基于分级降噪的电磁信号调制识别研究

针对低信噪比(Signal to Noise Ratio,SNR)下电磁信号的调制识别效果不佳、调制识别算法复杂度高的问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元的高、低SNR分级降噪方法,同时设计了一种基于SNR分级降噪和卷积长短期神经网络的低复杂度调制识别框架。采用中值滤波对低SNR数据降噪,高SNR数据不做降噪处理,使用卷积长短期神经网络结构提取分级降噪后电磁信号的时间相关性和空间特征。实验结果表明,基于分级降噪的调制识别方法在低SNR下的识别准确率有3%的提升,在高SNR下的识别准确率达到了94.3%,实现了11种调制方式的高精度识别。

基于中心修正网络和分耦检测头的三维目标检测算法

本文提出一种基于中心修正网络和分耦检测头的三维目标检测算法。首先,采用三通道图像块表现形式处理三维输入信息,使用二维检测框滤除背景点,减少数据量;然后,采用基于CSP Darknet模块的中心修正网络将得到的图像块中心对齐到目标坐标系下的真实中心;最后,使用基于1×1卷积的分耦检测头分别对参数化三维包围框的类别和残差值进行分类和回归。实验结果表明,改进的检测算法在KITTI数据集的简单、中等、困难3种模式下的3D平均精度较同类型算法分别提高了2.82,5.54和3.81,取得了较好的检测结果。

基于稀疏度自适应的RIS辅助无线通信系统信道估计

对于RIS辅助的无线通信系统中信道估计算法的研究,提出了DS-SAMP算法,与已有的DS-OMP算法相比,DSSAMP算法应用毫米波信道在角度域的双结构稀疏性,采用SAMP算法进行信号恢复,通过设置合理的步长和阈值使得在运行过程中不需要稀疏度等先验条件,扩宽算法的应用范围。仿真结果显示,DS-SAMP算法能在稀疏度未知的条件下将信号稳定恢复,完成相应信道估计,有显著优势。

一种利用ILSP的同步DS-CDMA信号快速盲解扩算法

针对同步DS-CDMA信号的盲解扩问题,本文提出了一种基于迭代最小二乘投影算法(ILSP)的快速盲解扩算法。本算法首先通过对截获信号的协方差矩阵进行特征分解,估计出由各用户扩频序列张成的信号子空间,然后结合扩频码序列的有限符号集特性,利用ILSP算法消除由特征分解产生的酉矩阵模糊问题,得到扩频序列的精确估计,最后利用估计得到的扩频序列对截获信号解扩得到信息码序列,完成DS-CDMA信号的盲解扩。仿真结果表明本算法在低信噪比条件下具有良好的盲解扩性能,且相较传统算法本文提出算法大大降低了计算复杂度。

基于暗通道先验理论及其改进算法的夜间图像增强处理

针对现有夜间图像增强处理算法对夜间图像处理时图像存在暗区域过度增强、噪声同样被放大及图像失真等导致图像质量变差的情况,结合夜间图像的特点,提出将暗通道先验理论应用于夜间图像增强处理,并对暗通道先验算法中大气光值和初始透射率计算方法进行改进,同时引入导向滤波完善图像细节部分的增强.实验结果表明,基于暗通道先验理论的改进算法对夜间图像处理不仅有很好的视觉效果,在图像结构相似度(SSIM)和图像峰值信噪比(PSNR)也有明显提高,而均方误差(MSE)基本相当.

基于特征融合和MACLNN的通信信号自动调制识别

针对模拟、数字调制方式在简单网络下识别率不高的问题,提出了一种基于特征融合、自注意力机制、并联神经网络的调制识别算法——MACLNN。使用8个统计量特征参数组合和IQ数据分别作为卷积神经网络(Convolutional Neural Network,CNN)和卷积长短时神经网络的输入,由自注意力机制重新分配特征的权重,再通过并联层进行特征融合,最终完成11类调制方式的识别。仿真结果表明,在高信噪比下识别准确率可达到94.1%,使用复杂度较低的模型获得了高于同类算法的识别精度。

基于VMD的高分辨率频率衰减分析算法

准确估计介质高频能量吸收的有效衰减有利于提高烃类检测的准确度。常规高频能量衰减估计算法没有考虑反射系数的影响,地震数据谱的形状(包括幅度、频率和相位)不可避免地受到调谐效应的影响。为了抑制反射系数的影响,校正地震波频谱形状,给出更为准确可靠的衰减估计结果,提出了一种基于变分模态分解(VMD)的自适应鲁棒的能量吸收分析方法。该算法中,首先利用VMD结合平均对数谱距离(ALSD)实现子波函数主导的本征模态函数(IMF)和反射系数序列主导的IMF之间的分离,通过重构获得抑制反射系数影响的频谱;然后,利用动态调整方式实现高频优势频段选取,给出适合重构后窄频带的更为有效合理的衰减优势估计频段;最后,利用最小二乘法给出地震信号的衰减梯度估计值。实际地震数据处理结果表明,基于VMD的频率衰减分析方法能有效检测到隐蔽储层,检测到弱含气响应信号的强振幅异常特征,较传统基于小波变换的衰减梯度估计方法更有效、可靠。

