基于LSTM与1DCNN的导弹轨迹预测方法 被引量：15

1

作者 宋波涛 许广亮 《系统工程与电子技术》 EI CSCD 北大核心 2023年第2期504-512,共9页

针对弹道导弹等超远程攻击目标的轨迹难以预测的问题,提出一种基于长短期记忆(long short-term memory,LSTM)网络与一维卷积神经网络(1-dimensional convolutional neural network,1DCNN)的目标轨迹预测方法。首先,建立三自由度导弹运... 针对弹道导弹等超远程攻击目标的轨迹难以预测的问题,提出一种基于长短期记忆(long short-term memory,LSTM)网络与一维卷积神经网络(1-dimensional convolutional neural network,1DCNN)的目标轨迹预测方法。首先,建立三自由度导弹运动模型,依据再入类型设计3种目标轨迹数据,构建机动数据库,解决轨迹数据的来源问题。其次,采用重复分割与滑动窗口的方法对轨迹数据进行预处理。然后,基于LSTM与1DCNN设计了一种目标类型分类网络,对目标进行初步分类。最后,基于1DCNN设计轨迹预测网络,对目标轨迹进行预测。仿真结果表明,提出的轨迹预测网络能够完成轨迹预测任务,预测误差在合理范围内。 展开更多

关键词 弹道导弹 目标分类 轨迹预测 长短期记忆网络 一维卷积神经网络

在线阅读 下载PDF 职称材料

基于时序雷达植被指数的黑河中游农作物精细分类研究

2

作者 卢捷 薛华柱 《河南农业科学》 北大核心 2025年第6期152-162,共11页

在农作物分类中常用的光学影像易受云、雨等因素影响,限制了遥感技术在部分地区农业资源监测中的应用。合成孔径雷达(Synthetic aperture radar,SAR)数据具有不易受天气影响的优势。为了探究使用SAR影像是否可以准确地完成农作物分类,... 在农作物分类中常用的光学影像易受云、雨等因素影响,限制了遥感技术在部分地区农业资源监测中的应用。合成孔径雷达(Synthetic aperture radar,SAR)数据具有不易受天气影响的优势。为了探究使用SAR影像是否可以准确地完成农作物分类,分别使用卷积神经网络(CNN)、极度梯度提升(XGBoost)、随机森林(RF)和支持向量机(SVM)4种分类器,基于Sentinel-1后向散射系数和双极化雷达植被指数(SVI_(DP))进行黑河中游农作物分类,并将分类结果与Sentinel-2光学影像的分类结果进行比较。结果表明,使用包含SVI_(DP)的SAR影像作为训练数据时,CNN、XGBoost、RF、SVM 4种分类器的总体精度分别为81.50%、78.49%、77.92%和76.60%,使用光学影像作为训练数据时,总体精度分别为82.21%、79.23%、77.96%和76.34%,两者分类精度相近。对于苜蓿和其他特征信息复杂的类别,使用SAR影像时可以获得更高的精度。综上,雷达植被指数可以丰富SAR影像的特征信息,SAR影像可以用于农作物分类任务并取得准确分类结果。 展开更多

