星地光通信地面站空间分集技术研究

通过建立星地光链路模型对地面站空间分集技术中站址的选择、站址间距离以及地面站数量进行研究,结果表明:站址的合理选择可以提高星地链路的可用性;站址间的距离在保证各站天气不相关的同时不能过大,当站址间距离与卫星高度的比值达到1时,由链路天顶角增大带来的衰减高达10 dB以上;单地面站的可用性越高,所需的地面站数也越少,当单站的可用性达到0.6时,只需3个地面站即可达到与射频链路相当的高可用性。     

基于空间分集的高空平台光链路性能研究

针对高空平台不稳定性以及大气湍流对平台光通信性能的影响,提出利用空间分集技术改善高空平台光通信链路性能。在系统采用开关键控(OOK)调制条件下,利用矩母函数特性分别得到采用协作分集技术和多输入多输出(MIMO)技术的高空平台光链路误码率表达式,并求解协作通信系统中继平台的最优位置。仿真结果表明:协作分集技术与光MIMO技术对高空平台光链路性能的改善效果受到跟瞄误差的限制。采用发射选择分集的光MIMO技术对光链路的误码率性能最好。与采用重复码的MIMO方法相比,协作分集技术更适用于跟瞄误差大的通信系统。中继平台的最优位置与中继策略以及跟瞄误差无关。在中继平台最优位置附近,采用协作分集的光链路性能优于采用重复码MIMO光通信链路。     

基于单层感知器的彩色图像目标提取方法

针对复杂背号下的彩色图像的目标提取,提出了一种基于单层感知器的目标提取方法。通过建立以颜色分量为输入、阈值型函数为输出的单层感知器网络并训练得到最适权重,实现彩色图像的目标与背景分离。与现有主流目标提取算法进行对比实验,结果表明,该方法能够更加准确、有效地分离目标和背景,且方法适用范围广,实现简单。     

一种水声信道均衡器的混合算法

水声高速相干通信中使用自适应均衡对抗信道在接收信号中产生的码间串扰。目前,1/2分数间隔采样的判决反馈均衡器结构得到了广泛的应用。本文分析了几种自适应算法在此种均衡器结构下的性能,结合浅海水声信道的特点,提出了一种快速卡尔曼滤波和快速自优化最小均方的混合算法,模拟及海试结果表明,该混合算法在计算复杂度、收敛速度以及稳定性方面都有很好的性能,已经应用到了水声实时高速通信系统当中。     

北京谱仪III上利用神经网络方法进行粒子鉴别的研究

本文描述了一种多层感知器的神经网络系统在BESIII粒子鉴别技术中的应用。网络按照子探测器分别进行训练, 输出结果可以作为后续网络的输入或者可以为似然函数方法构建概率密度函数。蒙特卡罗模拟样本的检验结果表明, 利用神经网络方法可以在BESIII上获得较好的粒子鉴别效果。     

相干水声通信幅相加权空间分集均衡算法

水声信道的典型特点为多普勒频移严重、可利用带宽窄以及强多径干扰。空间分集均衡技术是相干水声通信中克服信道多径干扰,消除码间干扰的一种有效手段。为了极大化地输出阵增益,结合无源相位共轭方法和多通道均衡算法,本文设计了组合信噪干比的全新信道评价方法。利用改进的Sigmoid函数对各通道接收信号的幅度进行加权处理;采用二阶锁相环跟踪各通道信号的相位变化,实现各通道信号同相累加。将各通道低通滤波后的信号能量归一化,采用了分数阶-判决反馈分集均衡器,加入各通道权重系数实现了水声通信系统的分集均衡接收。仿真结果和湖试数据处理结果均表明,优化的幅相加权分集均衡接收算法能抵消多径和噪声的干扰,性能优于等增益合并接收算法。湖试数据处理结果误码率降低了1.8%。     

基于多层神经网络的非线性图像分割

提出了一种用多层神经网络对图像进行非线性分割的方法。讨论了所用多层神经网络的学习速度的改进与训练样本的选择方法。实验表明，该多层神经网络系统可用于实时图像分割，并能获得很好的结果。     

基于SCFNN之PAM非线性信道均衡器成效研究

自组织型模糊类神经网络(SCFNN)可依据一定的法则自我构建神经网络的组织结构,从而适用于当前控制对象;多层神经元是传统的类神经网络,广泛应用于各个领域;倒传递学习法与最陡坡降法相结合,可使以上两种类神经网络进行有效的融合;目前,信道均衡器上的系统架构种类非常多,各种类神经网络应用于信道均衡器也颇为普遍;在研究SCFNN的基础上,将其应用于通道均衡器确实可行,效果良好;比较了SCFNN与MLP在通道均衡器的成效;仿真表明,在相同通道环境下,SCFNN的训练收敛速度、位错误率与系统敏感度优于MLP,完成结构学习后SCFNN的结构也颇为精简。     

