【摘 要】
：
现代雷达所面临的干扰环境日益复杂,由类型多样、参数多变的有源干扰信号通过加性组合方式构成复合干扰难以识别和抑制,成为雷达的主要电磁威胁。传统的复合干扰识别方法基于人工分析和提取特征,识别率不高、操作困难且扩展性较差,只能识别特定复合干扰样式。针对这一问题,基于深度学习方法的深层表征能力对复合干扰进行识别成为新的解决途径,具有良好应用前景。本文针对复合干扰的分类识别问题,提出基于残差网络的多标签分类
论文部分内容阅读
现代雷达所面临的干扰环境日益复杂,由类型多样、参数多变的有源干扰信号通过加性组合方式构成复合干扰难以识别和抑制,成为雷达的主要电磁威胁。传统的复合干扰识别方法基于人工分析和提取特征,识别率不高、操作困难且扩展性较差,只能识别特定复合干扰样式。针对这一问题,基于深度学习方法的深层表征能力对复合干扰进行识别成为新的解决途径,具有良好应用前景。本文针对复合干扰的分类识别问题,提出基于残差网络的多标签分类模型（ML-Res Net）,实现了对复合干扰的准确分类,相比传统特征提取和单一标签分类方法取得更好的效果。针对复合干扰语义分割问题,提出复合干扰全卷积语义分割模型（CJ-FCN）,在干扰类型识别的基础上,实现对干扰时频分布的分割与估计。全文主要内容概括如下:1.复合干扰数据集的设计和建立。对7类雷达干扰建模,使用加性组合方式产生多种复合干扰。通过信号和图像处理手段得到统一格式的复合干扰信号样本。在不同干噪比点下设置多组参数,构建时频重叠方式不同的复合干扰,最终建立复合干扰分类数据集和语义分割数据集。2.基于特征提取的复合干扰识别。分析不同干噪比下复合干扰的时域、频域、时频域特征,选择区分度高的特征应用于支持向量机分类器,实现对复合干扰的简单分类,可作为多标签学习方法的对照。3.复合干扰的单一标签/多标签识别。首先对复合干扰使用唯一的标签编码,在残差网络（Res Net）基础上实现了对复合干扰的分类识别,仿真表明准确率达到90.8%;其次,在Res Net的基础上引入多标签学习（Multilabel Learning）,提出MLRes Net模型,对复合干扰使用多个非互斥的标签标注,在不同的标签判决门限下,复合干扰类型准确率最高可达95.5%,标签准确率超过97.5%。相较于单一标签的Res Net模型,ML-Res Net模型识别率更高、收敛速度更快,可以识别更多类别的干扰,扩展性更强。4.复合干扰时频域语义分割。实际应用场景中复合干扰组合方式多样,除干扰类别外,还需对干扰时频域相对位置信息进行有效估计。本文采用全卷积网络（FCN）和改进模型CJ-FCN实现了对复合干扰的语义分割,对干扰时频图的逐像素预测准确率超过98%,同时获取了复合干扰的时频域相对位置信息,为后续的抗干扰处理提供支持。
其他文献
震惊世界的新冠肺炎疫情已经影响并波及到不同国家的许多领域（特别是经济领域）。在这种情况下,历史制度主义中的关键节点理论提出了社会发展转型的可能性,这可能会开启新的增长路径。新冠肺炎是一个具有全球性意义的事件,但缺乏对非洲大陆新冠肺炎的研究,本研究基于Capoccia和Kelemen（2007）和Hogan（2006）关键节点理论,采用探索性研究方法,对比研究了非洲四个国家（加纳、尼日利亚、乌干达和
雷达（Radio Detection and Ranging,Radar）作为一种远距离目标的探测手段,在军事领域有着极其重要的地位。为了提高雷达系统在复杂时变环境下的自适应能力,智能化雷达通过构建接收机到发射机的信息反馈机制,结合知识与数据联合驱动的人工智能技术,有效提高了雷达对新环境、新目标和新任务的自适应能力,智能化雷达的发展已然成为下一代雷达的研究热点。本文旨在研究智能化雷达在目标跟踪场景