关键词 农作物精细分类 Sentienl-1 Sentinel-2 卷积神经网络 雷达植被指数

在线阅读 下载PDF 职称材料

面向稀土矿区高光谱精细分类的多层注意力卷积神经网络模型

3

作者 范晓勇 李恒凯 +3 位作者 刘锟铭 王秀丽 于阳 李潇雨 《光谱学与光谱分析》 北大核心 2025年第9期2666-2675,共10页

离子吸附型稀土矿是重要的战略资源,长期的粗放式开采导致矿区地表覆盖遭到严重破坏,生态环境面临严重挑战。准确精细的土地利用信息是矿区生态恢复和过程监管的重要基础,利用高光谱影像获取土地利用信息被认为是准确监测大范围矿区的... 离子吸附型稀土矿是重要的战略资源,长期的粗放式开采导致矿区地表覆盖遭到严重破坏,生态环境面临严重挑战。准确精细的土地利用信息是矿区生态恢复和过程监管的重要基础,利用高光谱影像获取土地利用信息被认为是准确监测大范围矿区的有效手段。然而,稀土矿区的地物复杂性和高光谱图像的信息冗余给其精细分类带来了挑战。本研究构建了一种基于面向对象思想和多层注意力卷积神经网络的稀土矿区精细分类方法。首先利用尺度参数估计模型定量分析了稀土矿区影像的多层次最优分割尺度,并获取了分割影像中的光谱、指数、纹理、几何4类影像特征,然后基于距离可分性分析得到了最优特征组合,在此基础上应用多层注意力卷积神经网络(OCTC)模型完成分类,该模型由一维卷积神经网络(1D-CNN)改进而来,通过引进Transformer和CBAM提升模型的特征提取能力和整体分类精度。为验证方法的有效性,以“珠海一号”高光谱遥感影像作为数据源,以江西赣南岭北稀土矿区作为研究区域进行实际验证,并与KNN、RF和1D-CNN分类方法进行精度对比分析。结果表明,该分类方法有效避免了椒盐现象的出现,分类整体性好,并且改进后的多层注意力卷积神经网络模型获得了最佳的分类精度,其总体精度可达88.11%,较其他分类方法提高1.22%~8.84%,Kappa系数提高了0.0159~0.1090。该方法能为稀土矿区的土地利用精细化分类与生产监测、环境保护管理提供方法借鉴与科学参考。 展开更多

关键词 面向对象-卷积神经网络 珠海一号 高光谱遥感 离子型稀土 土地利用

在线阅读 下载PDF 职称材料

基于N/N-1潮流内嵌图卷积神经网络的电网运行方式智能调整

4

作者 段师琪 余娟 +2 位作者 杨知方 陈涛 朱晟毅 《电工技术学报》 北大核心 2025年第19期6115-6130,共16页

运行方式调整是确保电力系统安全稳定运行的关键措施之一,目前工业界仍以人工调整为主。但随着大量新能源接入和电力电子设备应用,电网规模和复杂程度不断增加,导致依靠人工经验以试凑法进行反复调整的人工调整方法面临效率低下、理论... 运行方式调整是确保电力系统安全稳定运行的关键措施之一,目前工业界仍以人工调整为主。但随着大量新能源接入和电力电子设备应用,电网规模和复杂程度不断增加,导致依靠人工经验以试凑法进行反复调整的人工调整方法面临效率低下、理论指导欠缺的问题。对此,该文提出了基于N/N-1潮流内嵌图卷积神经网络的电网运行方式智能调整方法。首先,以N/N-1潮流物理模型推导设计图卷积模块前向传播表达式,提出了基于N/N-1潮流内嵌的图卷积前向传播策略,高效地提取了电力系统复杂拓扑特征和潮流物理特征;其次,以电力系统N/N-1状态下潮流特征作为输入/输出特征,构建了基于多层图卷积和卷积神经网络模块协同的运行方式N/N-1潮流耦合关系模型,表征N/N-1状态下的数据驱动潮流耦合关系;然后,针对N/N-1状态下潮流越限的运行方式,提出了基于N/N-1潮流耦合关系的运行方式智能对抗调整方法,以获得运行方式精准调整策略,确保其满足静态N-1安全校验;最后,在IEEE 30节点和某实际大电网341节点系统上进行算例分析,结果验证了所提方法可智能调整N/N-1状态下潮流越限的运行方式至满足静态N-1校验。 展开更多

