摘要：正交时序复用(OTSM)是一种适用于高速移动场景的低复杂度调制方法。然而,单一的波形设计方法难以满足多样化的应用需求和性能需求。因此,该文基于加权分数傅里叶变换(WFRFT)提出了加权分数沃尔什-哈达玛变换(WFRWHT),并提出了多维扩展的一体化的加权分数傅里叶变换-加权分数沃尔什哈达玛变换-正交时序复用(WFRFT-WFRWHT-OTSM)波形框架。通过对2维参数的灵活配置,该框架可退化为OTSM、正交时频空、混合载波、正交频分复用和单载波等波形,同时研究了采用高斯-赛德尔(GS)迭代均衡时一体化WFRFTWFRWHT-OTSM波形在时延-多普勒信道下的误码率(BER)性能以及峰均功率比(PAPR)性能。仿真结果表明,在不同时延-多普勒信道下,该框架可通过改变WFRFT和WFRWHT阶次实现更优的BER和PAPR性能。

摘要：针对全球导航卫星系统(GNSS)拒止环境下定位精度难以保证的问题,该文设计了一种基于新无线电(NR)机会信号的定位方案,并提出一种基于干扰消除子空间追踪(ICSP)算法,解决超密集网络(UDNs)和异构网络(HetNets)环境中同频干扰对定位观测量提取精度不足的问题。通过仿真实验和通用软件无线电外设(USRP)半实物仿真,验证了ICSP算法在复杂网络环境中优化5G机会信号接收机性能、提高定位精度上的有效性。

摘要：传统的船舶监测系统存在着覆盖盲区、功耗大、成本高和难以部署等问题,无法满足船舶智能化发展的要求。为解决此问题,将LoRa(Long Range)技术引入到智能船舶设备监测中,围绕着LoRa技术与智能船舶监测系统的设计与实现以及系统的整体框架进行了研究,并对船舶监测系统进行了硬件实现。

摘要：隐身技术的发展和运用给雷达目标探测带来了极大的挑战,检测前跟踪技术作为微弱目标探测的重要技术方向之一,常被用于雷达探测中,但传统的检测前跟踪算法计算量大、受目标运动模型限制,难以有效检测各种不同运动状态的机动目标。针对该问题,提出基于TransUNet的微弱目标智能检测前跟踪算法,算法不受任何运动模型限制,可以有效识别各种运动状态的机动目标。首先,利用目标运动轨迹的空-时相关性特征,基于TransUNet模型设计了一种适用于不同运动状态的机动微弱目标粗检测算法,实现微弱机动目标的初步检测;然后,利用初步检测结果对目标量测进行区域搜索,实现微弱机动目标点迹的回溯;最后,针对低信噪比情况下初步回溯点迹的漏检问题,利用部分成功检测点迹的辅助信息,结合最佳抛物线值函数实现目标点迹的精细检测和航迹的完整回溯。仿真试验验证了本方法能够对多种运动状态的微弱机动目标实现有效检测。

摘要：针对现存卷积神经网络对脑血管数字减影血管造影分割精度不高的问题,本文提出了一种基于U-Net的改进网络(IC-Net)。通过融合使用Inception和CAM通道注意力模块,以多种感受域提取更丰富的血管特征信息,并对特征信息进行筛选。增加7×7卷积层,通过压缩特征层分辨率的方式减少训练过程中产生的数据量。本文所提模型与U-Net、R2U-Net、Attention U-Net相比,IOU、Accuracy、F1-Score和ROC曲线下面积4项指标平均提升了1.82%、0.014%、1.19%和0.73%。结果验证了IC-Net模型明显提升了脑血管数字减影血管造影虚弱血管和血管末端的检测能力,提升了分辨伪影噪声的能力,为医生识别脑血管中产生的病变提供有力参考。

摘要：合成孔径雷达(SAR)舰船检测是近年来的研究热点。然而,与光学图像不同,SAR成像的特点会导致不直观的特征表示。此外,由于SAR图像数据量不足,现有的基于大量标记SAR图像的方法可能难以达到较好的检测效果。为了解决这些问题,本文提出了一种基于多级跨模态对齐的SAR图像舰船检测算法MCMA-Net(Multi-level Cross-Modality Alignment Network),通过将光学模态中丰富的知识迁移到SAR模态来增强SAR图像的特征表示。该算法首先设计了一个基于邻域—全局注意力的特征交互网络NGAN(Neighborhood-Global Attention Network),通过对骨干网络的浅层特征采用邻域注意力机制进行局部交互、对深层特征采取全局自注意力机制进行全局上下文交互,在兼顾全局上下文建模能力的同时,提升局部特征的编码能力,使得网络在不同层级更合理的关注相应的信息,从而能够促进后续的多级别模态对齐。其次,本文设计了一个多级模态对齐模块MLMA(Multi-level Modality Alignment),通过从局部级别到全局级别再到实例级别的对两种模态不同隐含空间中的特征进行对齐,促进模型有效地学习模态不变特征,缓解了光学图像和SAR图像之间的模态鸿沟,实现了从光学模态到SAR模态的知识传输。大量的实验证明我们的算法优于现阶段的检测算法,取得了最好的实验结果。