毫米波MIMO系统中基于CNN的混合波束成形设计

混合波束成形是毫米波多输入多输出(MIMO)系统中的关键技术,提出了一种基于深度学习的方法来克服复杂性问题且提升系统性能。首先,利用无约束波束成形的相互正交性,对基带波束成形加以正交性的约束后确定等效波束成形器从而通过相位提取来获得模拟波束成形器的相位,将获得的输出插入到基于卷积神经网络(CNN)的混合波束形成(HBCN),HBCN使用的可行集中;其次,HBCN是将天线选择和混合波束成形器设计作为CNN的分类、预测问题,在天线选择上将信道矩阵作为输入,找出最优子阵列,合成的子阵信道矩阵再反馈给CNN来获得模拟和基带波束成形。最后,仿真结果显示,对比传统算法,能够得到更好的频谱效率和更低的复杂度。

基于VTI介质弹性参数的页岩脆性预测方法及其应用

大量的科学研究表明,页岩的脆性对油气储层的各向异性、储集能力、渗透性和可改造性等具有重要的影响,因此岩石的脆性预测成为了评价页岩气藏的重要内容。实验测试分析也已经证实,页岩的脆性与岩石中的矿物含量和孔隙结构等影响力学性质的因素密切相关。Rickman等(2008)提出了基于弹性参数的脆性系数计算方法,融合了力学参数杨氏模量和泊松比。然而,目前计算杨氏模量和泊松比的方法均以各向同性介质为前提,受此局限,脆性系数计算公式必然不能精确地描述复杂介质中的脆性特征。为此,引入Thomsen(2013)提出的VTI介质弹性参数计算方法,推导出隐含了各向异性参数ε,γ和δ的脆性系数计算公式,从理论上直接把页岩的脆性和各向异性密切地联系了起来,较好地诠释了现实中脆性页岩存在各向异性的岩石物理特性。将该方法应用于四川盆地西部新场-孝泉地区须家河组五段页岩气的开发实践中,结果表明脆性系数高值异常区储层脆性较强,能有利于在优质储层中识别出"脆性甜点"储层。预测结果与现仅有的两口页岩气专层井吻合良好。

激发深度和检波器耦合对近地表Q值估算的影响分析

激发深度和检波器耦合效应会影响地震信号的频谱特征。基于实际微测井资料研究地震波主频变化特征可知,不同深度激发获取的地震子波主频相差近55Hz,检波器耦合效应使地震子波严重缺失低频信息,且高频部分出现类似"陷波"现象。基于地表一致性理论,定量地模拟了不同激发深度以及不同检波器耦合条件对近地表Q值估算结果的影响,结果表明,激发深度差异与检波器耦合差异会大幅度降低近地表Q值估算的精度。在大港ZY地区实际双井微测井数据采集过程中,通过选取合适的井下检波器接收深度以及制作井下助插器等方法保障井下检波器耦合效果,并采用共激发点资料消除激发条件差异带来的影响,提高了近地表Q值的估算精度。

小波域能量分类约束极化滤波法及应用

小波域能量分类约束极化滤波法是一种根据面波强能量、椭圆极化率大的特点,在小波域借助瞬时极化分析手段,对多波地震信号进行面波压制的滤波方法。该方法结合了能量、频率、视速度、极化属性四参数联合压制面波,在最大可能压制面波的同时,保留与面波频带混叠的有效波信号,是低信噪比多分量资料处理中压制面波的有效方法。采用该方法对川西拗陷新场地区的多分量地震资料进行了处理和参数分析,结果表明小波域能量分类约束极化滤波法能有效地对低信噪比多波多分量资料进行面波压制,同时能很好地保留有效信号,并且其处理效果受极化率压制阈值影响较大。

基于地震波多尺度吸收属性的页岩气识别方法

在对地震信号进行连续小波变换的基础上,采用多尺度吸收属性描述地震波在含气性良好的优质页岩中传播时产生的能量衰减异常现象,建立新的页岩气识别方法,并通过理论分析与模型实验证实了该方法的科学性和有效性。将该方法应用到井研—犍为地区筇竹寺组页岩气识别中,获得了与实钻情况较吻合的应用效果。

可实时更新任意函数和图形波形的发生器IP核设计

基于直接数字频率合成(DDS)原理、可编程片上系统(SoPC)技术和Avalon总线规范,结合软件编程技术,设计了一个通过PC软件可实时产生任意函数表达式波形和人工图形绘制波形的任意波形信号发生器。该信号发生器包括具有独特调制方法及多功能DDS IP核设计、用于通信控制接口的NiosII软件设计和函数波形产生与图形波形编辑的PC软件与界面设计。给出了4种设计波形与实际输出波形的测试验证结果。在该信号发生器运行时,通过PC端上位机软件可十分方便且实时地更新波形,并通过函数方式与图形方式相结合,真正实现任意波形信号的产生。

