123,123

基于S變換的雷達(dá)脈內(nèi)調(diào)制特征提取方法[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)利用常規(guī)參數(shù)進(jìn)行復(fù)雜體制雷達(dá)輻射源信號(hào)分類(lèi)識(shí)別存在的問(wèn)題，提出一種基于S變換的雷達(dá)脈內(nèi)調(diào)制特征提取方法。將S變換引入雷達(dá)脈內(nèi)信號(hào)分析中，首先提取信號(hào)S變換時(shí)頻圖像的不變矩特征；然后針對(duì)其在BPSK和QPSK信號(hào)分類(lèi)上的不足，提出了基于S變換峰值包絡(luò)特征提取方法；最后用支持向量機(jī)作為分類(lèi)器進(jìn)行分類(lèi)實(shí)驗(yàn)。仿真結(jié)果表明，在一定信噪比范圍內(nèi)，提取的特征具有較好的聚集性和可分性，對(duì)6種雷達(dá)脈內(nèi)調(diào)制信號(hào)取得了較好的分類(lèi)正確率。

發(fā)表于：2018/9/12 16:40:06

知識(shí)圖譜精化研究綜述[模擬設(shè)計(jì)][其他]

知識(shí)圖譜是一種在移動(dòng)互聯(lián)網(wǎng)大時(shí)代下產(chǎn)生的新型知識(shí)表示方法，而精化是知識(shí)圖譜應(yīng)用研究的主要內(nèi)容之一，其主要任務(wù)是知識(shí)圖譜補(bǔ)全和錯(cuò)誤檢測(cè)等，在信息檢索、機(jī)器人、智能問(wèn)答等領(lǐng)域有著重要的應(yīng)用前景。因此，對(duì)知識(shí)圖譜精化進(jìn)行研究具有十分重要的意義。對(duì)當(dāng)前知識(shí)圖譜精化方法進(jìn)行了較為全面、深入的總結(jié)，并對(duì)知識(shí)圖譜未來(lái)的主要研究方向進(jìn)行了展望。

發(fā)表于：2018/9/12 16:40:00

基于Cortex-M3的齒輪傳動(dòng)軸損傷動(dòng)態(tài) 監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

針對(duì)傳統(tǒng)的齒輪傳動(dòng)軸監(jiān)測(cè)與診斷系統(tǒng)的局限性，提出了在封閉小體積環(huán)境下局域強(qiáng)信號(hào)的采集與傳輸機(jī)制。詳細(xì)論述了系統(tǒng)的工作原理、硬件及軟件設(shè)計(jì)，給出了系統(tǒng)的測(cè)試結(jié)果。該系統(tǒng)已經(jīng)成功用于某型汽車(chē)發(fā)動(dòng)機(jī)傳動(dòng)軸損傷動(dòng)態(tài)監(jiān)測(cè)，對(duì)齒輪傳動(dòng)系統(tǒng)的損傷動(dòng)態(tài)監(jiān)測(cè)起到了巨大的推動(dòng)作用。

發(fā)表于：2018/9/12 16:39:34

LTE系統(tǒng)PRACH基帶信號(hào)的研究與實(shí)現(xiàn)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

PRACH信道用于UE進(jìn)行上行同步或小區(qū)之間的切換，通過(guò)對(duì)PRACH基帶信號(hào)算法原理的分析，提出了一種PRACH基帶信號(hào)的生成實(shí)現(xiàn)方案。通過(guò)對(duì)比和仿真，驗(yàn)證了該實(shí)現(xiàn)方案的高效性和可行性。該方案已在TD-LTE射頻一致性測(cè)試儀表中得到應(yīng)用。

發(fā)表于：2018/9/12 16:35:52

基于擬牛頓法的常模盲多用戶檢測(cè)算法[通信與網(wǎng)絡(luò)][信息安全]

分析了傳統(tǒng)常模算法及其改進(jìn)算法的缺點(diǎn)，將線性約束和擬牛頓法應(yīng)用于常模算法，提出了線性約束擬牛頓常模盲多用戶檢測(cè)算法，稱(chēng)之為L(zhǎng)C-QNCMA。在DS-CDMA系統(tǒng)中,對(duì)本文算法與傳統(tǒng)的線性約束常模算法（LC-CMA）及最小二乘常模算法（LSCMA）進(jìn)行了仿真比較。結(jié)果表明，與LC-CMA相比,LC-QNCMA的信干比性能和誤碼性能方面有較大改善；與LSCMA算法相比，LC-QNCMA算法復(fù)雜度有明顯降低。本文算法在兩種算法的優(yōu)缺點(diǎn)中取得了較好的折中。

