A NEW DIGITAL MODULATION RECOGNITION METHOD USING FEATURES EXTRACTED FROM GAR MODEL PARAMETERS

Based on the features extracted from generalized autoregressive (GAR) model parameters of the received waveform, and the use of multilayer perceptron(MLP) neural network classifier, a new digital modulation recognition method is proposed in this paper. Because of the better noise suppression ability of the GAR model and the powerful pattern classification capacity of the MLP neural network classifier, the new method can significantly improve the recognition performance in lower SNR with better robustness. To assess the performance of the new method, computer simulations are also performed.

从GAR模型参数提取特征的数字调制识别新方法

本文提出了一种从观察序列的广义自回归(GAR)模型参数提取待识别信号的伪瞬时中心频率和伪瞬时3dB带宽特征,并利用神经网络分类器的数字调制识别新方法。这种方法充分利用了GAR模型良好的抗噪声能力和神经网络优异的模式分类能力,能有效地改善低SNR条件下的调制识别性能。计算机模拟结果证实了该方法具有很高的识别率和良好的稳健性。

系统性金融风险对经济增长的影响及政策调控效果

稳增长与防风险是监管当局目前关注的重点。本文基于在险增长模型(GaR)考察了系统性金融风险对经济增长的影响,并从系统性金融风险的高低状态方面探讨了影响的异质性,同时探究了不同类型宏观政策对经济脆弱性的调控效果。研究结果表明,首先,从系统性金融风险对经济增长的影响来看,系统性金融风险对经济下行风险的影响比对经济上行风险的影响更为明显,系统性金融风险对经济增长的短期影响较长期影响更明显。其次,从系统性金融风险的潜在状态来看,高系统性金融风险状态会降低经济增长,低系统性金融风险状态会提高经济增长。最后,从政策调控效果来看,紧缩性价格型货币政策会提高经济脆弱性,宽松性数量型货币政策会降低经济脆弱性,宽松性财政政策会提高经济脆弱性。本文将系统性金融风险与经济增长纳入统一框架,为实现稳增长与防风险的动态平衡提供参考。

一种新的ATM网VBR视频业务模型

许多研究工作表明ＶＢＲ视频业务的每帧信元数服从Ｇａｍｍａ分布，但是考虑这一性质的视频业务模型却很少．本文提出一种新的视频业务模型，一阶自回归Ｇａｍｍａ序列，它的取值是Ｇａｍｍａ分布的随机变量，文中给出ＧＡＲ模型的定义及有关性质．对ＧＡＲ（１）视频模型的参数估计方法也作了研究．仿真实验结果说明本文提出的ＧＡＲ（１）模型比以前的模型更能反映视频业务的特点，利用此模型产生仿真数据相当简便准确．

基于灰度共生矩阵纹理特征的SAR图像分割

同时考虑SAR图像局部灰度均值和方差及像素空间分布特征等统计量,在以灰度共生矩阵产生的纹理统计量为特征所生成的图像上,建立多分辨双Markov-GAR模型,采用多分辨MPM的参数估计方法及相应的无监督分割算法,对SAR图像进行纹理分割。该方法用于一些高分辨SAR图像,其分割精度及分割边缘的平滑度均优于基于灰度图像上的多分辨双Markov-GAR模型纹理分割。

京津冀区域制造业与物流联动发展现状及对策研究

基于DEA-Malmquist指数模型对京津冀三地2010—2019年制造业与物流业全要素生产效率进行测算,对计算出的全要素生产率建立GAR模型,测算京津冀三地制造业效率与物流业效率之间联动效率,并结合制造业、物流业、两业互动、政府统筹规划等方面的问题,针对京津冀区域制造业与物流业联动效率测度结果提出有针对性的建议,使京津冀物流业能够更好地服务京津冀制造业。

准噶尔盆地玛北地区三叠系百口泉组沉积模式

准噶尔盆地西北缘玛北地区三叠系百口泉组储层发育于扇三角洲沉积环境,岩石类型复杂,储层的储集性能主要受不同沉积微相下岩性相的控制,然而沉积微相与岩性相之间的匹配关系复杂。因而,建立沉积微相与岩性相相匹配的沉积模式对该区储层主控因素的研究及储层预测具有重要意义。通过岩心精细观察、薄片鉴定、测井及录井资料分析,结合研究区沉积背景和构造环境,在强调岩性相和沉积微相之间的配置关系并考虑沉积物的粒度、颜色、沉积构造、沉积微相及经历的成岩作用等特征的基础上,划分了11种主要的岩性相类型:水上泥石流砾岩相、水下主河道砾岩相、辫状河道砂砾岩相、水下河道砂砾岩相、水下泥石流砂砾岩相、平原河道间砂泥岩相、水下河道间砂泥岩相、水下河道末端砂岩相、河口坝-远砂坝砂岩相、前扇三角洲粉砂岩相和前扇三角洲泥岩相。在岩性相特征、剖面岩性相及剖面沉积相特征研究的基础上,结合沉积序列、沉积结构和沉积构造等特征,建立了能够反映研究区主要沉积环境及沉积特征的沉积微相与岩性相相匹配的沉积模式。在此基础上,研究了三叠系百口泉组各段沉积微相与岩性相相匹配的平面展布特征。百口泉组3个段在研究区主要发育扇三角洲平原及前缘亚相。其中,百一段扇三角洲平原主要发育砾岩相,扇三角洲前缘主要发育砂岩相;百二段下部扇三角洲平原主要发育砾岩相,扇三角洲前缘以砂岩相为主、砂砾岩相为辅;百二段上部扇三角洲平原以砾岩相为主、砂砾岩相为辅,扇三角洲前缘以砂岩相为主、砂砾岩相为辅;百三段扇三角洲平原以砂砾岩相为主、砾岩相为辅,扇三角洲前缘以砂岩相为主、砂砾岩相为辅。

