基于聚类算法实现信号盲分类

本文解决了信号处理、工业控制等领域存在的非平稳信号盲分类问题。在聚类中广泛应用的K-Means算法及其它基于中心的聚类算法有两个共同的缺陷-需要预先确定类数目且随机初始化中心引起性能不稳定。本文提出的算法较好地解决了这两个问题，提高了算法稳定性，实现了非平稳信号盲分类。提取非平稳信号的小波系数作为聚类的样本空间，分析聚类结果的统计偏差以估计类的数目，采用调和均值准则进行分类。最后给出的仿真结果表明本文提出的方法较传统的K-Means算法明显降低分类错误率。     

海洋物联网关键技术研究与应用

传统的海洋观测网孤立、碎片化的传感数据已经难以满足我国海洋观测领域的需求,低成本投入、低功耗运作、互联互通的海洋物联网是海洋信息领域的主流研究方向。介绍了海洋观测网的发展历程及研究现状,并在浙江大学摘箬山岛海底观测网络的研究基础上,提出一种新型的海洋物联系统架构以及一系列海洋物联网关键设备与平台,包括小型化海洋中控机、水声通信机、窄带物联网浮球、坐底式试验平台、便携式声学释放平台。未来,海洋物联网将向着轻量级、通信方式多样化与智能化的方向发展,并接入陆地互联网,实现“空天地海”万物互联。     

用于数据挖掘的聚类算法

数据挖掘用于从超大规模数据库中提取感兴趣的信息。聚类是数据挖掘的重要工具,根据数据间的相似性将数据库分成多个类,每类中数据应尽可能相似。从机器学习的观点来看,类相当于隐藏模式,寻找类是无监督学习过程。目前已有应用于统计、模式识别、机器学习等不同领域的几十种聚类算法。该文对数据挖掘中的聚类算法进行了归纳和分类,总结了7类算法并分析了其性能特点。     

基于改进强耦合振子的微弱脉冲信号检测方法

强耦合振子可用于微弱脉冲信号的检测和波形恢复,但其对微弱脉冲信号的检测频率会受到系统内置频率的限制.在系统内置频率固定的情况下,系统只能对一定频率范围内的脉冲信号进行有效检测和波形恢复,在检测更高频率的脉冲信号时会出现波形失真.本文分析了耦合振子内置频率和微弱脉冲信号检测频率之间的关系,提出两种改进强耦合振子结构以扩展微弱脉冲信号的频率检测范围.通过引入非线性恢复力耦合项,非线性恢复力强耦合振子可以有效保留信号的高频分量,在更高频率的脉冲信号输入时也能较好地保留信号特征.双振子强耦合系统通过引入Van der Pol-Duffing振子,加强了系统内部结构的稳定性,同样达到了扩展脉冲信号频率检测范围的效果.此外,基于变迭代步长和混沌检测的频率相关性,提出了一个未知频率脉冲信号检测方法,以改变迭代步长的方法代替改变系统内置频率来进行频率扫描,并且利用混沌检测的频率相关性,将接收信号和恢复信号的相关系数和纯噪声输入情况下的相关系数进行对比,根据两个相关系数之间的明显差异可以有效检测出脉冲信号.通过仿真实验进行验证,所提方法可以有效检测出未知频率的脉冲信号,并且所提的改进强耦合振子结构相对于...     

有线电视前端机房设备运行维护工作

本文主要详细介绍本地区有线电视前端机房的运行情况,对现有的问题进行分析,并且提出有针对性的对策予以改善,从而促使维护工作的顺利开展,为本地区有线电视信号的稳定播出提供有力的保证。     

对聚类算法普遍存在问题的解决办法

聚类广泛应用于统计、机器学习、模式识别、数据分析等领域并越来越受重视。本文研究了各种聚类算法共同面临的五个问题：聚类效果评估、类数目估计、数据预处理、样本间相似性测量、抗干扰性能，分析了对这些问题的有代表性的解决方法，总结并预测了未来聚类算法在这五个方面的研究方向。     

小波变换与模式识别用于自动识别调制模式

本文提出小波变换与模式识别相结合的算法实现通信信号调制模式的自动识别。不同于其他调制模式识别算法，该算法能同时识别模拟调制信号和数字调制信号。采用小波变换估计信号的码速率以区分模拟信号和数字信号。对模拟信号或者数字信号，提取相应的特征参数，识别具体的调制模式。计算机仿真结果表明SNR≥15dB时，该算法艮有很好的性能。