發(fā)表于：2018/9/12 16:30:53

信息物理融合系統(tǒng)研究[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

信息物理融合系統(tǒng)（CPS）是一個(gè)將信息空間的離散模式與物理世界的連續(xù)動(dòng)態(tài)模式相結(jié)合后形成的智能復(fù)雜系統(tǒng)，由感知、計(jì)算、通信、控制等要素組成。解析了CPS的基本概念和組成結(jié)構(gòu)，提出了CPS的技術(shù)體系，并從智能感知和自動(dòng)控制、網(wǎng)絡(luò)通信技術(shù)、智能平臺(tái)服務(wù)技術(shù)3個(gè)方面對(duì)涉及的關(guān)鍵技術(shù)進(jìn)行了討論。最后，主要結(jié)合工業(yè)應(yīng)用，對(duì)CPS技術(shù)發(fā)展面臨的主要挑戰(zhàn)及可能的研究方向進(jìn)行了總結(jié)與展望。

發(fā)表于：2018/9/12 16:28:00

基于SoPC的雙頻激光回饋位移測(cè)量系統(tǒng)設(shè)計(jì)[測(cè)試測(cè)量][工業(yè)自動(dòng)化]

介紹了一種基于SoPC的雙頻激光回饋位移測(cè)量系統(tǒng)的實(shí)現(xiàn)方法。該系統(tǒng)利用雙頻激光回饋理論和數(shù)字細(xì)分電路，對(duì)兩路正交的光回饋信號(hào)采用五細(xì)分和四細(xì)分電路相結(jié)合進(jìn)行細(xì)分處理，解決了單偏振光測(cè)量位移分辨率不高的問(wèn)題。實(shí)驗(yàn)證明了本系統(tǒng)的可行性,精度達(dá)到了0.791 nm，是一種應(yīng)用很好的位移測(cè)量系統(tǒng)。

發(fā)表于：2018/9/12 16:27:52

基于Handel-C的軟硬件協(xié)同驗(yàn)證方法[電源技術(shù)][工業(yè)自動(dòng)化]

針對(duì)數(shù)字集成電路中傳統(tǒng)IP驗(yàn)證方法效率不高的問(wèn)題，提出了一種新的IP驗(yàn)證方法。該方法以O(shè)penGL-ES中坐標(biāo)變換算法為例，利用Handel-C對(duì)其進(jìn)行建模并用FPGA實(shí)現(xiàn)。最后與軟件測(cè)試平臺(tái)進(jìn)行了協(xié)同驗(yàn)證。驗(yàn)證結(jié)果表明，對(duì)復(fù)雜的驗(yàn)證模塊而言，該方法和傳統(tǒng)的Modelsim仿真對(duì)比，在速度上具有明顯的優(yōu)勢(shì)。

發(fā)表于：2018/9/12 16:24:28

限定空間無(wú)線傳感器節(jié)點(diǎn)電路低功耗的優(yōu)化[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

限定空間無(wú)線傳感器節(jié)點(diǎn)的低功耗分析一直存在成本高、精度低的缺點(diǎn)。在對(duì)比總結(jié)了傳統(tǒng)低功耗電路的原理及特點(diǎn)的基礎(chǔ)上，指出了其優(yōu)缺點(diǎn)。通過(guò)具體實(shí)驗(yàn)電路加入負(fù)反饋，得到了相應(yīng)的數(shù)據(jù)并進(jìn)行對(duì)比，得出了較低功率消耗的結(jié)論。同時(shí)，結(jié)合目前的發(fā)展情況給出了相應(yīng)的改進(jìn)措施。通過(guò)對(duì)硬、軟件結(jié)構(gòu)的剖析，給出了仿真結(jié)果，證明此方案具有廣闊的發(fā)展應(yīng)用前景。

發(fā)表于：2018/9/12 16:20:45

基于粒子群優(yōu)化的模糊C均值聚類(lèi)算法*[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)模糊C均值聚類(lèi)算法(FCM)存在對(duì)初始聚類(lèi)中心敏感，易陷入局部最優(yōu)解的不足，將改進(jìn)的粒子群聚類(lèi)算法與FCM算法相結(jié)合，提出了一種基于粒子群優(yōu)化的模糊C均值聚類(lèi)算法。該算法對(duì)粒子群初始化空間及粒子移動(dòng)最大速度進(jìn)行優(yōu)化，同時(shí)引入環(huán)形拓?fù)浣Y(jié)構(gòu)鄰域，提高粒子群聚類(lèi)算法的全局搜索能力。對(duì)UCI中3個(gè)數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明提出的基于粒子群優(yōu)化的模糊C均值聚類(lèi)算法相比FCM算法和基本粒子群聚類(lèi)算法具有更好的聚類(lèi)效率和準(zhǔn)確性。

發(fā)表于：2018/9/11 16:08:00