用灰色自回归模型预测稻瘟病

灰色自回归模型（ＧＡＲ）是将灰色系统模型（ＧＭ）与自回归模型（ＡＲ）结合起来的一类预测模型，它弥补了ＧＭ与ＡＲ的不足。本文叙述了该模型的建模方法，建立了江西省临川县１９６２～１９８７年稻瘟病年发病程度的ＧＡＲ模型，检验合格后，对该县的稻瘟病发生程度进行了多年预测（１９８８～１９９２）。运用模糊集合隶属函数对这几年的预测准确性进行评定，结果表明预测较为准确。文末还就ＧＡＲ模型用于稻瘟病预测的条件和特点进行了讨论。

服装工程智能化技术技能型人才培养模式的研究——以烟台南山学院为例

随着智能制造时代的到来,在传统劳动密集型产业转型升级之际,企业对服装智能化技术人才的需求愈加急切。本文通过探索服装工程智能化技术技能型人才培养模式,旨在寻求一条校企共育、科创并举,满足智能制造企业人才需求的创新发展的道路,构建以岗位需求能力培养为主线的技术技能型人才培养模式,实现学校的专业链与区域经济社会、智能服装产业链的对接,提升学校专业与行业产业的符合度、依存度和共享度,进而提高专业建设和人才培养的社会满意度。同时总结我校服装工程专业智能化技术技能型人才培养改革的经验,为其他高校服装专业转型发展提供借鉴和参考。

基于GAR的同信道多信号的调制识别

为了解决同信道多信号的调制识别问题,提出了一种基于广义自回归(GAR)建模的调制识别方法。该方法利用观测数据的GAR模型参数估计各个待识别信号的短时平均中心频率和短时平均带宽,把一个多信号的调制识别问题转化为多个单信号的调制识别,并利用信号的短时平均中心频率和短时平均带宽的统计量作为特征输入到分类器,完成各个信号的调制类型识别。计算机仿真结果表明,当待识别信号在频域没有重叠或者部分重叠时,该方法都是有效的。

基于随机抽样与距离判别的GARTEUR模型修正与确认研究

提出了一种基于随机抽样技术与距离判别分析的结构有限元随机模型修正(SMU)方法,并将其应用到GARTEUR飞机模型的有限元模型修正过程中。传统的模型修正方法以灵敏度分析及优化分析方法为核心,对有限元模型的输入参数进行修正。而本文的随机模型方法充分考虑了有限元建模过程与试验测量中普遍存在的不确定性,利用Monte Carlo抽样方法进行大量的随机抽样实验,完成不确定性从输入参数向输出特征的传递分析;在参数修正过程中,利用距离判别分析计算试验与仿真两个数据集之间的统计学差异,并通过迭代程序逐步修正输入参数使仿真数据逐步收敛于测量数据;利用径向基函数,在修正过程中引入代理模型,在保证精度的同时大大降低了随机模型修正的计算量。利用MCS.Patran的二次开发语言PCL开发了随机抽样实验的相关程序,并可以自动收集数据用于参数修正的迭代运算。通过普遍认可的三级确认准则对GARTEUR有限元模型可靠性进行了确认分析,结果表明提出的随机模型修正方法具有可行性和工程应用价值。

耦合神经网络与元胞自动机的城市土地利用动态演化模型

目前,元胞自动机(CA)已越来越多的被应用于城市以及其他复杂地理现象的模拟与预测中,CA建模最大的问题就是确定其复杂的空间变量及参数,即转换规则的确定。利用人工神经网络训练研究区域,以自动获取模型参数,以Matlab为开发平台,构建模型,并对喀什市城区进行实证研究,构建了该市的土地利用动态演化模型。经分析表明:此方法能极大的缩短获取空间变量的时间,且能获得更高的研究精度,能较精确地模拟城市发展过程,对城市未来发展进行较准确的预测,可为城市规划提供依据。