基于LED光电池阵列和神经网络的空间定位方法

本文提出并验证了一种基于光源-探测器阵列码和人工神经网络的空间定位方法.在探测区域的上方放置若干发光二极管,并在下方随机排列了多个光电探测单元.物体遮光形成的光强分布可以视为表征空间位置的特征.将光强分布数据利用预先搭建的神经网络处理和学习,实现从光强分布到物体空间坐标的映射关系,以实现物体的高精度、快响应空间定位.实...     

一种新的基于空间图案信号的多进制无线光通信技术

提出了一种新的多进制无线光通信技术,其基本原理是用一组相互易区分的空间图案代替传统无线通信中的会聚光斑传递信息.分析了该通信方案的信道容量,结果表明无线光通信系统存在未被利用的空间自由度,其大小与系统收发孔径和光波波长有关,与光场空间分布无关.通过合理设置系统的结构参数和设计信号图案,可以利用无线光通信系统的空间自由度增加信道容量.提出了一种实现该技术的光电系统方案,其关键组成部分为空间光调制器和图象相关器.详细描述了信号处理过程,具体包括二维相关处理、比较判决和进制转换三部分.分析了该方案的误码性能,得到了平均误码率的估算公式,分析得到了可降低误码率的信号设计基本规则.最后用一个透镜阵列处理器通过实验验证了该通信方案.     

A multi-target approach for isolated word recognition using artificial neural network

I.TntroductionStatisticalandneuralnetworkmcthodsforpatternclassiflcationusesignificantlydifTerentapproachesintrainingaclassificr.Inthestatistica1approach,thcformationofaclassifier1arge1ydependsonthestatisticsofthetrainingpatternsand,insomecases,theassumptionsaboutthedistributionofthepopulation.Theneuralnetworkmethodisnon-parametricandcanbeadaptivcinthetrainingprocessl'l.Becauseofitssimplicityandflexibility,theneuralnetworkhasbecnincreasing1yusedforpatternclassiflcation.Itisnowwe11knownthatan…     

Chaotic diagonal recurrent neural network

We propose a novel neural network based on a diagonal recurrent neural network and chaos,and its structure and learning algorithm are designed.The multilayer feedforward neural network,diagonal recurrent neural network,and chaotic diagonal recurrent neural network are used to approach the cubic symmetry map.The simulation results show that the approximation capability of the chaotic diagonal recurrent neural network is better than the other two neural networks.     

A one-dimension convolutional neural network based interference classification method

Interference is a common problem in wireless communication, navigation and radar systems. A wide variety of interferences are used to degrade the communication quality especially in electronic warfare environment. In modern military communication systems, interference classification is an important module for its ability to obtain prior interference information before adopting related anti-interference method. This paper proposes a deep learning based interference classification method, which applies one-dimension convolutional neural networks to automatically extract interference features for classification. Computer simulations show better classification performance and lower computational complexity. Meanwhile, this proposed method is implied on software defined radios (SDR) hardware, more than 99% correct classification probability can be achieved with limited samples of the received signal, which verifies the robustness of this proposed method.     

混沌通信系统中非线性信道的自适应组合神经网络均衡

针对混沌通信系统的非线性信道干扰问题,基于混沌信号重构理论和函数型连接神经网络理论,提出了一种横向滤波器与函数型连接神经网络组合(combination of transversal filter and functional link neural network,CFFLNN)的自适应非线性信道均衡器,并给出基于低复杂度归一化最小均方(NLMS)的自适应算法,并对该均衡器的稳定性以及收敛条件进行了分析.该非线性自适应均衡器充分利用了横向滤波器的快速收敛,以及函数型连接神经网络通过增大输入空间提高非线性逼近能力的特点,进一步提高均衡器的收敛速度和降低稳态误差.仿真研究表明：所提出的非线性自适应均衡器能够有效地消除线性和非线性信道干扰,均衡器输出信号能反映出混沌信号的特性,具有良好的抗干扰性能;且该均衡器的结构简单,收敛稳定性较好,易于工程实现. 关键词： 非线性信道 自适应均衡器 混沌吸引子 神经网络     

