键指标与联合式CNI系统进行对比分析,验证了该方案的先进性。

基于最大相关熵的通信辐射源个体识别方法

采用相关熵度量辐射源细微特征之间的相似性,提出一种基于最大相关熵的通信辐射源个体识别方法。首先提取矩形积分双谱特征来表征辐射源个体差异,并基于最大相关熵准则构造优化函数;其次利用半二次优化技术,将非线性的优化问题转化为加权线性最小二乘问题;最后利用有效集算法得到稀疏系数构造分类器,实现通信辐射源的个体识别。在实际采集的同厂家同型号的FM电台数据集上,验证了方法的可行性与有效性。

水下综合通信定位识别一体化技术研究

目前,我国在潜艇、无人潜航器等水下平台的信息保障能力较弱,急需提升潜艇、无人潜航器等水下作战平台的作战威力、生存能力和作战灵活性,实现水下作战平台间及水下平台与水面作战平台间协同作战能力。本文对国外水下通信网络的发展情况进行了研究,对水下综合通信定位识别一体化技术的发展趋势提出了设想。

一种稳健的通信辐射源个体识别方法

通信辐射源个体识别是目前通信对抗领域研究热点与难点问题,相对于雷达辐射源,通信辐射源信号弱、瞬时特征不明显导致个体识别更复杂、更困难。利用通信辐射源信号的长时谱统计特性,提取信号功率谱峰值特征和包络模板,构造通信辐射源个体特征向量,通过朴素贝叶斯分类算法与个体特征矢量相结合,在训练样本数目足够大的条件下可进行有效识别。测试实验表明,识别方法稳健有效,可在信噪比5 d B情况下实现93.7%的正确识别概率。

通信电台识别中权系数自动设置技术的研究

不同类型的电台可以有相同的战术参数,但技术参数由于通信方式的不同会有较大的差异,因此分战术参数和技术参数分层识别电台。在战术参数识别的基础上,进行技术参数匹配,实现对电台整体识别。两层识别中,均利用粗糙集理论进行属性约简,提取核心属性,计算其重要性,以此自动设置各核心属性的权系数。仿真结果表明该算法是有效的,能提高电台识别的正确率。

通信辐射源个体识别中基于l_2正则化的最大相关熵算法

为了衡量通信辐射源细微特征间的相似性,提出基于l_2正则化的最大相关熵通信辐射源个体识别算法.首先提取通信辐射源信号矩形积分双谱特征表征辐射源个体差异,并构造基于l_2正则化的最大相关熵准则的优化模型.然后利用半二次优化方法,将非线性的优化问题转化为加权线性最小二乘问题.最后利用有效集算法得到稀疏系数,并利用系数的判别信息构造分类器,实现通信辐射源的个体识别.在实际采集的同厂家同型号的FM电台数据集上验证文中算法的可行性与有效性.

基于排列熵分形维数特征提取的通信辐射源个体识别

为解决通信辐射源个体差异小、识别困难的问题,对功率放大器非线性特征进行建模,提出了一种改进的基于排列熵分形维数特征提取的通信辐射源个体识别方法.该方法对接收信号进行相空间重构得到能够反映信号细微变化规律的相对排列熵值,通过盒维数、信息维数对排列熵进行进一步特征提取用于通信辐射源个体识别.仿真结果表明,在低信噪比环境及通信辐射源个体差异较小的情况下仍有较好的识别效果,从而验证了该方法的有效性.

一种便携式交通信号灯识别系统

以智能移动设备为应用平台,利用触摸屏幕作为人机交互界面,结合相关算法,设计便携式交通信号灯识别系统,实现交通信号灯颜色的准确识别。实验结果表明,所设计的系统对道路的交通信号灯颜色,综合识别率达到94%以上,满足视觉障碍人员出行应用需求。