关键词 运行方式调整 N-1安全校验 图卷积神经网络 潮流内嵌 对抗过程

在线阅读 下载PDF 职称材料

基于多V-I轨迹融合的非侵入式负荷识别方法

5

作者 程志友 胡乐乐 +1 位作者 陈思源 杨猛 《电力系统保护与控制》 北大核心 2025年第11期63-71,共9页

在负荷识别领域中,仅使用单一负荷特征难以有效区分相似轨迹的负荷。为解决这一问题,提出了一种基于多V-I(电压-电流)轨迹融合的非侵入式负荷识别方法。该方法首先对高频采样数据进行预处理,从中提取基波电压(V_(1))、基波电流(I_(1))... 在负荷识别领域中,仅使用单一负荷特征难以有效区分相似轨迹的负荷。为解决这一问题,提出了一种基于多V-I(电压-电流)轨迹融合的非侵入式负荷识别方法。该方法首先对高频采样数据进行预处理,从中提取基波电压(V_(1))、基波电流(I_(1))以及最大谐波电流(I_(h max))。随后使用基波电压分别与基波电流和最大谐波电流相结合,构建了V_(1)-I_(1)轨迹和V_(1)-I_(h max)轨迹。最后将这两种轨迹特征输入到二维卷积神经网络(2D convolutional neural network,2D-CNN)中进行负荷分类,通过PLAID和WHITED两个公共数据集进行验证,所提出的负荷识别方法的准确率高达99.66%和99.81%。该实验结果表明,所提方法不仅增加了信息量,还提高了负荷识别的准确率,在实际电力监控和负荷管理中具有应用价值。 展开更多

关键词 非侵入式负荷识别 相似轨迹 V_(1)-I_(1)轨迹 V_(1)-I_(h max)轨迹 卷积神经网络

在线阅读 下载PDF 职称材料

基于消费者感官评价能力评估的近红外固态复合调味料鲜美度AI模型构建

6

作者 束沁炟 张佳汇 +2 位作者 王琪 岳宝华 李倩倩 《光谱学与光谱分析》 北大核心 2025年第8期2228-2233,共6页

针对固态复合调味料鲜美度感官评价主观性强、数据可靠性低的问题,本研究提出一种基于近红外光谱(NIRS)与深度学习融合的鲜美度预测模型。通过筛选1963个市售样品,结合消费者鲜美度感官评价能力评估,优化数据质量,并分别构建一维卷积神... 针对固态复合调味料鲜美度感官评价主观性强、数据可靠性低的问题,本研究提出一种基于近红外光谱(NIRS)与深度学习融合的鲜美度预测模型。通过筛选1963个市售样品,结合消费者鲜美度感官评价能力评估,优化数据质量,并分别构建一维卷积神经网络(1D-CNN)和二维卷积神经网络(2D-CNN)定量预测模型。结果表明:未筛选消费者评价数据时,模型平均相对误差(MRE)为12.79%~15.86%,相关系数(R)为0.70~0.74;经筛选剔除6名评价能力较差的消费者评价数据后,2D-CNN模型性能显著提升(建模集MRE=4.94%,R=0.90;验证集MRE=5.25%,R=0.87)。研究表明,消费者鲜美度感官评价能力筛选与二维卷积特征提取可有效提高模型预测精度,为固态复合调味料品质评价及新产品开发提供高效、客观的技术支持。 展开更多

关键词 鲜美度 感官评价 近红外光谱 一维卷积 二维卷积

在线阅读 下载PDF 职称材料

AR-MED共振特征增强的风电齿轮箱故障诊断

7

作者 孙抗 史晓玉 +1 位作者 赵来军 杨明 《组合机床与自动化加工技术》 北大核心 2024年第8期163-167,174,共6页

针对风电齿轮箱故障时脉冲成分往往淹没在其他频率分量中,早期故障特征难以有效提取的问题,提出一种自回归最小熵解卷积(AR-MED)共振特征增强的风电齿轮箱故障诊断方法,并结合一维卷积神经网络(1DCNN),实现齿轮箱高精度故障诊断。首先,... 针对风电齿轮箱故障时脉冲成分往往淹没在其他频率分量中,早期故障特征难以有效提取的问题,提出一种自回归最小熵解卷积(AR-MED)共振特征增强的风电齿轮箱故障诊断方法,并结合一维卷积神经网络(1DCNN),实现齿轮箱高精度故障诊断。首先,使用共振稀疏分解算法(RSSD)将振动信号分解成含有噪声和谐波成分的高共振分量和含有故障冲击成分的低共振分量;其次,对低共振分量使用自回归最小熵解卷积运算,增强低共振分量中微弱的周期性冲击成分;最后,构建自回归最小熵解卷积共振特征增强的1DCNN模型,将分解得到的谐波分量和周期性冲击分量进行特征融合以及有针对的训练和分类。实验结果表明,与现有故障诊断模型相比,所提方法在提取风电齿轮箱的故障特征信息以及提高故障诊断精度方面具有有效性和优越性。 展开更多

