面阵数字波束形成和对多目标跟踪的研究

用计算机仿真研究面阵天线数字波束形成（DBF）和对多目标跟踪。主要内容包括方阵列天线的方向图、圆阵列天线的方向图、圆阵列天线多目标的跟踪、跟踪前的初始搜索。文中对各种情况下面阵天线的阵因子方向图作了详细的数学分析,建立了相应的模型并进行了计算机仿真。     

Zoom-FFT的改进、频谱反演与时-频局部化特性

回顾了经典连续分段序列Zoom-FFT方法.定义了时间分段序列的占空比 R _ms.分析了在实际应用中对 R _ms＜1的时间分段序列的Zoom-FFT处理的需求并建立了处理这种序列的新方法.提出并证明了 R _ms为任意值的Zoom-FFT频谱反演回实际频谱的理论公式和修正公式.给出了对跳频信号进行 R _ms=1的Zoom-FFT处理和对话带信号进行 R _ms＜1的Zoom-FFT处理并反演回实际频谱的例子.证明Zoom-FFT方法对解决信号快速搜索和粗分析与信号细节分析的矛盾有实用价值,间断分段序列的Zoom-FFT进一步提高了分析效率.最后讨论了Zoom-FFT具有类似于小波变换的时-频局部化特性问题.     

CDMA网络中直放站情况下的搜索参数优化

本文对CDMA网络中前反向搜索窗的工作原理进行简要介绍后,进一步说明在使用直放站情况下如何对相关搜索参数进行优化(分别就无线直放站和光纤直放站两种情况进行分析),最后以MOTOLORA系统为例说明参数修改方法.     

一种LTE TDD系统的小区搜索设计方案

本文首先简要介绍了3GPP LTE(长期演进项目)采用的空中接口技术,接着具体讨论了一种基于TDD帧结构的小区搜索方案.着重分析了下行同步信道和用作小区识别码的参考导频的设计,以及完成小区搜索所需的具体步骤.     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题,提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性,提出基于快速神经网络架构搜索（neural architecture search,NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法,在预设的搜索空间中搜索最优网络结构,进行图像水印的高效嵌入与鲁棒提取。首先,将子网络中线性连接的全卷积层设置为独立的神经单元结构,并参数化表示结构单元内节点的连接,预先设定结构单元内每个神经元操作的搜索空间;其次,在完成一个批次的数据集训练后,依据神经元操作中的被采样次数和平均损失函数值动态更新概率;最后,重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上,大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑,本文算法具有较高的时间性能和较好的实验效果,在隐藏图像时,对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验,对比发现,本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著;在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著,特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

一个基于路网表征的城市交通仿真平台

本文通过基于图神经网络的路网表征模型来构建更加可信的仿真平台MANTIS,针对目前交通仿真软件交通要素数量人为指定、准确性和可信度不足的局限性进行了优化。     

一种自动聚类的离群点识别方法研究

针对传统离群点识别方法对数据的分布形状和密度有特定要求,需设定参数的问题,提出了一种自动聚类的离群点识别方法。该方法通过引入相互K近邻数来表示数据对象的离群度,对数据的分布形状、分布密度无要求,可以输出全局离群点、局部离群点和离群簇;通过k次迭代来实现自动聚类,无需人为设定参数。通过合成数据以及UCI数据实验,验证了该方法的有效性、普适性。     

算子代数上2-局部Lie三重导子的结构

设X是维数大于2的Banach空间,映射δ:B(X)→B(X)是2-局部Lie三重导子,则对所有A∈B(X)有δ(A)=[A,T]+ψ(A),这里T∈B(X),ψ是从B(X)到FI的齐次映射且满足对所有A,B∈B(X)有ψ(A+B)=ψ(A),其中B是交换子的和.     

基于全景搜索接收机的中短波广播智能监测系统

本文介绍了基于全景搜索接收机的中短波广播智能监测系统的总体结构和工作流程,讨论了系统核心设备全景搜索接收机的工作原理、关键技术和主要技术指标.经过实际应用,结果验证了系统的工作性能.     

基于局部加密纯无网格法非线性Cahn-Hilliard方程的模拟

为数值求解描述不同物质间相位分离现象的高阶非线性Cahn-Hilliard(C-H)方程,发展了一种基于局部加密纯无网格有限点集法(local refinement finite pointset method,LR-FPM).其构造过程为:1)将C-H方程中四阶导数降阶为两个二阶导数,连续应用基于Taylor展开和加权最小二乘法的FPM离散空间导数;2)对区域进行局部加密和采用五次样条核函数以提高数值精度;3)局部线性方程组求解中准确施加含高阶导数Neumann边值条件.随后,运用LR-FPM求解有解析解的一维/二维C-H方程,分析粒子均匀分布/非均匀分布以及局部粒子加密情况的误差和收敛阶,展示了LR-FPM较网格类算法在非均匀布点情况下的优点.最后,采用LR-FPM对无解析解的一维/二维C-H方程进行了数值预测,并与有限差分结果相比较.数值结果表明,LR-FPM方法具有较高的数值精度和收敛阶,比有限差分法更易数值实现,能够准确展现不同类型材料间相位分离非线性扩散现象随时间的演化过程.