摘要：为了遏制考试中的作弊现象,本文开展了点对点的非常规波段的干扰系统设计。首先,提出了基于DDS+PLL的系统总体方案,其次,采用Simulink进行了仿真验证,再次,设计了本振、调制、放大、DDS等功能模块,最后进行了实验验证。结果表明,本系统可以干扰距离为50m以内、频率范围为200~800MHz的作弊信号,在各类考场、法庭、监狱、保密会议室等严禁对外收发数据的场所具有一定的工程应用价值。

摘要：针对无线探测节点在震源定位过程中,节点不能快速且有效地将采集的数据实时去噪的问题,设计了一种基于FPGA的D-LMS自适应滤波器,首先,通过MATLAB确定时延长度和步长因子等参数;其次,通过FPGA设计数据锁存模块、滤波器模块、误差计算模块和权值更新模块;最后,通过MATLAB和VIVADO联合仿真验证。仿真结果表明,该设计极大提高了输入信号的信噪比,提升了定位速度,有较高的工程应用价值。

摘要：本文提出了一种基于深度学习的地下震源定位方法。首先,利用稠密连接网络能够促进特征重复利用的优势,设计了稠密连接的3D卷积神经网络(3DCNN);其次,利用空间金字塔池化层(SPP)可以对高层特征进行多尺度提取再聚合的特点,设计了3D空间金字塔池化结构(3DSPP);最后,将三维能量场图像输入到设计的稠密连接的3DCNN+3DSPP+全连接层(FC)模型中进行训练和测试,最终输出震源坐标。实验结果表明,本文设计的深度神经网络能够实现能量聚焦点的准确定位。

摘要：声目标分类识别是声源识别领域的核心问题,然而,在应用深层神经网络进行声目标分类识别时,从少量样本中学习(样本复杂度较低)是一个具有挑战性的问题;针对此问题,提出了一种基于深度学习的小样本声目标识别方法,该方法将手工设计特征和对数梅尔声谱特征结合到一起,扩充了深度学习模型的可利用特征量,提高了声信号识别效率和精度;在实验验证中,该方法在测试集上实现了87.6%的识别精度;更进一步地,用较少量的训练样本对该方法和其它几种主流的深度学习模型的性能进行了比较验证,结果表明,该方法只需要更少量的数据即可实现同样的识别精度,在声源探测领域具有一定应用价值。