关键词 共振稀疏分解 自回归最小熵解卷积 特征增强 一维卷积神经网络 风电齿轮箱

在线阅读 下载PDF 职称材料

压缩感知结合卷积网络的天然气管道泄漏孔径识别 被引量：11

8

作者 温江涛 付磊 +3 位作者 孙洁娣 王涛 张光宇 张鹏程 《振动与冲击》 EI CSCD 北大核心 2020年第21期17-23,共7页

针对传统天然气管道泄漏孔径检测面临的原始数据冗余性大、特征选取主观依赖性强以及复杂环境下识别准确率低等问题,提出了一种将压缩感知与深度卷积神经网络相结合的泄漏孔径识别方法。首先利用随机高斯矩阵对原始泄漏信号进行压缩采集... 针对传统天然气管道泄漏孔径检测面临的原始数据冗余性大、特征选取主观依赖性强以及复杂环境下识别准确率低等问题,提出了一种将压缩感知与深度卷积神经网络相结合的泄漏孔径识别方法。首先利用随机高斯矩阵对原始泄漏信号进行压缩采集,以较少的压缩感知域数据获取全部泄漏信息;然后构建深度一维卷积神经网络,将压缩采集数据送入网络中实现自适应特征提取及高准确度泄漏孔径识别;还对主要参数的影响进行了深入的分析。实验结果表明,该方法能够快速、准确地实现天然气管道泄漏孔径识别,且在低信噪比环境下具有较好的鲁棒性,总体识别效果优于传统的分类方法。 展开更多

关键词 管道泄漏孔径识别 压缩感知采集 1维卷积网络 自适应特征提取

在线阅读 下载PDF 职称材料

基于线性内插神经网络的雷达目标一维距离像识别 被引量：6

9

作者 孙光民 刘国岁 王蕴红 《电子科学学刊》 CSCD 1999年第1期97-103,共7页

本文提出一种新颖的神经网络模型——线性内插神经网络(Linear InterpolationNeural Network,LINN)用于雷达目标一维距离像识别。它可避开提取不变特征的难点,利用目标一维距离像特征随姿态变化的信息来提高目标识别性能。实验结果表明... 本文提出一种新颖的神经网络模型——线性内插神经网络(Linear InterpolationNeural Network,LINN)用于雷达目标一维距离像识别。它可避开提取不变特征的难点,利用目标一维距离像特征随姿态变化的信息来提高目标识别性能。实验结果表明,采用LINN很好地解决了在大的姿态角范围内识别目标时所存在的计算量与识别率的矛盾,提高了雷达对任意姿态目标的识别性能。 展开更多

关键词 雷达目标识别 神经网络 一维距离像 线性内插

在线阅读 下载PDF 职称材料

树形级联SOM网络用于雷达目标一维距离像识别 被引量：1

10

作者 孙光民 沈兰荪 +1 位作者 刘国岁 何霞 《北京工业大学学报》 CAS CSCD 1998年第4期17-24,共8页

在雷达目标识别中，由于雷达目标一维像特征提取容易，而且具有较好的识别效果，因此近来逐渐得到应用．但由于它是以散射点分布模型为依据的，对姿态变化非常敏感，为了提高对姿态变化范围较大的目标一维距离像的识别能力，在本文中，... 在雷达目标识别中，由于雷达目标一维像特征提取容易，而且具有较好的识别效果，因此近来逐渐得到应用．但由于它是以散射点分布模型为依据的，对姿态变化非常敏感，为了提高对姿态变化范围较大的目标一维距离像的识别能力，在本文中，我们基于子波变换的多分辨分析理论及树形分层理论，提出一种级联SOM网络结构用于高分辨一维距离像的识别，并获得了令人满意的结果． 展开更多