群智感知系统中基于鲸鱼优化算法的任务分配

为降低工人成本、提高工人效率,研究工人在线时间为弹性的群智感知场景。采用模糊机会约束规划方法对工人在线时间进行建模,根据延时与否引入延时成本与空闲成本;由于对应问题为组合优化问题,属于NP-hard问题范畴,结合鲸鱼优化算法设计两阶段任务分配算法进行求解。实验结果表明,与其它算法相比,所提算法具有更高的工人效率,较之于固定在线时间,弹性在线时间下工人效率更高,成本更低。

移动群智感知中任务分配的研究

随着内置高性能传感器的移动智能终端的广泛应用,新兴的移动群智感知技术逐渐成为实时感知与收集环境信息的有效方式。为协调与鼓励用户参与感知任务,并最大限度地保证感知数据的有效性与可靠性,针对移动群智感知相关研究中的关键问题——任务分配进行了研究。首先介绍移动群智感知的相关背景;其次,根据感知任务的要求对任务分配的约束条件进行分类;然后讨论与分析了任务分配的研究现状,包括平台为中心的优化算法设计以及用户为中心的激励机制设计;最后指出现有研究工作中的不足,展望了未来的研究方向。

移动群智感知系统中基于离散布谷鸟搜索算法的任务分配

针对移动群智感知系统中工人积极性低以及任务过期的问题,提出了基于初始成本和软时间窗的任务分配算法。对应的任务分配问题为NP-hard问题,不存在计算有效的最优算法,因此,基于离散布谷鸟搜索算法(DCSA)进行求解。首先,根据问题特征,分别设计了对应的全局搜索过程以及局部搜索过程。其次,根据任务与工人起始位置的距离以及时间窗大小,分析其优先级以便得到更好的解。最后,执行可行化操作,使各次任务分配均满足相关约束。仿真结果表明,与遗传算法和贪婪算法相比,基于DCSA的任务分配算法能够提升工人的参与积极性,解决任务过期的问题,并最终降低系统的总成本。

改进混沌方程及其多混沌新型图像加密方法

针对传统混沌系统Lyapunov指数低和混沌性差、图像加解密性能不够高的问题,提出了一种改进Feigenbaum混沌方程,与Logistic和sine混沌方程共同构建了一个多混沌新型图像加密系统,并在加密过程中使用多级像素扩散较好地打破了图像像素的关联性,有效提高了图像加密系统的安全性。加解密综合分析与仿真实验表明,在8位灰度图像中该加密方法的信息熵值最高能够达到7.9993,加密后的相关性值最低可达10-3,且能抗多种攻击。

基于组合滤波的压缩感知穿墙雷达杂波抑制

针对压缩感知穿墙雷达成像过程中受壁杂波污染严重等问题,提出了一种组合滤波的杂波抑制算法。该算法利用小波预处理、统计信号滤波法相结合的方式对回波信号进行处理,通过动态阈值分段弱正交匹配追踪进行稀疏迭代求解。在强壁杂波存在的情况下,组合滤波法能够有效地消除杂波检测出墙后目标。实验结果表明,该算法与传统单一主成分分析、奇异值分解和经验模态分解滤波相比,所成雷达像的子杂波比分别提高了1.57、1.52、1.26倍。

基于GhostNet残差结构的轻量化饮料识别网络

YOLOv4-Tiny目标检测网络算法存在参数多和计算量大等问题,无法部署在资源有限的平台上。提出一种基于GhostNet残差结构的主干轻量级目标检测网络算法YOLO-GhostNet。该算法采用GhostNet结构将普通卷积分成两步,即使用较少的卷积核生成一部分特征图,对生成的特征图通过简单计算获得另一部分特征图,并将两组特征图进行拼接,以减少计算所需资源与参数量。通过GhostNet构建残差结构的YOLO-GhostNet算法在经过批量归一化层优化后模型尺寸只有2.18 MB,较YOLOv4-Tiny算法模型尺寸减小90%。YOLO-GhostNet算法在GPU加速环境下平均处理图片速度比YOLOv4-Tiny算法提高24%,CPU处理速度比YOLOv4-Tiny加快56%。实验结果表明,该算法在饮料测试集中的平均精确度均值达到79.43%,相比YOLOv4-Tiny算法,其在精度无损失情况下能够大幅降低网络计算量和参数量,同时加快推理速度,更适合部署于资源算力不足的嵌入式设备。

前馈反馈Smith预估模糊PID组合温度控制算法

针对单纯反馈与传统PID算法的温度控制系统存在调节时间较长、超调量大、参数调整繁琐、干扰影响严重、闭环稳定性差的问题。利用前馈控制原理,将干扰测量出来并通过前馈控制器,调节控制量大小,消除干扰影响。引入Smith预估补偿器,抵消特征方程中的滞后项e-τs,保证大滞后系统的闭环稳定性。结合模糊PID算法,实现参数自整定,降低超调量,减少调节时间。使用Matlab中的Simulink工具箱进行仿真验证后结果表明:前馈反馈Smith预估模糊PID组合控制算法不仅消除干扰的影响,还保证大滞后系统的闭环稳定性,使超调量σ降为0,调节时间ts减少518.02 s、上升时间tr减少90.43 s、延迟时间td减少9.6 s,使整个系统的响应速度更快,稳定性更强。