基于多模型融合的航空电子产品故障预测方法

针对复杂机载环境应力条件下航空电子产品故障预测所面临的退化趋势差异大、训练数据样本量小等问题,提出了一种改进长短期记忆(Long Short-Term Memory, LSTM)神经网络模型与集成学习框架相结合的故障预测方法,以满足现代综合航空电子系统智能调度管理与自主维护保障的需求。该方法在LSTM模型中引入Dropout机制,构建基于不同历史数据集的差异性LSTM模型组,以解决故障预测时序信息记忆问题与小样本条件下数据驱动模型训练过拟合问题;采用Adaboosting算法计算模型权重,并基于实时数据动态调整,以滤除复杂机载环境应力引入的预测误差,解决多模型融合的性能差异问题。最后,采用NASA公开的锂电池退化数据集进行仿真验证,实验结果表明,相较于传统BP神经网络、经典LSTM和LSTM基模型,该方法具有更高的趋势拟合度和预测精度。     

复杂信道环境下的多维策略智能抗干扰技术

针对当前智能抗干扰技术策略维度低、复杂环境应对性差的问题,提出了适应复杂环境的多维策略智能抗干扰技术。将单音信号作为探测信号,通过扫频方式减少探测阶段复杂度以实现快速实时的环境状态特征提取,之后设计了基于深度神经网络的实时智能决策引擎模型以提高决策速度和准确率。仿真结果表明所提方案能够准确地预测通信质量,最后根据目标函数在所有可通信策略中决策出最优策略,当探测信号扫频间隔选取合适时,该方案能够达到接近96%的决策准确率及较好的资源利用率,能有效进行抗干扰并取得较好的通信质量。     

复杂交通环境下多层交叉融合多目标检测

针对目前复杂交通环境下还存在多目标检测精度和速度不高等问题,以特征金字塔网络(Feature Pyramid Network, FPN)为基础,提出了一种多层融合多目标检测与识别算法,以提高目标检测精度和网络泛化能力。首先,采用ResNet101的五层架构将空间分辨率上采样2倍构建自上而下的特征图,按照元素相加的方式将上采样图和自下而上的特征图合并,并构建一个融合高层语义信息与低层几何信息的特征层;然后,根据BBox回归存在训练样本不平衡问题,选择Efficient IOU Loss损失函数并结合Focal Loss提出一种改进Focal EIOU Loss;最后,充分考虑复杂交通环境下的实际情况,进行人工标注混合数据集进行训练。该模型在KITTI测试集上的平均检测精度和速度比FPN分别提升了2.4%和5 frame/s,在Cityscale测试集上平均检测精度和速度比FPN提升了1.9%和4 frame/s。     

智能反射面辅助广义空间调制性能分析

将智能反射面（Intelligent Reflecting Surface,IRS）技术引入索引调制（Index Modulation,IM）技术领域,可在保留各自优势的同时提高系统可靠性并实现高频谱效率。但现有方案在每时隙内仅激活一根天线,使得天线的利用率降低,且单天线激活时若想要进一步提高系统传输速率只能成倍增大发射天线数或提高调制阶数,从而影响系统性能。针对这一问题,提出了IRS辅助广义空间调制（Generalized Spatial Modulation,GSM）相关技术的方案,在发射端激活多根天线,使得在单位时间内相同天线数时每时隙传输的比特数增加。计算了该方案理论误码率上界,通过仿真验证了理论推导的正确性。     

一种综合射频系统SCA软件平台的设计与实现

针对机载综合射频开放式系统架构,为了在软件综合层面上实现波形应用软件与具体平台的解耦,设计并实现了一种基于软件通信架构(Software Communication Architecture, SCA)的软件平台及其环境工具,解决了机载平台软件的分布式通信、资源调度管理、系统建模等技术问题,从而实现功能、应用和波形的组件化与动态重构。测试验证与工程应用情况表明,软件平台能够满足机载领域信号、信息处理强实时、高可用的应用需求,可有效提升综合射频系统软件开发质量与集成联试效率。     

