针对复杂电磁环境下雷达复合干扰识别困难和网络模型复杂度高的问题,将多标签分类与改进的ShuffleNet V2相结合,提出一种轻量化的多标签ShuffleNet(multi-labeling ShuffleNet, ML-SNet)雷达复合干扰识别算法。首先,使用轻量化的Shuffle...针对复杂电磁环境下雷达复合干扰识别困难和网络模型复杂度高的问题,将多标签分类与改进的ShuffleNet V2相结合,提出一种轻量化的多标签ShuffleNet(multi-labeling ShuffleNet, ML-SNet)雷达复合干扰识别算法。首先,使用轻量化的ShuffleNet V2作为主干网络,引入SimAM(similarity-based attention module)注意力机制,提高网络特征提取能力。其次,使用漏斗激活线性整流函数(funnel activation rectified linear unit, FReLU)代替线性整流单元(rectified linear unit, ReLU)激活函数,减少特征图的信息损失。最后,使用多标签分类算法对网络输出进行分类,得到识别结果。实验结果表明,在干噪比范围为-10~10 dB的情况下,所提算法对15类雷达复合干扰的平均识别率为97.9%。与其他网络相比,所提算法具有较低的计算复杂度,而且识别性能表现最佳。展开更多
针对卫星双向时间频率传递(two-way satellite time and frequency transfer, TWSTFT)存在周日效应、短期稳定度不高的问题,通过引入基于注意力机制的Transformer权值矩阵,利用Vondrak-Cepek组合滤波的方法将中国科学院国家授时中心(Nat...针对卫星双向时间频率传递(two-way satellite time and frequency transfer, TWSTFT)存在周日效应、短期稳定度不高的问题,通过引入基于注意力机制的Transformer权值矩阵,利用Vondrak-Cepek组合滤波的方法将中国科学院国家授时中心(National Time Service Center, NTSC)、德国物理技术研究院(Physikalisch-Technische Bundesanstalt, PTB)之间的TWSTFT和全球定位系统(Global Positioning System, GPS)P3码共视法的时间比对链路进行融合,分析融合前后链路的性能指标并与没有周日效应、短期稳定度高的GPS精密单点定位(GPS precise point positioning, GPS PPP)时间比对参考链路进行比较。结果表明,引入注意力机制权值的Vondrak-Cepek组合滤波融合方法与参考链路GPS PPP的标准差为0.310 9 ns,具有改善TWSTFT周日效应、提升链路整体稳定性的作用。展开更多
近年来,卷积神经网络在合成孔径雷达(synthetic aperture radar,SAR)图像船舶检测中取得突出成就,但小目标检测方面仍然存在较大不足。对此,提出一种基于YOLO(you only look once)v5的改进检测网络,结合空间感知通道注意力、自注意力机...近年来,卷积神经网络在合成孔径雷达(synthetic aperture radar,SAR)图像船舶检测中取得突出成就,但小目标检测方面仍然存在较大不足。对此,提出一种基于YOLO(you only look once)v5的改进检测网络,结合空间感知通道注意力、自注意力机制和上下文特征融合策略,以提高小型船舶的检测性能。首先,通道注意力机制抑制了背景信息并强调目标特征,显著提高检测精度。其次,在YOLOv5的骨干网络和检测层中引入自注意力模块,以捕获全局信息,增强定位能力。最后,通过融合浅层和深层特征,补充特征提取中丢失的小目标信息,进一步提高检测精度。基于大规模SAR船舶监测数据集(large-scale SAR ship detection dataset version 1.0 LSSSDDv1.0)数据集的实验结果表明,改进后的网络的全类平均精度(mean average precision,mAP)0.5指标达78.9%,显著优于现有方法。展开更多
因大量采用分布式、综合化、模块化方案,复杂电子系统极易出现共因故障和故障并发等新问题,传统测试性参数确定方法难以解决。针对这一问题,提出一种基于着色广义随机Petri网(colored generalized stochastic Petri nets,CGSPN)的复杂...因大量采用分布式、综合化、模块化方案,复杂电子系统极易出现共因故障和故障并发等新问题,传统测试性参数确定方法难以解决。针对这一问题,提出一种基于着色广义随机Petri网(colored generalized stochastic Petri nets,CGSPN)的复杂电子系统测试性参数确定新方法。首先,综合需求信息、约束边界和维修保障等要求,建立电子系统两层级CGSPN模型,引入着色,实现不同模块各种状态的实时追踪和故障并发处理,通过广义随机处理共因故障的随机不确定性;然后,利用着色和可用度探索一种带有冗余设计的测试性参数处理手段,丰富测试性体系;最后,构建一种不同模块、各种状态融合的并行分析技术,统一系统层和模块层之间的状态转移关系,避免分阶段串行处理和等效替换。以通信导航识别系统为例进行实例分析,所提方法比传统方法具有更好的可用性和有效性。展开更多