摘要：针对Chirp基调制信号在分数阶傅里叶变换域特征明显,信号周期易被检测等问题,提出一种能够实现多域隐蔽的低检测概率(low probability of detection,LPD)波形构造方法。该方法采用分数阶傅里叶变换跳频(fractional Fourier transform-frequency hopping,FrFT-FH)架构,在不改变Chirp信号扩频增益的前提下,通过时宽分割和重组(time width division and reorganization,TDR),降低信号在分数阶傅里叶变换域和周期域的能量聚敛特性。仿真结果表明,相较于现有LPD波形只能实现单一特征域隐蔽的问题,所提波形在不影响系统通信性能的前提下,面对频域检测、分数阶傅里叶变换域检测、周期域检测多种检测手段,在10 dB信噪比条件下的信号检测概率均低于0.2,满足系统在不同特征域下的LPD需求。

摘要：近年来,无人机在军用领域和民用领域得到了广泛的应用,给人们带来极大便利的同时也带来了重大的安全挑战,精准识别无人机的需求日益迫切,其中无人机辐射源个体识别方法得到广泛关注和深入研究。基于深度学习的方法因其卓越性能而受到广泛关注,然而这些方法大多依赖于大量独立同分布的训练数据,而在实际应用中,无人机射频数据的采集和标注充满挑战,训练数据和测试数据之间往往存在较大的分布差异。针对无人机射频数据采集和标注困难、训练数据和测试数据分布差异大等现实应用需求,提出了一种面向无人机辐射源个体识别的域适应模型设计方法。采用自助抽样法对无人机数据集进行重采样,增加数据集中的样本多样性。将Transformer编码器与域对抗神经网络结合,使特征在高斯分布下进行优化。引入最大均值差异作为度量方法来减少训练过程中源域和目标域之间的分布差异。基于权重的加权投票法增强模型的泛化性,提高模型适应新环境的能力。实验结果表明,基于3种典型环境,构建6种域适应场景,本文所提的方法识别率高于现有方法约5%。此外,还研究了源域样本数量和目标域样本数量对域适应效果的影响,在目标域含有少量样本时依然可以达到较高的性能,较好地平衡了无人机辐射源个体识别精确度与泛化性、可靠性的需求。

摘要：针对完全合作型任务中,多智能体深度确定性策略梯度(MADDPG)算法存在信度分配以及训练稳定性差的问题,提出了一种基于异步合作更新的LSTM-MADDPG多智能体协同决策算法。基于差异奖励和值分解思想,利用长短时记忆(LSTM)网络提取轨迹序列间特征,优化全局奖励划分方法,实现各智能体的动作奖励分配;结合算法联合训练需求,构建高质量训练样本集,设计异步合作更新方法,实现LSTM-MADDPG网络的联合稳定训练。仿真结果表明,在协作捕获场景中,本文算法相较于QMIX的训练收敛速度提升了20.51%;所提异步合作更新方法相较于同步更新,归一化奖励值均方误差减小了57.59%,提高了算法收敛的稳定性。

摘要：设计了一种采用0.18μm CMOS工艺制作的基于斩波拓扑的高精度RC振荡器。该结构对比较器失调有较好的抑制效果,并补偿了比较器传输延时对输出时钟频率的影响,达到了较好的温度特性。同时使用LDO对振荡器的主体电路供电,有效抑制了电源电压波动对输出频率的影响。另外该振荡器使用电容修调网络,减小了工艺漂移对中心频率的影响。仿真结果表明,所设计的振荡器在不同工艺角下均可以通过修调将频率校准至典型值2 MHz。在-40~125℃的温度范围内,输出频率的波动仅为0.87%。在3~6 V的电源电压范围,输出频率的波动仅为0.21%。与同类型的片上RC振荡器相比,该电路对温度、电源电压和工艺的漂移有更好的抑制作用。