关键词 目标识别 一维距离像 雷达 SOM网络 子波变换

在线阅读 下载PDF 职称材料

基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别 被引量：17

11

作者 赵红伟 陈仲新 +1 位作者 姜浩 刘佳 《农业工程学报》 EI CAS CSCD 北大核心 2020年第3期169-177,共9页

作物的早期识别对粮食安全至关重要。在以往的研究中,中国南方作物早期识别面临的主要挑战包括:1)云层覆盖时间长、地块尺寸小且作物类型丰富;2)缺少高时空分辨率合成孔径雷达(synthetic aperture radar,SAR)数据。欧洲航天局Sentinel-1... 作物的早期识别对粮食安全至关重要。在以往的研究中,中国南方作物早期识别面临的主要挑战包括:1)云层覆盖时间长、地块尺寸小且作物类型丰富;2)缺少高时空分辨率合成孔径雷达(synthetic aperture radar,SAR)数据。欧洲航天局Sentinel-1A(S1A)卫星提供的SAR图像具有12 d的重访周期,空间分辨率达10 m,为中国南方作物早期识别提供了新的机遇。为在作物早期识别中充分利用S1A影像的时间特征,本研究提出一维卷积神经网络(one-dimensional convolutional neural network,1D CNN)的增量训练方法:首先利用生长季内全时间序列数据来训练1D CNN的超参数,称为分类器;然后从生长季内第一次S1A影像获取开始,在每个数据获取时间点输入该点之前(包括该点)生长季内所有数据训练分类器在该点的其他参数。以中国湛江地区2017年生长季为研究实例,分别基于VV、VH和VH+VV,评估不同极化数据在该地区的作物分类效果。为验证该方法的有效性,本研究同时应用经典的随机森林(random forest,RF)模型对研究区进行试验。结果表明:1)基于VH+VV、VH和VV极化数据的分类精度依次降低,其中,基于VH+VV后向散射系数时间序列1D CNN和RF测试结果的Kappa系数最大值分别为0.924和0.916,说明S1A时间序列数据在该地区作物分类任务中有效;2)在研究区域内2017年生长季早期,基于1D CNN和RF的5种作物的F-measure均达到0.85及以上,说明本文所构建的1D CNN在该地区主要作物早期分类任务中有效。研究结果证明,针对中国南方作物早期分类,本研究提出的1D CNN训练方案可行。研究结果可为深度学习在作物早期分类任务中的应用提供参考。 展开更多

关键词 作物 遥感 识别 早期 一维卷积神经网络(1d CNN) 深度学习 合成孔径雷达 Sentinel-1

在线阅读 下载PDF 职称材料

基于SANC和一维卷积神经网络的齿轮箱轴承故障诊断 被引量：18

12

作者 高佳豪 郭瑜 伍星 《振动与冲击》 EI CSCD 北大核心 2020年第19期204-209,257,共7页

近来以深度学习算法为代表的滚动轴承特征智能提取和故障辨识技术被广泛研究,但目前研究大多局限于无强干扰的轴承故障。在齿轮箱存在较强齿轮振动干扰条件下,基于此类算法的轴承故障辨识率将显著降低。为提高在较强齿轮振动信号干扰下... 近来以深度学习算法为代表的滚动轴承特征智能提取和故障辨识技术被广泛研究,但目前研究大多局限于无强干扰的轴承故障。在齿轮箱存在较强齿轮振动干扰条件下,基于此类算法的轴承故障辨识率将显著降低。为提高在较强齿轮振动信号干扰下齿轮箱轴承故障智能辨识的准确率,提出了一种基于自参考自适应噪声消除技术(SANC)和一维卷积神经网络(1D-CNN)的齿轮箱轴承故障诊断方法。首先利用SANC将齿轮箱振动信号分离为周期性信号分量成分和随机信号分量,抑制齿轮等周期强干扰成分,再通过1D-CNN对包含轴承故障特征的随机信号成分进行智能特征提取和识别,实现在齿轮振动干扰下齿轮箱轴承故障辨识率的提高。通过与不同方法的对比验证了本文所提方法的优势和有效性。 展开更多

