通信信号调制样式的自动识别

针对卫星通信信号中常用的数字信号调制样式的自动识别问题,提出一种基于人工神经网络（ArtificialNeuralNet,ANN）的识别算法,该算法在几乎没有先验信息的条件下,以几种调相信号为基本模型,通过双隐层人工神经网络获取频谱特征,进而判别出不同信号的调制样式。仿真及实测数据验证表明,该算法在低信噪比条件下,随着神经元组合数量的增加,数字调制样识别的正确率有明显提高。     

无线网络的舰船识别方法

舰船识别依赖特征参数与待分类数据的联系,现有识别方法未挖掘信号隐性特征,影响可识别范围,基于无线网络提出一种舰船识别方法。对舰船信号进行预处理,计算短时能量和过零率,判断信号起始点。利用卷积神经网络挖掘样本信号的显性和隐性特征参数,并构建舰船识别模型对特征参数进行训练,得到最优分类面即为识别结果。实验结果表明,本文提出的识别方法能实现一对一的舰船识别,并且可识别范围大于基于SAR图像和基于稀疏信号分解算法的识别方法,基本上可覆盖全部的目标识别区域,有助于实际海洋环境的舰船监测。     

基于小波解调-1(1/2)维谱的舰船辐射噪声调制特征提取

舰船辐射噪声的调制谱中含有大量舰船固有特征量,可用于估算舰船的航速以及进行目标分类与识别。本文提出一种基于小波解调与1(1/2)维谱的联合分析方法,利用Morlet小波的带通滤波能力以及其实部与虚部正交特性提供的信号解调功能,得到信号的尺度包络谱图,选取其中含有调制信息的小波分量,通过1(1/2)谱分析可以得到舰船轴频的基频及谐波信息。实验数据结果表明,该联合方法可以有效的提取舰船辐射噪声中的调制特征信息,具有广阔的应用前景。     

基于 Web语义的舰船雷达目标识别系统设计

针对舰船雷达信号目标的识别方式简单、识别度低的情况,文中提出基于 Web语义的舰船雷达回波自动识别系统。因为雷达信号目标特征信息点分散且繁杂,在语义 Web网下取得雷达信号目标图像的数据特征,运用改进 FastICA算法提取特征数据后,通过智能雷达回波视频图像识别系统,对舰船目标图像进行分析。实验证明,基于 Web语义的舰船雷达目标识别系统,能使大量信息被系统充分利用,达到精确识别舰船雷达图像目标的目的。     

基于Web语义的舰船雷达目标识别系统设计

针对舰船雷达信号目标的识别方式简单、识别度低的情况,文中提出基于Web语义的舰船雷达回波自动识别系统。因为雷达信号目标特征信息点分散且繁杂,在语义Web网下取得雷达信号目标图像的数据特征,运用改进FastICA算法提取特征数据后,通过智能雷达回波视频图像识别系统,对舰船目标图像进行分析。实验证明,基于Web语义的舰船雷达目标识别系统,能使大量信息被系统充分利用,达到精确识别舰船雷达图像目标的目的。     

基于辐射噪声能量分布的舰船目标分类算法

有效的特征提取技术是水中目标识别的基础.为提高基于舰船辐射噪声的水中目标识别准确率,选用小波变换完成信号预处理和滤波,并在信号变换后的多尺度子空间上提取信号特征参数,归一化处理后构建分类特征向量,最后用支持向量机算法进行训练和测试.仿真结果表明,利用小波变换的多分辨率分析方法和支持向量机算法对舰船辐射噪声信号进行分类识别,特征提取算法有效,分类速度较快.     

