摘要：针对雷达辐射源信号在低信噪比情况下分类精度不高、分类结果具有偏向性,设计了一种基于集成学习结合深度学习的雷达信号分类方法。首先利用模糊函数特征对雷达信号进行特征提取,对提取的图像特征进行预处理得到网络训练的数据集。然后构造一个集成多个卷积神经网络分类模型对雷达信号进行识别。采用5种不同的雷达信号进行验证,实验结果表明,相比于单个卷积神经网络,采用集成学习和卷积神经网络结合的分类方法有助于提高低信噪比信号的分类效果。

摘要：无线局域网采用IEEE 802.11协议无法向不同类型的数据流提供有区分的服务质量,而IEEE 802.11e服务区分机制EDCA存在数据流传输不公平性的问题。为此,运用NS-3网络仿真器实现一种改进的服务区分机制F-DCF。针对每个单独的节点给出排队规则,以保证节点内的公平传输机会,并通过使用基于竞争的接入方法设计实现多个节点之间的公平信道接入机制。仿真结果表明,与传统EDCA机制相比,F-DCF机制可对网络中不同优先级的数据流提供比例公平性的服务质量区分,并能够提高网络的总吞吐量。