基于多尺度残差网络和小波变换的LPI雷达信号识别

针对复杂战场电磁环境下的低截获概率（Low Probability of Intercept,LPI）雷达信号识别问题,提出了一种基于小波变换和多尺度残差网络的识别方法。首先利用离散小波变换提取LPI雷达信号的时频特征;然后利用多尺度残差网络的多层特征提取网络对输入信号进行深层自主学习,以获取原信号时频数据的分布式特征,从而实现对雷达信号的识别预测。在不同信噪比条件下对不同调制样式信号进行实验,证明了所提方法的可行性与有效性,以及较高的识别率和泛化能力。     

基于延迟自相关特性的码速率测量技术

通信信号的识别与解调是通信侦察的重要研究内容，在通常情况下，通信信号的很多参数并不知道。本文介绍了一种基于通信信号码延迟自相关特性的码速率测量技术，并给出了码速率测量理论分析及基于硬件的实现技术，仿真和实验结果表明本方案具有较高的测量性能。     

基于FPGA的多模式通信信号解调及自适应位同步技术

通信信号的识别与解调是通信侦察的重要组成部分。本文在假设侦察识别过程已经完成,且调制模式主要为FM、FSK、BPSK和QPSK四种方式,码速率在一定范围内变化的前提条件下,讨论这四种不同模式通信信号的解调技术,在解调中引入自适应的位同步技术,保证解调结果的正确输出。整个系统各模块基于FPGA实现,便于编程、修改以及升级改进,利于移植。     

基于时域调制域特征的IFF模式5信号识别

针对Mark XIIA系统模式5信号处理的需求,对模式5信号的格式和基本特征进行了分析,提出了一种基于模式5信号时域和调制域特征的识别方法。该方法通过提取模式5信号脉冲时域参数和对脉冲进行MSK解调,获取模式5前导脉冲时域参数脉宽和前导脉冲固有的16位MSK解调结果0111100010001001来完成模式5信号前导脉冲识别,并根据前导脉冲偏移值特点优化了模式5信号框架匹配算法流程,实现了模式5信号的识别处理。Matlab仿真和硬件实现验证了方法的有效性,当满足一定信噪比条件时,识别正确率可达100%。     

分离通道联合卷积神经网络的自动调制识别

针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法。该算法通过结合深度学习中卷积神经网络(CNN),分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类。仿真结果表明,相比基于CNN的算法,所提算法在高信噪比下针对两个数据集的识别率分别提升7%和18%;此外,相比于基于特征提取的传统识别算法,其高阶调制识别性能平均提升3 dB。     

一种用于信号分析的数字正交解调电路设计

阐述了数字正交解调的原理以及与传统模拟正交解调相比所体现出的优越性。详细介绍了一种用于信号分析的数字正交解调电路设计方案和工作原理，并结合信号分析类仪器的特点和要求说明电路的硬件和软件设计方法。通过对数字滤波环节的仿真和在具体应用中所得到的实验结果说明设计电路的优越性。     

一种适用于低轨星载通信侦察系统的解调方法

介绍了低轨星载通信侦察的特点,针对侦察中多普勒变化率相对信号带宽较大时传 统技术无法跟踪和解调PSK信号的问题,提出一种基于改进的三阶锁相环的解调方法和实现 途径,并使用该方法研制了解调软件,在实际工程中进行了成功应用,满足了低轨卫星侦 察系统对该类信号解调的需求。     

GMSK信号的后解码相干解调

为提高现有通信系统中高斯最小频移键控（GMSK）信号的接收性能，提出了一种基于后解码的GMSK相干解调方法。对于接收到的GMSK基带信号，首先完成相位和载波的同步，将信号的初始相位补偿到零相位；然后通过交替抽取GMSK基带信号的虚部与实部幅度采样值完成信息提取；最后通过后续解码处理完成信号解调。仿真表明，在误码率为10-3时，基于后解码的GMSK解调性能仅比预编码GMSK相干解调差0.5 dB，与传统基于维特比迭代处理的GMSK相干解调性能基本相当，但算法实现更为简化，有利于在现有非相干解调GMSK通信系统中的性能提升实现。     

宽带直扩信号的随机解调压缩采样方法

为了有效解决扩频测控通信系统宽带化带来的高速采样压力和高数据率问题,提出了基于压缩感知的直扩信号随机解调压缩采样方法。通过对模拟信号压缩采样原理进行研究,深入分析和推导随机解调采样原理及其数学模型,提出了基于压缩感知的直扩信号采集系统构架,并对压缩比取值影响因素进行了分析;给出了随机解调压缩采样系统硬件实现方案,并对其可行性进行了分析;最后对所提出的直扩信号压缩采样方法的性能进行了仿真分析。仿真结果表明,压缩采样系统可以实现直扩信号的压缩采样处理,并能够高精度重构原信号,但重构信号的解调门限会随压缩比增大而相应提高,这是采样率降低所需付出的代价。压缩采样为宽带直扩测控通信系统提供了一种高效的模数转换和同步解调处理思路。     

一种针对压缩域信号的新型锁相环技术

针对通信信号压缩采样获得的压缩域信号频率、相位提取问题,提出了一种基于压缩感知的新型锁相环技术。通过深入研究压缩域的信号估计问题,提出了压缩域锁相环路,可以直接在压缩域同步跟踪信号频率和相位变化,不再需要高复杂度的信号重构处理。分析了环路模型及其估计性能,并针对该锁相环可行性和性能分别进行了仿真实验。仿真结果不仅验证了压缩域锁相环的可行性,同时表明该环路能够实现高动态信号的高精度频率提取。压缩域锁相环的应用潜力较大,例如可以作为压缩感知通信接收机的同步解调方法。     