关键词 齿轮箱 自参考自适应噪声消除技术 一维卷积神经网络 故障诊断

在线阅读 下载PDF 职称材料

基于三维卷积神经网络模型的吉林一号光谱星影像森林类型分类 被引量：2

13

作者 刘婷 包广道 +3 位作者 李竺强 朱瑞飞 包颖 张忠辉 《安徽农业科学》 CAS 2023年第13期96-101,108,共7页

为探究基于三维卷积神经网络模型应用吉林一号光谱卫星数据的森林类型分类效果,以安图县与敦化市交界地带为研究区,采用吉林一号光谱卫星影像为主要数据源,基于三维卷积神经网络深度学习模型对研究区森林类型进行分类,并与传统的随机森... 为探究基于三维卷积神经网络模型应用吉林一号光谱卫星数据的森林类型分类效果,以安图县与敦化市交界地带为研究区,采用吉林一号光谱卫星影像为主要数据源,基于三维卷积神经网络深度学习模型对研究区森林类型进行分类,并与传统的随机森林分类方法进行对比分析。结果表明:当三维卷积神经网络的训练样本数量为2400,训练次数为70000时,分类效果最佳。基于三维卷积神经网络方法的总体分类精度为92.9%,Kappa系数为0.92;与随机森林方法分类结果对比,总体分类精度和Kappa系数分别提高了2.8百分点和0.03;三维卷积神经网络能够更加充分地利用遥感影像丰富的光谱信息和空间信息,提高森林类型的分类精度,在斑块构成和景观破碎度方面均得到较大提升,内部完整度较高,破碎化程度较轻微,更贴合实际工作需要。说明国产吉林一号光谱卫星遥感数据可以有效地对森林类型进行识别,在林业的生产经营上具有极大的应用潜力。 展开更多

关键词 三维卷积神经网络 吉林一号光谱卫星 森林类型分类

在线阅读 下载PDF 职称材料

卷积神经网络在高分辨率影像分类中的应用 被引量：4

14

作者 李贤江 陈佑启 +4 位作者 邹金秋 石淑芹 郭涛 蔡为民 陈浩 《农业大数据学报》 2019年第1期67-77,共11页

【目的】将CNN应用于高分辨率遥感影像的实际分类中,并与传统的分类方法进行对比分析,揭示出不同分类方法在高分辨率遥感影像中的分类精度和适用性问题。【方法】采用最大似然、平行六面体、 K-Means均值聚类和传统神经网络等四类常用的... 【目的】将CNN应用于高分辨率遥感影像的实际分类中,并与传统的分类方法进行对比分析,揭示出不同分类方法在高分辨率遥感影像中的分类精度和适用性问题。【方法】采用最大似然、平行六面体、 K-Means均值聚类和传统神经网络等四类常用的ENVI传统分类方法以及CNN分类法,并利用混淆矩阵和空间像元误差分析对不同分类方法的分类结果进行精度评价。【结果】根据分类精度对比分析发现在传统的四种ENVI分类方法中,传统神经网络和最大似然法的分类精度相对较好, K-Means均值聚类和平行六面体的分类精度相对较差, CNN的分类精度整体上要高于ENVI传统分类方法的精度。【结论】CNN在高分辨率遥感影像分类中能够较好地提取地物信息和地物的轮廓特征,在高分辨率遥感影像分类中具有良好的适用性。 展开更多