基于误码率的软件无线电射频干扰效应分析

针对通信系统工作过程中受到外界电磁干扰而无法通信的问题,研究了基于软件无线电的电磁干扰效应及误码特征。通过分析典型软件无线电电磁信号传输特性及其信息链路电磁干扰耦合路径,设计了软件无线电通信干扰实验系统。该系统利用Simulink软件观测、记录通信信号眼图、星座图信息等受扰特征,并通过分析接收信号的误码率,给出了不同干扰信号对通信系统的影响规律：当同频干扰功率达到-40 dBm时通信开始出现误码,干扰功率每增加5 dB,误码率增加一个量级,干扰功率增加到-18 dBm时,误码率达到阈值0.25;邻频干扰误码率随干扰功率变化趋势与同频干扰一致,但出现误码的最小干扰功率更大;带外强干扰信号也会影响通信系统可靠性,在相同误码率情况下,需要更大的干扰信号功率且大小与信号频偏成正比。     

FBMC系统改进序列算法的定时同步技术

为提高滤波器组多载波（Filter Bank Multicarrier,FBMC）系统在低信噪比下的定时同步准确率和抗频偏性能,基于FBMC系统与正交频分复用（Orthogonal Frequency Division Multiple,OFDM）系统的相似性,对OFDM系统定时同步中的Park测度函数进行改进并引入到FBMC系统中。利用共轭对称结构能够提高定时精度和加权处理能够更好地抵抗频偏影响的特点设计同步序列,进行共轭对称和加权处理。仿真结果表明,基于改进序列的Park算法相较共轭对称序列的TR1算法,其信噪比提前3 dB达到了100%定时准确率,实现了低信噪比下的高精度定时同步,且具有更强的抗频偏性能;相较原Park算法,相同信噪比下,改进序列的Park算法的频偏均方差（Mean Square Error,MSE)也小于原Park算法的频偏MSE,抗频偏性能表现更优。     

一种快速低开销的移动节点分布式寻路RPL路由协议

针对低功耗有损网络(Low Power and Lossy Network, LLN)中移动节点作为中继节点时,存在无线链路易断开、数据传输成功率较低和控制开销较高的问题,提出了一种快速低开销的移动节点分布式寻路RPL路由协议(Mobile Node Distributed Pathfinding RPL Routing Protocol, MNA-RPL)。首先,提出一种邻居表自适应更新机制,依据邻居表快速切换父节点;其次,提出一种父子节点双断开机制,能够有效减少数据包丢失;最后,提出一种基于速度动态管理的Trickle计时器,根据自身速度动态调整DIO广播周期。理论分析和仿真结果表明,与主流路由协议相比,该协议在数据传输和控制开销等方面的性能均有一定的提升。     

一种信号调制识别网络的轻量化设计

神经网络在信号调制识别领域得到了广泛关注和研究。针对现有调制识别算法为提高识别准确率,导致模型尺寸过大、计算时间过长的问题,提出了一种调制识别神经网络的轻量化设计方案。该方案由信号失真校正模块和分类模块两部分组成。其中,信号失真校正模块通过参数估计器提取相位偏移信息,再经参数转换器对相位偏移进行参数校正,保证信号识别精度;分类模块由一维卷积神经网络(One-Dimensional Convolutional Neural Network, 1D-CNN)、选通递归单元(Gated Recurrent Unit, GRU)和高斯衰减层构成,从时间和空间的角度有效提取信号特征,并减少冗余参数量以缩减模型大小。仿真结果表明,所提方案与同精度网络相比,平均识别准确率提升0.21%,计算时间缩减到1/3.4,模型尺寸缩减到1/7.77。     

基于灰色层次分析法的有人/无人协同作战效能评估

当前和今后相当长一段时期内,战场的机械化、信息化、智能化将长期并存、并行发展。有人/无人协同作战可以通过各无人系统与有人系统之间的资源调度、态势统一、任务整合来进一步提高作战系统的作战效能。基于灰色层次分析法,结合径向基函数（Radial Basis Function,RBF）神经网络进行数据整理,对有人/无人协同作战效能进行科学评估,提出了一种新的评估模型,为优化协同作战体系结构和提高协同作战能力提供了理论依据。围绕有人/无人协同作战的作战任务和能力需求构建了相关评估指标体系,基于灰色层次分析法与RBF神经网络设计了有人/无人协同作战评估模型,并进行了仿真实验分析。仿真结果表明,该方法能够实现对有人/无人协同作战效能客观有效的评估。