一种敌我识别辐射源暂态信号指纹特征提取方法

信号的指纹特征是辐射源个体识别的重要依据。针对敌我识别辐射源的个体识别问题，提出了一种基于双树复小波和多重分形的信号暂态特征提取方法。该方法通过双树复小波变换实现信号多分辨率分解，求解分解信号Hilbert谱的信息熵和指数熵，计算信号的多重分形奇异指数和谱值，最终组成表征辐射源的特征向量。通过实验验证，提取的特征向量能充分代表辐射源个体之间的差异；被测信号的信噪比满足8 dB或9 dB的条件时，对辐射源的识别正确率能达到90%以上。统计分析表明该方法提取的特征具有很高的稳定性。     

基于分形盒维数的双门限合作频谱感知方法

在信号分形盒维数特征的基础上,提出利用噪声与授权信号分形盒维数的差异对授权 用户是否存在进行检测。为了使合作感知性能趋于更优,多用户采用双门限策略进行分步合 作。该方法运算复杂度低,对噪声不敏感。仿真结果表明,双门限合作相比单门限分形盒维 数检测 和能量检测,系统检测率更高,所需频谱感知时长较短, 同时减轻了融合控制中心以及传输 信道的负荷。     

基于对角切片特征提取和深度学习的辐射源识别

针对复杂电磁环境下辐射源识别率低的问题,提出基于对角切片特征和深度学习的辐射源识别算法。利用辐射源信号双谱的个体特性,提取信号双谱对角切片特征作为深度学习模型的输入数据,采用Softmax分类器进行辐射源识别。仿真实验利用两部同型辐射源进行测试,结果表明该算法能识别个体辐射源,在低信噪比条件下也能获得高的辐射源识别率;相比于其他识别算法,双谱对角切片特征有更鲁棒的分辨性。     

子块均点特征分形快速图像压缩编码

分形图像压缩根据图像特有的自相似性，利用压缩仿射变换消除图像数据冗余度，进而实现图像压缩，实现较高的压缩比。然而，分形图像压缩编码具有计算复杂度高、运行时间过长的致命缺点，对于图像信息量巨大的当今社会来说不具有实用性。为解决基本分形压缩编码耗时过长的问题，提出了子块均点特征分形压缩编码算法，利用该算法将基本分形压缩编码的全搜索转为局部搜索，限定搜索范围，减少定义域块的搜索，在客观质量稍作牺牲的基础上加快了编码速度。将所提算法分别与五点和特征算法、1-范数特征算法、欧式比特征算法以及双交叉算法进行比较，仿真结果表明，在时间稍逊的情况下，所提算法在客观质量（Peak Signal-to-Noise Ratio,PSNR）上更优。     

一种改进的BPSK/QPSK信号调制识别算法

提出了一种基于顺序统计量特征的二进制相移键控/正交相移键控（BPSK/QPSK）信号调制识别算法。对观测信号进行平方并做离散傅里叶变换运算，将变换结果取模后去除最大值得到修正频谱，并取修正频谱的最大值作为识别特征量，利用恒虚警准则确定判决门限，将识别特征量与门限比较来完成对BPSK和QPSK两种调制信号的识别。计算机仿真表明，当信噪比适度时，所提算法可对BPSK及QPSK两类信号进行有效识别。当信噪比大于1 dB时，算法的平均识别正确率达到90%以上。     

基于二维非参数特征分析的SAR图像目标识别

在分析传统Fisher线性鉴别分析局限性的基础上,由图像的行信息和列信息提出了两 种形式的二维非参数特征分析 (2DNFA)的特征提取方法,并应用于SAR图像目标的识别。直 接在SAR图像矩阵上使用非参数特征分析提取特征不仅能充分发挥非参数特征分析的性能而 且保留了图像矩阵的结构信息,大大降低了散度矩阵的维数,减小了运算量。使用美国MSTA R计划录取的数据对算法进行了仿真验证,实验结果显示两种形式的二维非参数特征分析在 较低特征维数下的识别率均可以达到98%以上,表明所提方法的有效性和正确性。     

