船舶移动网络大数据异常数据优化识别研究

异常数据对船舶移动网络通信产生干扰,而当前船舶移动网络的异常数据优化方法的效果差,无法满足船舶移动网络通信要求,为此设计了一种基于大数据分析技术的船舶移动网络异常数据优化识别方法。首先分析当前船舶移动网络异常数据优化研究方法,指出它们各自存在的缺陷,然后引入大数据分析技术对船舶移动网络异常数据进行优化和识别,最后进行船舶移动网络异常数据优化识别的实例分析,结果表明,本文方法可以描述船舶移动网络异常数据变化特点,提高船舶移动网络异常数据识别的正确率,而且船舶移动网络异常数据识别时间要短于其它方法,获得了令人满意的船舶移动网络异常数据识别结果。     

船载远程电子通信设备异常信号识别方法

传统的船载远程电子通信设备异常信号识别方法存在着识别性能差的缺陷,为此提出船载远程电子通信设备异常信号识别方法研究。利用比较判别法对采集的船载远程电子通信设备信号进行判别,对异常信号特征进行提取并组成异常信号特征集合,以异常信号特征集合为依据采用异常信号识别算法对异常信号进行识别,实现了船载远程电子通信设备异常信号的识别。通过实验得到,提出的船载远程电子通信设备异常信号识别方法识别正确率比传统方法高出24%,说明提出的船载远程电子通信设备异常信号识别方法具备更好的识别性能。     

通信信号调制盲识别方法研究

讨论调制识别技术的原理及发展状况,系统地总结多年来通信信号调制盲识别方法,包括基于似然比的调制盲识别方法和基于信号特征的盲调制识别方法,分析各种方法的原理和性能,最后对识别方法的发展进行展望,对分类器进行总结。     

舰船大数据网络干扰信息高效识别方法

传统方法忽略了对船舶大数据网络干扰信息瞬时特征参数的获取,导致识别精度偏低,为此提出并设计了一种干扰信息的高效识别方法。对大数据网络中的不同干扰信息进行离散化处理,以提取准确的特征参数,对干扰信息进行修正与降噪处理后,采用决策分类的方式,对船舶通信过程中产生的干扰信息进行识别计算,实现干扰信息的高效识别。实验结果表明,高效识别方法能够将大数据网络中的干扰信号准确识别出来,较传统方法的识别精度高出了31.7%,具备极高的有效性。     

高噪声背景下舰船指挥舱大词汇量连续语音识别方法

传统的舰船指挥舱大词汇量连续语音识别方法存在着识别错误率高的缺陷,为此提出高噪声背景下舰船指挥舱大词汇量连续语音识别方法研究。对采集的连续语音信号进行预加重和预处理,以预处理后的连续语音信号为基础,采用多通道语音增强方法对连续语音信号进行增强,得到纯净连续语音信号估计,采用CDMFCC方法对纯净连续语音信号特征参数进行提取,通过CDHMM方法实现了高噪声背景下舰船指挥舱大词汇量连续语音的识别。通过实验得到,提出的舰船指挥舱大词汇量连续语音识别方法识别错误率比传统方法低了16%,说明提出的舰船指挥舱大词汇量连续语音识别方法识别性能更好。     

基于大数据分析的船舶通信网络优化研究

网络优化是提高船舶通信系统工作性能的重要方法,针对当前船舶通信网络优化存在工作效率低,节点能量消耗大等缺点,设计基于大数据分析的船舶通信网络优化方法。首先以数据传输能量最小为目标建立船舶通信网络优化的数学模型,然后将船舶通信网络优化问题看作为一个大数据分析处理,通过云平台对数学模型进行并行求解,每一个子任务组合模型对数据传输能耗进行预测,选择能耗最小路由进行数据传输,最后进行船舶通信网络优化方法性能的仿真测试。测试结果表明,本文可以有效对船舶通信网络进行优化,提高了船舶通信系统的数据传输速度和成功率,具有十分广泛的应用前景。     

基于大数据分析的船用通信网络优化调度算法

为了提高船用通信网络优化调度效果,设计了基于大数据分析的船用通信网络优化调度算法。首先分析了船用通信网络优化调度原理,指出了影响船用通信网络优化调度结果的因素,然后收集船用通信网络优化调度的数据,采用大数据分析方法中的相关向量机和时间分析算法对船用通信网络优化调度问题进行建模,最后进行了船用通信网络优化调度算法性能的测试实验。结果表明,大数据分析算法解决了当前船用通信网络优化调度中存在的一些难题,提高了船用通信网络优化调度精度,船用通信网络优化调度时间得以减少,提升了船用通信网络优化调度效率,具有一定的实际应用价值。     

舰载网络中未知协议识别方法研究与仿真

舰载网络通信中,由于舰船的自组织特性和过往船只的不确定性,通常会受到未知协议的通信求情,对舰载网络中的未知协议有效识别,提高舰载网络通信链路存活性和稳定性。目前舰载网络未知协议识别采用的是端口路由分层识别方法,存在通信信号传输的保真度不好,路由开销大等问题,提出一种基于高阶谱包络调制的舰载网络中的未知协议识别方法。构建舰载网络通信的系统模型,对舰载网络进行路由分簇设计,对舰载网络通信中的未知协议进行多接口多信道的自组织网络分配,采用高阶谱包络调制方法对通信信号进行特征提取和动态融合,实现对舰载网络中的未知协议的优化识别。仿真结果表明,采用该算法能有效实现舰载网络中的未知协议的特征提取和识别,提高了通信链路的存活时间,降低舰载网络通信的误码率。     

基于机器视觉的大规模船舶航行数据自适应识别方法

传统船舶航行数据识别方法,存在瞬态识别数据规模局限性大,超规模阈值下的数据识别准确率过低的问题。在当前船舶航行数据处理规模下,无法高效准确完成船舶航行数据的处理任务。为了在根源解决上述问题,引入机器视觉技术,提出基于机器视觉的大规模船舶航行数据自适应识别方法。首先基于机器视觉技术,对航行数据的识别标准进行定义,同时完成对相关不符识别量进行修正;接着对全局航行数据对应的轨迹信息进行机器视觉结构处理;最后完成对数据的自适应识别计算。通过与传统方法的多组航行数据模拟测试发现,采用提出识别方法的航行数据识别结果,相较传统识别方法具有识别速度快、准确率高、数据规模自适应性强的特点。     

基于深度学习的监控视频中船舶识别方法

针对当前监控视频中船舶识别成功率低、无法进行在线识别的难题,为了对监控视频中船舶进行准确识别,提出基于深度学习的监控视频中船舶识别方法。首先对监控视频中船舶识别原理进行分析,采集船舶识别的监控视频,将船舶识别从背景中分割,然后提取船舶识别的不变矩特征,将不变矩特征输入深度学习算法中进行训练,建立监控视频中船舶识别模型,最后进行了多个监控视频中船舶识别验证性实验。实验结果表明深度学习算法可以准确对监控视频中的船舶进行识别,提高了监控视频中船舶识别成功率,误识率急剧下降,远低于当前其它监控视频中船舶识别方法,实时性要也要高于其它识别方法,是一种速度快、结果可信的监控视频中船舶识别方法。