肯尼亚的银行业竞争非常激烈,2020年该行业拥有42家银行,而1960年只有3家银行。该行业更加全球化,客户更加意识到他们所拥有的权力,因此,银行需要通过广告以抢夺市场份额。银行面临着许多挑战,如技术进步、全球化进程和放松管制的挑战。这些挑战迫使银行不断适应变化。这些市场力量结合在一起,为银行创造了激烈的竞争环境。迫使他们适应不断变化的市场条件和消费者需求,因此银行需要在创新和营销策略方面具有创造
无论是人工智能把人类带向何处，还是人类把人工智能带向何处，本质都是通过探讨人工智能与人类智能的关系来探究“人类发展向何处去”的问题。在这一问题上，马克思主义视角具有整体的审视优势。人工智能对人类发展的“围困”实则彰显人类生存新境遇，如果在新的境遇下不能有更好的发展则是围困，如果能利用新的境遇完成人类的自我进化则是解放。从解放的视角看，随着人工智能的发展，人类发展必将从轻度智能到深度智能、从物质小康
在当今复杂的交通道路环境中,自动驾驶与辅助驾驶系统成为保障司乘安全提升驾驶舒适性的一项重要技术。作为辅助驾驶系统中的核心传感设备之一,毫米波雷达在目标探测方面具备全天候高可靠的特点。使用毫米波雷达实现对道路目标的分类识别,可有助于辅助驾驶系统的决策单元充分感知行车环境,从而得出有效的辅助驾驶策略。本文围绕使用毫米波雷达对行人、非机动车、中小型机动车以及大型机动车等道路交通主体目标进行精准识别这一问
本研究主要从酒曲中筛选适合米酒发酵的产香酵母,然后利用产香酵母进行纯菌种的米酒发酵,对其产香条件进行响应面优化分析,最后在产香酵母中加入酿酒酵母、米酒曲分别混合发酵,研究不同菌种组合发酵米酒对风味的影响。结果如下:（1）产香酵母的分离筛选。利用YEPD、三丁酸甘油酯固体培养基从不同酒曲中分离筛选产酯相对较高的酵母菌。再利用耐受性试验对酵母菌进行复筛。结果发现GKD-2最高能耐受14%乙醇,GKD-
新闻文本分类是长文本分类的典型问题，因此提取词与词之间的关系特征就尤为重要.提出了基于双向Transformer编码表示的预训练模型（Bidirectional Encoder Representations from Transformers, BERT）和双向长短时记忆网络（Bi-directional Long Short-Term Memory, BiLSTM）以及注意力机制的对抗训练分类
分布式雷达系统,是当前一个十分重要的雷达研究方向,这种模式的雷达系统的工作方式是在地面大范围内布置多个雷达节点,并以软件为主体,在多个平台或系统上实现控制和数据处理。这种工作方式下的雷达系统具有高探测能力、高抗干扰能力、高抗截获能力和高实时性等多方面的优点。本文主要以分布式MIMO（Multiple Input Multiple Output）雷达为研究对象,对目标探测技术和相应的实时软件系统做了
随着现代数字通信系统的广泛应用,信道编码参数盲识别的重要性也日益凸显。信道编码参数的盲识别,是在对接收或截获的数据几乎没有任何先验信息的前提下,对接收或截获到的数据进行编码类型和编码参数的识别,从而为后续的信道译码以及进一步的信号与信息处理奠定基础。卷积码属于信道编码的一种,与线性分组码相比在相同码率下性能更加优异且应用广泛,在自适应智能通信、军事侦察和电子对抗等领域,卷积码参数的盲识别都发挥着至
处于互联网时代,网络视频内容日益增加,人们对其质量要求也越来越高。由于原始视频内容数据量相当大,现有的硬件存储设备与网络传输设备并不足以担当起网络视频存储与传输的重任。因此视频编码技术被提出用于压缩视频内容,从而减少网络视频的存储容量以及降低其传输占用的带宽。视频编码技术主要从视频信号的数据冗余和视觉冗余两方面进行压缩视频内容。为了更好的优化编码效率,视频编码技术使用有损压缩技术,以一定的客观失真