一种基于船舶辐射噪声信号改进Mel倒谱系数的目标识别方法

基于船舶辐射噪声信号Mel频率倒谱系数(MFCC)的目标类型识别是目前研究的一个热点。现有方法虽然在无噪声环境下具有较好的识别效果,但是在信噪比较低时其识别效果较差。基于此,文章提出了一种改进的提取MFCC特征参数的船舶目标识别方法,该方法在船舶辐射噪声信号的预处理阶段采用多正弦窗来代替传统使用的Hamming窗进行多窗频谱估计,经过计算得到改进的MFCC参数。试验结果表明,相比传统方法提取的MFCC参数,使用该方法提取的MFCC参数分别在不同信噪比的高斯白噪声干扰下,在BP神经网络分类器中的识别率更高,抗噪声的鲁棒性和稳定性更好。     

LMS算法在舰船磁场信号检测中的应用

针对检测舰船磁场信号时信噪比较低的问题,提出了一种基于变步长LMS算法的检测方法.根据舰船磁场信号的实际特征,首先采用小波阈值去噪法对实测信号进行处理,去除测量信号中的白噪声,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取舰船磁场特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强了对舰船磁场信号的检测能力.     

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。     

基于相关特性船舶辐射噪声DEMON谱信噪比增强算法

基于实测船舶辐射噪声信号的非均匀调制特性,通过时域延时和频域子带2种方式对同一船舶噪声信号进行不同DEMON谱函数的划分。定义不同DEMON谱函数间的平均相关系数和最优DEMON谱函数,提出一种基于不同DEMON谱函数的调制线谱与干扰的统计学相关特性差异来提高所得信号信噪比的算法。实验结果表明,该算法可以提高DEMON谱信噪比,有利于对目标的特征提取和分类识别。     

大数据分析下舰船网络异常节点快速定位优化方法

为了提升舰船网络通信质量,实现信息参量的无误传输,提出一种基于大数据分析的舰船网络异常节点快速定位优化方法。以异常节点群落作为舰船行进信息的初始分类标准,分别计算单向传输信号差与双向传输信号差,完成最基本的舰船网络异常节点定位。借助大数据分析理论,对节点传输间距与数据定量差进行优化处理,实现新型舰船网络异常节点快速定位优化方法的顺利应用。实验结果表明,与优化前的节点定位算法相比,优化后方法的数据源码传输率极值可达87.3%,满足舰船网络通信环境的实际应用需求。     

基于盲信号处理的舰船辐射噪声检测

根据舰船辐射噪声在水中传递的环境及特点,采用盲信号处理技术重构出相应的原始辐射源信号,该方法能够减少噪声及舰船间的相互干扰,提高了原始辐射源信号的信噪比,从而为水中兵器目标信号的准确检测提供了基础。仿真实验研究了单船舶辐射噪声信号谐波成分的分离及多船舶辐射噪声混合信号的分离,结果表明该算法稳定性好、收敛速度快,是一种有效的舰船辐射噪声检测方法。     

雾天环境下的舰船图像增强算法研究

为了提高雾天环境下的舰船图像质量,提出一种形态滤波算法和小波变换的雾天环境下舰船图像增强算法。首先采集雾天环境下的舰船图像,并对图像进行形态滤波操作,去掉舰船图像中的噪声,将舰船图像的重要信息保留下来,然后采用小波变换对2幅舰船图像分别进行分解,并对它们进行融合和增强,消除雾天环境对舰船图像的干扰,得到更加清晰的舰船图像,最后与其他算法进行舰船图像增强仿真实验,仿真实验表明本文算法的舰船图像信噪比要高于对比算法,可以对雾天环境中的不利因素进行有效的抑制,得到的舰船图像的视觉效果十分理想,解决了当前雾天环境下舰船图像增强中的难题。     

基于大数据技术的舰船磁场异常信号粗提取

舰船磁场异常阈值滤波的幅度特征不一,导致异常信号粗提取信噪比值过低。基于此,提出基于大数据技术的舰船磁场异常信号粗提取方法。基于大数据技术设计舰船磁场异常信号粗提取方法,分解舰船异常信号,并从重构的分解异常信号中提取异常特征值。在此基础上,对磁场异常阈值进行滤波识别,对磁场异常阈值滤波的幅度特征进行整合,获取舰船磁场异常信号。至此,完成基于大数据技术的舰船磁场异常信号粗提取方法设计。分析实验结果:采用基于大数据技术的舰船磁场异常信号粗提取方法异常信号粗提取的信噪比值最高为-3 dB,表明所提方法异常信号粗提取效果较好。     