基于瞬时频率畸变特性的FSK电台指纹特征提取

为解决FSK电台个体识别问题,需要从辐射源信号上提取特征构成辐射源指纹。通过 分析构成FSK电台的各个模块的畸变特性,阐明了FSK电台指纹产生机理,建立了基于瞬时频 率的指纹信号模型,并根据信号模型设计了基于辅助参数的最小二乘算法以完成FSK频率畸 变特性参数的估计,从而构建指纹特征完成对FSK电台的识别。对仿真信号和实际信号的识 别测试试验表明,该算法具备辐射源个体识别能力,对实际环境下的4个FSK电台的识别率大 于96%,优于双谱类方法。     

基于积谱矩阵局部二值模式的欺骗干扰识别

针对跟踪雷达的三种常见欺骗干扰,提出了一种基于积谱矩阵(SPM)局部二值模式（LBP）的识别算法。首先,计算雷达接收信号不同脉冲重复周期（PRI）的积谱,并将其按照频域和慢时域排列成一个二维积谱矩阵。然后,将图像处理的纹理特征引入到欺骗干扰识别的算法中,采用局部二值模式提取二维积谱矩阵的灰度图像特征。最后,通过仿真实验验证了算法的正确性,当雷达接收信号的信噪比（SNR）大于5 dB时,该欺骗干扰识别算法的平均识别概率优于90%。     

同频段混合信号中的无人机信号盲检测识别

无人机信号的探测识别技术是应对无人机黑飞滥用的关键技术之一。在实际信号监测环境中，经常会接收到多个信号的混合信号，它们在时域和频域上混叠且各信号分量调制样式相同。为解决在同频段混合信号中检测识别出无人机信号的问题，提出了一种通过谱特征分析判断无人机信号存在性的方法。分别采用基于二次方谱特征的无人机图传和WiFi混合信号检测识别算法以及基于频谱带宽特征的多无人机混合信号检测识别算法，通过对射频电路采集的信号进行仿真验证，实现了从同频段混合信号中检测识别出无人机信号分量。理论分析和实验测试结果证实了所提检测识别算法的有效性。     

基于循环谱和高阶累积量的联合模式识别方法

为完全识别当前卫星通信采用的主要调制方式,结合循环谱和高阶累积量两种信号调制识别方法的特点,提出了一种联合识别算法。该算法将循环谱特征加入到高阶累积量识别法中,联合多种特征参数判决构建识别器,首先利用循环谱完成ASK、FSK、PSK信号的类间识别以及FSK信号的类内识别,在此基础上利用高阶累积量方法完成FSK、PSK信号的类内识别。仿真结果表明,该算法能够完全区分卫星通信中主要的调制模式{ASK、2ASK、2FSK、4FSK、BPSK、QPSK},在信噪比高于5 dB时识别率达88%以上。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

接收机畸变对辐射源指纹识别的影响

在辐射源个体识别技术应用中，接收机指纹和发射机指纹相互影响相互耦合，造成辐射源指纹库依赖于特定接收机，无法在不同接收机之间通用。针对此问题，对典型超外差接收机的滤波器、放大器畸变分量对接收信号指纹的影响进行了理论分析与实验验证。理论分析证明发射机和接收机的滤波器、放大器分量对于接收信号整体的畸变影响是等价的；实验中，利用两台超外差接收机对5台发射机进行个体识别测试验证，更换接收机前后，滤波器、放大器特征识别正确率分别从100%、95.5%降到20%，证明了接收机畸变分量对发射机指纹识别具有严重影响。该研究成果可为后续辐射源个体识别接收机设计以及接收机畸变校正提供理论依据。     

基于人工智能的足迹识别与特征提取

针对战场感知及侦破现场中传统人工主观经验检验与识别模式误差较大的问题，提出了一种基于人工智能的足迹识别与特征提取方法。采用三维形貌重构系统进行足迹图像采集，并将数字图像处理算法与传统足迹检验法结合，提取足迹的区域关系特征和形状长度特征，进而采用支持向量机的模式识别方法对提取的特征进行立体足迹身份鉴别对比实验。实验结果表明，所提方法准确率超过人工鉴别准确率，达到99.1%，可应用于战场感知及侦破现场足迹准确检测与识别，也可推广应用于人体身份鉴别的相关领域。     

