摘要：针对低信噪比条件下,现有的雷达辐射源信号识别方法存在识别正确率低、时效性差的问题,提出了一种基于压缩残差网络的雷达辐射源信号识别方法。首先,利用Choi-Williams分布的时频分析方法将时域信号转换为二维时频图像;然后,根据应用场景特点,选择卷积神经网络(Convolutional Neural Networks,CNN)“压缩”范围;最后,构建压缩残差网络来自动提取图像特征并完成分类。仿真实验结果表明,在同等体量的设计下,与当前较为常用的标准CNN以及ResNet模型相比,所提模型能够降低信号识别运行时间约88%,在信噪比为-14 dB条件下对14种雷达辐射源信号的平均识别率高约5%。提供了一种高效的雷达辐射源信号智能识别方法,具有潜在的工程应用前景。

摘要：战斗力指数的定量化研究对军队信息化建设至关重要。针对当前战斗力指数研究方法存在受主观因素影响较大、定性分析较多、定量研究较少、方法泛化性不足等缺点,重申了以BP神经网络为“黑盒模型”计算战斗力指数这一方法的重要性和可行性。该方法以对战斗力指数影响的指标为输入,以战斗力指数的量值为输出,通过误差反向传递与梯度下降的训练方法自动学习输出与输入之间的复杂函数关系。此外,针对当前涉及BP神经网络结构优化研究较少、所用BP神经网络结构简单、性能及稳定性无法保证等问题,提出了一套行之有效BP神经网络的优化方法。该方法通过优化神经元数量、隐藏层数、训练方法3种手段优化BP神经网络。仿真实验结果表明:3种优化方法均可提升BP神经网络性能,同种优化方法的最佳模型分别比其他模型的平均预测误差低约4%、7%、6%。

摘要：超高可靠低时延通信(URLLC)是5G三大应用场景之一,具有高可靠性和低时延的特性,针对该场景进行建模和仿真评估对于通信系统的设计、规划以及业务应用具有重要意义。重点评估URLLC场景的可靠性,通过评估重传次数、收发天线配置和码本选择三类参数对传输可靠性的影响和参数寻优,证明了通过合理的上述参数配置,可以满足URLLC场景的可靠性需求。仿真验证结果和结论可以为URLLC的实际应用和部署提供参考和参数配置经验。

摘要：介绍了替代等效推算方法,讨论了替代等效推算方法在雷达检飞试验中的应用。以目标χ2分布起伏统计模型来定义的五类典型的雷达目标,设计了雷达威力检测的模型,给出了雷达威力试验中不同飞行合作目标间替代等效推算关系,并对其应用进行了分析,为替代等效推算方法在靶场雷达检飞中的应用奠定了理论基础,在雷达检飞试验中具有一定的实际意义。