深空通信中的喷泉编译码技术

针对深空通信长时延、误码率和丢包率大、上下行链路带宽不对称和链路易中断等特点,提出利用喷泉码的编译码技术解决上述问题。阐述了喷泉码的编译原理、类型、典型应用、关键技术,并提出利用喷泉码不需要反馈的思想,将喷泉编码与深空通信中的协议技术相结合,以简化协议,减少确认-重传过程,缩短长距离文件传输时延,增大系统的吞吐量。     

催化裂化油浆深加工产品及应用

本文介绍了我国催化裂化外甩油浆综合利用情况并对油浆制得的产品的应用情况进行了探讨。     

Neural network approximation for superhedging prices

This article examines neural network-based approximations for the superhedging price process of a contingent claim in a discrete time market model. First we prove that the α-quantile hedging price converges to the superhedging price at time 0 for α tending to 1, and show that the α-quantile hedging price can be approximated by a neural network-based price. This provides a neural network-based approximation for the superhedging price at time 0 and also the superhedging strategy up to maturity. To obtain the superhedging price process for $t>0$, by using the Doob decomposition, it is sufficient to determine the process of consumption. We show that it can be approximated by the essential supremum over a set of neural networks. Finally, we present numerical results.     

煤焦油加工技术现状及深加工方向

介绍了国内煤焦油的发展现状、加工工艺流程、技术路线、市场需求、投资与效益及煤焦油深加工的主要发展方向,指出了产、学、研一体化是整合企业技术发展与高校科研力量的有效途径。     

金融危机下美国加大对华反补贴的深层根源分析

世界金融危机的爆发和全球经济的衰退,直接影响到全球贸易活动的萎缩,贸易保护主义兴起。尤其是美国开始频频对中国采取反补贴措施,将对中国的外贸和产业发展带来重要影响。本文提出:中美贸易顺差的不断扩大是美国加大对华反补贴的直接因素、中美之间产业分工格局导致不同产业贸易竞争力失衡是客观因素、美国贸易政策的政治化倾向是美国加大对华反补贴的特有背景、中国长期发展模式积累的弊端是引致国外反补贴的内在原因。     

基于深度学习的毫米波系统波束成形

针对高移动用户在毫米波系统中用户与基站之间频繁切换增大延迟开销问题,提出了一种新颖的集成深度学习协调波束成形（Deep Learning Coordinated Beamforming,DLCBF）解决方案。该方案通过协调多个基站同时为一个移动用户服务,接收用户上行导频序列和预编码码本训练模型,进而预测最佳下行波束向量,克服了大型天线阵列毫米波系统中选取最佳波束成形向量需要的巨大训练开销。仿真结果表明,所提方案与传统的毫米波波束成形策略相比有更高的频谱有效率。     

构建新发展格局下物流业与制造业深度融合发展研究

物流业与制造业深度融合发展是构建新发展格局的必然要求,近年来一些地方进行了积极实践,探索了多种深度融合发展模式。两业融合发展不仅有助于推动制造业的转型升级和创新业态模式的融合,而且有助于物流业与制造业的降本增效,提升经济社会整体效益。在构建新发展格局的背景下,应加强物流业与制造业深度融合发展的规划、加强物流业与制造业深度融合发展的要素保障、加快物流业与制造业供应链综合服务商的培育、注重制造业供应链体系全球化专业化水平的提升,不断推动物流业与制造业深度融合发展。     

走向深空--测控通信的发展方向

在传统的贸易模式下,我国经济和贸易的快速增长带来很多负面效应, 引起“三高一低”,即原材料的高强度消耗、高度污染、对国外市场的高依赖及低附加值,我国需要“三低一高”的新贸易模式来解决这些问题。本文通过图表和数据说明了旧贸易模式的危害及在旧贸易模式下我国处于不利地位,我国需要转变原有的贸易模式,并总结了将旧贸易模式转变为新贸易模式的途径。     

未来影响东北粮食物流的因素分析

随着国民经济的发展、农业生产结构的调整以及粮食行业面临市场化、产业化、国际化趋势的影响,未来的东北粮食物流必将产生阶段性的变化。本文主要分析了东北粮食主产区的产能、铁路及港口的运力、粮食供应结构的调整等因素对未来东北粮食物流的影响。     

基于LSTM深度学习的大豆期货价格预测

面对越来越复杂的金融市场环境,以传统统计学和计量学为主的时间序列预测模型在发现序列中的长期依赖关系方面存在一定局限性,而深度学习中的长短期记忆(LSTM)网络有望克服这一问题。通过构造一个多层LSTM网络价格预测模型,使用中国2007—2019年大豆期货价格数据进行了实证研究。结果显示,参数调优对LSTM网络模型预测效果有着较大影响,其中影响较大的主要参数包括迭代次数、学习率、窗口大小和网络层数等;与ARIMA模型、MLP模型、SVR模型相比,LSTM网络模型的预测结果准确性更高,在拟合优度(R-2)上分别提高了1.064%、2.147%、1.674%。LSTM网络模型在价格预测方面的良好表现,为预测大豆期货价格提供了新思路。