摘要：随着雷达技术的发展,雷达设备被越来越广泛地应用于各个领域。而随着雷达频带的宽带化和数据的精细化,雷达数据量越来越大,已成为限制雷达发展的瓶颈之一。单比特量化技术的发展和在雷达系统中的引入为解决这一问题提供了有效途径,可显著降低数据量,但也随之带来了新的挑战。本文针对LFM(linear frequency modulation)雷达分析了匹配滤波和去调频2种典型处理方式下单比特量化带来的主要问题。这些问题的分析将为单比特雷达系统设计提供参考。

摘要：该文提出了一种针对合成孔径雷达(SAR)的单比特多模态干扰方法,干扰机在截获SAR信号后,将其与单频阈值比较后量化为单比特数据。与传统高精度采样量化生成高逼真度假目标的欺骗干扰方法相比,单比特量化仅保留了数据的符号信息,降低了采样数据的位宽,达到简化系统、提升效率、降低成本的目的。同时,基于单频阈值的单比特量化在截获SAR信号中引入了丰富的谐波分量,通过合理设计阈值的幅度、频率与相位参数,可以将单频阈值泛化为多种阈值。不同阈值可以有效利用不同特性的谐波,进而达到单目标欺骗干扰、多目标欺骗干扰、射频干扰和类噪声干扰等多种干扰模态单一对抗或协同对抗、多模态间捷变的灵巧干扰效果。通过仿真实验定量分析了不同干扰模态下的干扰性能,验证了所提方法的有效性。

摘要：为解决复杂的频谱分配问题,引入具有较强并行计算能力的双目标鲸鱼优化算法(WOA),提出一种可以有效反映实际频谱需求的Stackelberg博弈,设计一种双目标WOA优化的分布式天线系统(DAS)频谱共享调度算法。仿真结果表明,从最优价格、用户收益等多个指标进行性能对比,所提算法具有较好的频谱共享分配效果,能实现公平有效的频谱分配,为未来通信网络频谱共享模式提供了重要参考。

摘要：单幅雾天图像的恢复是计算机视觉领域的一个基础问题,现有的方法主要包括基于先验信息的去雾方法和基于学习的去雾方法.然而,在实践中,前者具有很强的假设先验,导致该类方法的应用场景具有一定的局限性;后者在获取大量的配对数据上很困难.针对这2类问题,提出一种基于非配对数据训练的二阶段端到端的自适应去雾生成网络,其基于循环生成式对抗网络框架,不同的是,在训练的过程中,提出一种二阶段映射策略.首先通过一级映射网络得到去雾结果;然后将该结果作为二级映射网络的输入,进一步提高去雾效果.另外,提出一种循环增强损失函数,并引入了先验信息约束生成器之间的映射关系.采用室内外多场景下的仿真雾图和真实雾图作为测试数据,通过全参考和无参考图像质量评价指标进行对比分析;实验结果表明,该方法不仅能够更好地适应处理各类雾天场景,有效地提高图像的峰值信噪比和结构相似度,且较好地复原了退化场景的边缘信息和色彩信息.

摘要：针对交换结构所使用的信源模型,不仅要考虑网络业务流自身特性,还要考虑输出端口的业务均衡问题,提出一种可用于交换结构性能分析与设计验证的信源模型,该模型能够产生具有自相似特性的网络业务流,并且能够正确模拟到达交换结构输入端口处的均衡和非均衡分布的网络业务流,同时通过在OPNET仿真平台上的测试,证明了上述结论。该模型对于高速交换机中交换结构的设计具有重要意义。

摘要：研究4阶正交拉丁组所确定的基本理论密码系统的实际模型设计方法.基于计算机中简单易实现的几种运算,提出4阶正交拉丁方组非统一代数式的构造方法,并给出基本实际密钥空间K长度分别为2、3和4 bit时的实际基本密钥空间和统一形式的非线性加解密变换的设计方法.所设计的3种非线性基本实际密码系统不同于现有常用的基于模加法运算所设计的线性基本密码系统,可以将它们作为今后设计新流密码算法时所用的基本密码系统.

摘要：在MIMO雷达中配备大量有源天线单元可以获得优异的波束形成性能,但会导致系统能耗大、电路复杂及成本高等问题。采用低精度的DAC组件可有效克服上述问题,但现有基于无限精度DAC条件所设计的MIMO雷达波形往往难以直接适用于低精度DAC系统。为此,该文提出了一种离散相位约束下基于最小化积分副主瓣比的低精度量化MIMO雷达恒模波形设计方法。该方法首先采用丁克尔巴赫(Dinkelbach)算法将目标函数二次分数形式转换成减法形式,再利用交替方向惩罚法求解非凸恒模离散相位约束问题。最后通过数值仿真与其他方法进行对比,分析了所提方法的发射方向图与积分副主瓣比性能,验证了该方法的有效性。

摘要：语音增强旨在从受噪声干扰的语音中提取目标语音,目前基于神经网络的语音增强方法在提升语音质量和可懂度方面已被证明是有效的。通过多目标联合优化,利用不同特征之间的互补性,可以提升基于神经网络的语音增强方法的性能。然而,这类多目标学习的语音增强方法在网络优化过程中,通常分别对单个输出目标进行损失函数的计算,多目标之间是并行的,并没有充分利用多目标之间可能存在的关联。为了在网络训练过程中增加输出目标间的关联,本文利用长短时记忆网络构建一种双输出系统框架,设计一种多目标损失函数计算策略用于网络训练。该框架估计出目标语音和噪声,基于此得到估计的带噪语音,然后对这三部分进行联合优化。实验结果表明,所提方法可以提高网络对噪声抑制能力,通过该策略可以获得质量更高,噪声残留更少的增强语音。

摘要：目前绝大多数的行人属性识别任务都是基于单张图像的,单张图像所含信息有限,而图像序列中包含丰富的有用信息和时序特征,利用序列信息是提高行人属性识别性能的一个重要途径。本文提出了结合时序注意力机制的多特征融合行人序列图像属性识别网络,该网络除了使用常见的空-时二次平均池化特征聚合和空-时平均最大池化特征聚合提取序列的特征外,还设计了空-时3D卷积注意力因子加权特征聚合分支进一步提取序列的特征。通过融合上述3个分支输出的序列的特征,使网络获得更加丰富的信息。此外在网络训练中本文在使用带权值的交叉熵损失基础上,添加了用于约束FP和FN数量的tversky损失作为网络的整体损失函数,使网络在训练过程中对查准率与查全率有更好的权衡。实验结果表明,结合时序注意力机制的多特征融合行人序列图像属性识别网络在各项评价指标中优于基于单张静止图像的方法,以及其他常见的几种特征聚合与时序建模方式。

摘要：主要研究了垂直氮化镓鳍式功率场效应晶体管的器件特性。利用理论计算和器件模拟,系统地设计和优化了n型氮化镓漂移层的掺杂浓度和厚度以及鳍宽度的参数,使得击穿电压和导通电阻达到最佳的折衷。经过最终优化后,当n型氮化镓漂移层的掺杂浓度、漂移层的厚度、鳍宽度分别为5×10^(15)cm^(-3)、10μm、0.2μm时,得到高击穿电压为1150 V、低导通电阻为1.01 mΩ·cm^(2)、高Baliga优值为1.31 GW/cm^(2)。结果表明,通过本文方法优化的垂直氮化镓鳍式功率场效应晶体管可用于大功率和高压场合。