采用积分二次相位函数的雷达脉内调制类型识别

为了在低信噪比条件下获得较好的识别准确率,提出了一种基于积分二次相位函数（IQPF）的识别分类方法。根据不同信号的调频斜率的正负值完成信号的预分类,然后再利用不同信号的IQPF峰值-能量比以及功率谱估计实现信号的自动化分类。给出了识别流程图并进行了仿真实验,结果表明,该方法在信噪比大于-3dB时,其识别正确率达到90%以上,证明了方法的有效性和可行性。相关研究为雷达脉内调制类型的识别提供了一种切实可行的方法,具有一定的应用价值。     

基于卷积神经网络自编码器结构的空时分组传输方案

为提高现有端到端通信系统的泛化能力和可靠性，提出了一种基于卷积神经网络的空时分组码（Space-Time Block Coding，STBC）多输入多输出通信系统物理层方案。该方案将通信系统物理层表述、调制和解调过程联合起来形成端到端自编码器系统，引入多层一维卷积层，分别构建发射机和接收机，并扩展为多天线模式。为进一步提高系统可靠性，合理规划网络结构和参数，联合信号的调制和编码方案，优化了系统模型。仿真实验表明，针对瑞利相关衰落下多输入多输出（Multiple-Input Multiple-Output，MIMO）信道应用场景，训练模型可以实现传统STBC系统的误码性能，两发两收系统在发送端相关系数为0和0.9时分别优于传统系统0.5 dB和1 dB。此外，经过优化后的系统可获得采用卷积编码的性能改善效果，其两发两收不同工作方式优于传统1/2码率卷积编码STBC系统1~3 dB。     

一种MPSK信号调制方式分类的新方法

本案涉及美籍华人利用虚设的公司以及虚假的贸易活动,勾结中国银行纽约分行发放贷款的相关人员,利用其贷款授信方面的漏洞,骗取中国银行巨额贷款。被起诉后,又企图利用诉讼程序方面的理由进行狡辩。本文对该案的基本案情、法庭推理作了归纳,并就相关问题进行了简评。     

Rethinking the Role of Value Communication in Business Corporations from a Sociological Perspective – Why Organisations Need Value-Based Semantics to Cope with Societal and Organisational Fuzziness

Why is it so plausible that business organisations in contemporary society use values in their communication? In order to answer this question, a sociological, system theoretical approach is applied which approaches values not pre-empirically as invisible drivers for action but as observable semantics that form organisational behaviour. In terms of empirical material, it will be shown that business organisations resort to a communication of values whenever uncertainty or complexity is very high. Inevitably, value semantics are applied in organisations first when the speakers are uncertain about which stakeholders to whom they have to address (uncertainty) or when different stakeholder groups have to be addressed simultaneously (complexity); second, when the identity of the organisation has to be described; and third, when future strategic options that cannot be expressed by quantitative terms have to be communicated. Values accordingly play a role in organisational practice when certain aspects are indeterminate. Therefore, they are a means for organisations to communicate under fuzzy circumstances. On the basis of these findings, new approaches to value management can now be formulated.     

应用于TTNT信号的树形信道化数字接收机

在确定频点参数的情况下，采用信道化接收机能够准确高效地实现对跳频信号的接收，其中树形结构接收机既保证信道间具有一定独立性，同时结构灵活。将该结构应用于战术目标瞄准网络技术（TTNT）数据链信号的接收，设计了TTNT信号非均匀分布的16个跳频频点的树形多级结构数字化接收机。分析了该结构的运算量大小，并通过仿真实验验证了该结构的可行性。仿真结果表明，树形多级级联结构相对于多相离散傅里叶变换（DFT）滤波器组结构运算量有所增加，但结构灵活，能够有效地分离出TTNT不同频点的信号，实用性更强。     

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。