关键词 高分一号 卷积神经网络 遥感 深度学习

在线阅读 下载PDF 职称材料

基于一维卷积神经网络的结构损伤识别 被引量：23

15

作者 骆勇鹏 王林堃 +1 位作者 廖飞宇 刘景良 《地震工程与工程振动》 CSCD 北大核心 2021年第4期145-156,共12页

传统结构损伤识别需对采集数据进行分析,提取相应特征进行损伤诊断。特征提取过程需消耗大量的计算成本,无法满足结构健康监测在线损伤识别的需求。为提高损伤识别的计算效率和自动化程度,提出基于一维卷积神经网络的结构损伤识别方法,... 传统结构损伤识别需对采集数据进行分析,提取相应特征进行损伤诊断。特征提取过程需消耗大量的计算成本,无法满足结构健康监测在线损伤识别的需求。为提高损伤识别的计算效率和自动化程度,提出基于一维卷积神经网络的结构损伤识别方法,其特点是可以直接从原始振动信号中自主学习损伤特征,并准确快速地识别结构的损伤位置和损伤程度。采用简支梁数值模型和IABMAS BHM Benchmark数值模型验证所提方法的有效性。数值结果表明:所建立的一维卷积神经网络模型能够准确识别结构的损伤位置和损伤程度,具备一定的抗噪性能,整体模型收敛快,对单条样本测试延迟低。设计了钢框架结构损伤识别试验,采用所提方法对框架结构的损伤情况进行了识别。分析结果表明:所提方法可准确识别结构损伤程度及损伤类别,测试集准确率为100%,验证了方法在实际结构损伤识别的应用可行性。 展开更多

关键词 结构健康监测 损伤识别 振动响应 深度学习 一维卷积神经网络

在线阅读 下载PDF 职称材料

基于1-D CNN的二阶段OFDM系统定时同步方法 被引量：1

16

作者 卿朝进 杨娜 +1 位作者 唐书海 饶川贵 《计算机应用研究》 CSCD 北大核心 2023年第2期565-570,共6页

针对存在多径干扰的正交频分复用系统的定时同步准确性低的问题,提出基于一维卷积神经网络(1-D CNN)的二阶段OFDM系统定时同步方法。在第一阶段,利用经典互相关方法实现路径特征初始抽取,捕获可分辨路径上的定时辅助同步点;基于定时辅... 针对存在多径干扰的正交频分复用系统的定时同步准确性低的问题,提出基于一维卷积神经网络(1-D CNN)的二阶段OFDM系统定时同步方法。在第一阶段,利用经典互相关方法实现路径特征初始抽取,捕获可分辨路径上的定时辅助同步点;基于定时辅助同步点构建1-D CNN网络学习第二阶段中的定时偏移;最后,结合两阶段处理,获得系统最终的定时同步偏移估计。相比于基于压缩感知的定时同步方法和基于极限学习机的定时同步方法,所研究的二阶段OFDM系统定时同步方法提高了定时同步准确性,并有效地降低计算复杂度与处理延迟。 展开更多

关键词 二阶段定时同步 一维卷积神经网络 正交频分复用

在线阅读 下载PDF 职称材料

强鲁棒高速闪电哨声波自动检测模型

17

作者 银韩柯 袁静 +5 位作者 赵庶凡 申旭辉 靳晓媛 王桥 廖力 杨德贺 《空间科学学报》 2025年第5期1197-1210,共14页

张衡一号卫星在轨6年积累了海量观测数据,检测其中的闪电哨声波事件(Lightning Whistler,LW)对于分析空间物理环境规律具有重要意义.但现有基于时频图像的方法推理速度过慢,完成任务需约40年.为此,研究首次从音频事件检测的角度提出高... 张衡一号卫星在轨6年积累了海量观测数据,检测其中的闪电哨声波事件(Lightning Whistler,LW)对于分析空间物理环境规律具有重要意义.但现有基于时频图像的方法推理速度过慢,完成任务需约40年.为此,研究首次从音频事件检测的角度提出高速的闪电哨声波检测模型WhisNet,将检测的时间成本从40年压缩至54天.方法为以4 s滑动窗截取波形,提取梅尔频谱特征,利用轻量级卷积循环神经网络(CRNN)提取音频事件特征,输出层预测LW事件起始时间和持续时长.基于2020年4月1-10日的感应磁力仪(SCM)数据实验显示,WhisNet检测性能与传统方法相当,但计算量和参数量减少99%,速度提升98%.进一步在2020年5月SCM数据上的应用结果与WGLC(全球闪电气候学和时间序列,WWLLN Global Lightning Climatology and time series)全球闪电密度趋势高度一致,验证了WhisNet在大规模卫星数据处理中的准确性与适用性.研究结果为挖掘其他海量地球空间事件提供了重要参考. 展开更多

关键词 闪电哨声波 高速检测 张衡一号卫星 卷积循环神经网络

在线阅读 下载PDF 职称材料