水声通信近似L0范数约束的BP网络均衡器*

针对稀疏水声信道的长时延扩展及梯度下降的权值迭代方案导致的神经网络均衡器收敛速度慢的问题,提出了近似L₀范数约束的BP神经网络均衡器。首先在传统BP网络均衡器基础上增加判决反馈项,然后在代价函数中对均衡器输入层到隐含层的权值增加L₀范数约束,构造新的代价函数,利用高斯族函数近似L₀范数约束,并根据不同隐层神经元节点输出权值的L₂范数设定近似参数。仿真结果表明,稀疏信道条件下,本方法相比传统的BP网络均衡器收敛速度更快,误码率更低,可以有效提升神经网络均衡器的性能。     

Pi-Sigma神经网络在实时底质分类中的应用

本文基于Pi-Sigma神经网络,设计了一种针对水声回波信号的实时底质分类器,它具有运算快速、正确率高的特点,在海试中实现了实时底质分类,取得良好的分类结果。     

基于密集连接时延神经网络的说话人识别算法*

说话人识别技术是一项重要的生物特征识别技术。近年来,使用深度神经网络提取发声特征的说话人识别算法取得了突出成果。时延神经网络作为其中的典型代表之一已被证明具有出色的特征提取能力。为进一步提升识别准确率并节约计算资源,通过对现有的说话人识别算法进行研究,提出一种带有注意力机制的密集连接时延神经网络用于说话人识别。密集连接的网络结构在增强不同网络层之间的信息复用的同时能有效控制模型体积。通道注意力机制和帧注意力机制帮助网络聚焦于更关键的细节特征,使得通过统计池化提取出的说话人特征更具有代表性。实验结果表明,在VoxCeleb1测试数据集上取得了1.40%的等错误率（EER）和0.15的最小检测代价标准（DCF）,证明了在说话人识别任务上的有效性。     

Microstructural characterization of materials by neural network technique

Ultrasonic signals received by pulse echo technique from plane parallel Zircaloy 2 samples of fixed thickness and of three different microstructures, were subjected to signal analysis, as conventional parameters like velocity and attenuation could not reliably discriminate them. The signals, obtained from these samples, were first sampled and digitized. Modified Karhunen Loeve Transform was used to reduce their dimensionality. A multilayered feed forward Artificial Neural Network was trained using a few signals in their reduced domain from the three different microstructures. The rest of the signals from the three samples with different microstructures were classified satisfactorily using this network.     

遗传优化神经网络的水声信道盲均衡

不需要训练序列的盲均衡技术可以有效地节省水声通信带宽，消除码间干扰，提高水声通信效率和质量。以前馈神经网络（FNN）作为盲均衡器，既适用于最小相位信道，也适用于非最小相位信道，包括非线性信道，但是前馈神经网络在实际的应用中其网络拓扑结构的选取和初始权重的确定缺乏理论依据，且其训练主要依靠BP算法，存在收敛速度慢、容易陷入局部极值及“过学习”的问题。为此，本文提出了一种遗传优化神经网络的水声信道盲均衡算法（GA—BP），对前馈神经网络拓扑结构和网络权重同时优化，有效地克服了传统前馈神经网络盲均衡的缺陷，提高了前馈神经网络盲均衡的泛化性能并加强了跟踪时变信道的能力和对信道突变的适应能力。水池试验结果证明了文中提出的遗传优化神经网络水声信道盲均衡算法的有效性，与直接前馈神经网络盲均衡相比较，均衡性能明显得到了提高。     

Z(2) gauge neural network and its phase structure

We study general phase structures of neural-network models that have Z(2) local gauge symmetry. The Z(2) spin variable _Si=±1$S_i=\pm 1$ on the i$i$-th site describes a neuron state as in the Hopfield model, and the Z(2) gauge variable _Jij=±1$J_{ij}=\pm 1$ describes a state of the synaptic connection between j$j$-th and i$i$-th neurons. The gauge symmetry allows for a self-coupling energy among _Jij$J_{ij}$’s such as _JijJjkJki$J_{ij}{J}_{jk}{J}_{ki}$, which describes reverberation of signals. Explicitly, we consider the three models; (I) an annealed model with full and partial connections of _Jij$J_{ij}$, (II) a quenched model with full connections where _Jij$J_{ij}$ is treated as a slow quenched variable, and (III) a quenched three-dimensional lattice model with the nearest-neighbor connections. By numerical simulations, we examine their phase structures paying attention to the effect of the reverberation term, and compare them with each other and with the annealed 3D lattice model which has been studied beforehand. By noting the dependence of thermodynamic quantities upon the total number of sites and the connectivity among sites, we obtain a coherent interpretation to understand these results. Among other things, we find that the Higgs phase of the annealed model is separated into two stable spin-glass phases in the quenched models (II) and (III).