针对过程复杂且结构未知的对象,在保证模型有效性的前提下,根据数据信息构建简单模型来简化控制器的求解是亟待解决的问题。以受控自回归模型为例,提出一种基于修正最小角回归算法的稀疏辨识方法。首先将系统模型转化为过参数化的高维...针对过程复杂且结构未知的对象,在保证模型有效性的前提下,根据数据信息构建简单模型来简化控制器的求解是亟待解决的问题。以受控自回归模型为例,提出一种基于修正最小角回归算法的稀疏辨识方法。首先将系统模型转化为过参数化的高维稀疏模型,然后将最小角回归算法用于稀疏系统辨识,并提出绝对角度停止准则,使算法经过少量的迭代即可获得模型的稀疏参数估计,并同时获得有效的时滞和阶次估计。结合辨识得到的受控自回归模型,引入一种基于指定相位点频率和增益的比例-积分-微分(proportional integral derivative,PID)控制器。数值仿真和平衡机器人的姿态控制仿真表明,该稀疏辨识算法在低数据量下具有较高的辨识精度,建立的模型具有较好的泛化性能,控制器具有良好的控制效果。展开更多
文摘针对复杂电磁环境下雷达复合干扰识别困难和网络模型复杂度高的问题,将多标签分类与改进的ShuffleNet V2相结合,提出一种轻量化的多标签ShuffleNet(multi-labeling ShuffleNet, ML-SNet)雷达复合干扰识别算法。首先,使用轻量化的ShuffleNet V2作为主干网络,引入SimAM(similarity-based attention module)注意力机制,提高网络特征提取能力。其次,使用漏斗激活线性整流函数(funnel activation rectified linear unit, FReLU)代替线性整流单元(rectified linear unit, ReLU)激活函数,减少特征图的信息损失。最后,使用多标签分类算法对网络输出进行分类,得到识别结果。实验结果表明,在干噪比范围为-10~10 dB的情况下,所提算法对15类雷达复合干扰的平均识别率为97.9%。与其他网络相比,所提算法具有较低的计算复杂度,而且识别性能表现最佳。
文摘针对卫星双向时间频率传递(two-way satellite time and frequency transfer, TWSTFT)存在周日效应、短期稳定度不高的问题,通过引入基于注意力机制的Transformer权值矩阵,利用Vondrak-Cepek组合滤波的方法将中国科学院国家授时中心(National Time Service Center, NTSC)、德国物理技术研究院(Physikalisch-Technische Bundesanstalt, PTB)之间的TWSTFT和全球定位系统(Global Positioning System, GPS)P3码共视法的时间比对链路进行融合,分析融合前后链路的性能指标并与没有周日效应、短期稳定度高的GPS精密单点定位(GPS precise point positioning, GPS PPP)时间比对参考链路进行比较。结果表明,引入注意力机制权值的Vondrak-Cepek组合滤波融合方法与参考链路GPS PPP的标准差为0.310 9 ns,具有改善TWSTFT周日效应、提升链路整体稳定性的作用。
文摘近年来,卷积神经网络在合成孔径雷达(synthetic aperture radar,SAR)图像船舶检测中取得突出成就,但小目标检测方面仍然存在较大不足。对此,提出一种基于YOLO(you only look once)v5的改进检测网络,结合空间感知通道注意力、自注意力机制和上下文特征融合策略,以提高小型船舶的检测性能。首先,通道注意力机制抑制了背景信息并强调目标特征,显著提高检测精度。其次,在YOLOv5的骨干网络和检测层中引入自注意力模块,以捕获全局信息,增强定位能力。最后,通过融合浅层和深层特征,补充特征提取中丢失的小目标信息,进一步提高检测精度。基于大规模SAR船舶监测数据集(large-scale SAR ship detection dataset version 1.0 LSSSDDv1.0)数据集的实验结果表明,改进后的网络的全类平均精度(mean average precision,mAP)0.5指标达78.9%,显著优于现有方法。
文摘因大量采用分布式、综合化、模块化方案,复杂电子系统极易出现共因故障和故障并发等新问题,传统测试性参数确定方法难以解决。针对这一问题,提出一种基于着色广义随机Petri网(colored generalized stochastic Petri nets,CGSPN)的复杂电子系统测试性参数确定新方法。首先,综合需求信息、约束边界和维修保障等要求,建立电子系统两层级CGSPN模型,引入着色,实现不同模块各种状态的实时追踪和故障并发处理,通过广义随机处理共因故障的随机不确定性;然后,利用着色和可用度探索一种带有冗余设计的测试性参数处理手段,丰富测试性体系;最后,构建一种不同模块、各种状态融合的并行分析技术,统一系统层和模块层之间的状态转移关系,避免分阶段串行处理和等效替换。以通信导航识别系统为例进行实例分析,所提方法比传统方法具有更好的可用性和有效性。
文摘针对过程复杂且结构未知的对象,在保证模型有效性的前提下,根据数据信息构建简单模型来简化控制器的求解是亟待解决的问题。以受控自回归模型为例,提出一种基于修正最小角回归算法的稀疏辨识方法。首先将系统模型转化为过参数化的高维稀疏模型,然后将最小角回归算法用于稀疏系统辨识,并提出绝对角度停止准则,使算法经过少量的迭代即可获得模型的稀疏参数估计,并同时获得有效的时滞和阶次估计。结合辨识得到的受控自回归模型,引入一种基于指定相位点频率和增益的比例-积分-微分(proportional integral derivative,PID)控制器。数值仿真和平衡机器人的姿态控制仿真表明,该稀疏辨识算法在低数据量下具有较高的辨识精度,建立的模型具有较好的泛化性能,控制器具有良好的控制效果。