BP神经网络的舰船辐射噪声识别

当前舰船辐射噪声识别方法存在识别率低,对环境鲁棒性差等缺陷,为了对复杂环境下的舰船辐射噪声识别进行准确识别,提出了BP神经网络的舰船辐射噪声识别方法。首先采集舰船辐射噪声,并提取舰船辐射噪声识别有效特征参数,然后采用BP神经网络建立舰船辐射噪声识别模型,从而实现对舰船辐射噪声信号的分类和识别,最后进行舰船辐射噪声识别的仿真测试。结果表明,相对于已有的舰船辐射噪声识别方法,BP神经网络提高了舰船辐射噪声识别率,可以对各种舰船辐射噪声信号进行准确分类。     

大数据背景下舰船通信信息资源提取方法

在现有舰船通信信息资源提取方法中,经过整合处理得到的信息资源数据编码结构混乱,导致提取数据精度较低。为此,设计一种大数据背景下舰船通信信息资源提取方法。利用大数据技术编码信息资源特征后,设定局部性约束条件,确定舰船通信信息资源特征。构建信息资源阈值识别判断公式,根据计算得到的识别阈值,完成对信息资源的提取。设定实验环境后,准备通信信息数据,分别使用2种传统资源提取方法以及文中设计的资源提取方法进行对比实验,结果表明,文中设计的资源提取方法提取精度最高。     

复杂电磁环境下离岸舰船无线网络信号优化

复杂电磁环境下,离岸舰船无线网络传输信号信噪比较差,因此提出复杂电磁环境下离岸舰船无线网络信号优化方法。通过获取离岸舰船无线网络矢量信号,得到组件信号压缩测量矩阵,从而完成传输信号稀疏特征提取。在信号稀疏特征已知的条件下,采用适当接收极化,抑制传输过程中噪声的干扰与影响,完成传输信号干扰优化。在传输干扰信号最优化的条件下,确定信号传输寻优范围,完成离岸舰船无线网络信号接收质量优化。设计仿真实验,对比复杂电磁环境下优化前后离岸舰船无线网络信号信噪比,证明本文方法的有效性。     

基于独立分量分析下的跳频网台分选

复杂电磁环境条件下,针对目前多跳频信号的网台分选特征参数识别算法时效性不强且算法复杂度高等问题,提出了一种基于Fast ICA的跳频网台分选方法。首先基于独立分量分析思想,建立起参数识别的算法模型;然后利用固定点算法,以负熵最大作为目标函数,完成了对混叠跳频信号的盲源分离。仿真实验表明,在-3d B的信噪比条件下,较非线性PCA算法,分离速度提升45%左右,分选准确度达到95%以上。     

舰船远程航行中5G通信调制信号识别方法

舰船远程航行过程中的无线通信依靠海事卫星和GPRS技术,近年来,5G技术发展越来越成熟,基于5G的舰船远程通信系统开发成为一项热点。本文设计一种舰船远程航行信息交互系统,对系统的构成和关键技术环节进行研究,包括5G通信信号的调制技术、基于神经网络算法的5G调制信号识别技术等。最后,结合Simulink软件进行了舰船远程航行信息交互系统的5G通信性能测试。     

舰船网络保密通信的椭圆曲线优化编码技术

在舰船网络保密通信中,通过对传输数据信息进行优化编码,提高数据加密性能。传统的舰船网络保密通信的编码技术采用随机码幅度调制的信息编码算法,在舰船网络通信密钥扩展过程中,随着信噪比的降低,窃听者可破解全部密钥,加密性能不好。提出一种基于椭圆曲线加密的舰船网络保密通信优化编码算法。设计安全网络编码方案,采用椭圆曲线加密技术实现对通信数据的算术编码与加密,通过多个字符序列进行算术编码,产生加密所需的一个参数密钥,使用改进型Logistic映射得到舰船网络保密通信的信息编码的散列值,分别恢复出信源的编码矢量,得到舰船网络保密通信椭圆曲线加密密钥排列图,实现优化编码通信。仿真结果表明,采用该算法进行舰船网络保密通信数据编码,具有较好的数据加密传输性能,对网络攻击具有较好的抵御效果,适用于舰船保密通信系统设计中。