摘要:目标检测和参数估计是雷达探测的两个基本问题。探测过程通常分目标检测和参数估计两个阶段进行，因此，雷达信号处理一般将目标检测和参数估计两个问题分开研究。本文通过引入目标存在状态变量，建立结合目标检测与参数估计的统一系统模型。提出探测信息、检测信息和估计信息的严格定义，并证明探测信息是目标检测信息与已知目标存在状态的估计信息之和。针对恒模散射目标统计模型，推导出目标存在状态与位置的联合后验分布。熵误差定义为后验微分熵的熵幂，探测信息和熵误差两种指标都可用来评价探测器性能。通过对后验概率分布的抽样，提出了一种随机探测理论方法。本文的主要贡献是指出了探测器的理论极限，为各种雷达探测方法提供理论依据。雷达定理证明，探测熵误差是可达的；反之，不存在经验熵误差小于探测熵误差的任何探测器。进一步证明目标检测与参数估计分离定理，即，最优目标检测器与最优参数估计器级连的探测系统可以逼近最优联合探测的理论限。雷达定理和分离定理回答了最优雷达探测理论问题，将对雷达探测技术发展产生推动作用。

摘要:航天器面临重复起降以及大温差、强振动以及剧烈冲击的复杂使用环境，为提升其使用性和维护性，提升航天器全生命周期内对其结构体能力数据的获取，需全天候监测航天器结构体的健康状况，并开展结构健康管理技术研究。通过无线的方式实现对航天器内外各敏感测点的数据采集、数据传输并汇总处理数据，实现航天器结构体全方位全天候健康监测的功能。本文对航天器用无线健康监测系统开展了设计研究，并实现了航天器无线健康监测系统的原理样机实施。

摘要:星地一体化网络是卫星网络和地面网络互联，实现卫星网络和地面网络优势互补的一体化网络。随着无线通信的快速发展，卫星网络和地面网络的同频复用技术可有效提升资源利用效率，满足日益增长的无线数据业务需求。但由于无线数据业务类型的多样化和频谱资源的稀缺性，如何实现用户数据服务的服务体验质量（Quality of experience， QoE）和公平性提升也成为星地一体化网络亟待解决的关键问题。本文综合考虑信道时变性、服务体验多样性和服务公平性，提出了一种基于QoE感知的星地一体化网络资源分配策略。为此，将目标问题描述为基于时间平均的服务体验质量的网络公平效用最大化，并利用李雅普诺夫优化理论，将复杂的动态原始优化问题进一步转化并分解为3个瞬时优化子问题，每个子问题可以在每个时隙独立求解。同时，由于无线资源分配为典型的非凹混合组合优化问题，推导了一个低复杂度的两步算法来求解第三个资源分配子问题。仿真结果揭示了在不同的公平性参数下用户的长时QoE与公平性之间的折衷情况。

摘要:为保证卫星通信系统在频谱竞争和拥挤的复杂电磁环境下可靠通信，提高频谱检测性能，利用支持向量机算法将对未占用的频带的检测问题转化为一个二分类问题。通过能量向量减去中心向量和基向量构造用来表征信号的特征向量，对特征向量学习得到用于判断频谱状态的支持向量机模型，采用模拟退火算法训练搜索最佳的高斯核参数。仿真结果表明，所提出的算法与单阈值和双阈值频谱感知算法相比具有更优的检测准确性和鲁棒性，同时高检测率有助于提高系统的吞吐量和能效，为后续认知卫星通信系统的建设提供了支撑。

摘要:为了解决文本分类任务中未标注数据无法即时标注及成本过高的问题，提出一种面向文本分类的不确定性主动学习方法。提出MSDL（Measure sample density by LDA）算法对未标注样本密集度进行计算，引入新的度量样本聚集情况的密集度计算方式，在密集度高的样本区域选取初始训练集样本，从而使初始训练集更具代表性；从未标注样本中选取更具不确定性的样本加入到训练集中，并基于信息熵对样本进行加权训练，迭代更新分类器模型，直至达到预期终止条件。实验结果表明，在文本分类任务中，该方法相较于其他传统主动学习算法性能更优。

摘要:在对抗攻击研究领域，黑盒攻击相比白盒攻击更具挑战性和现实意义。目前实现黑盒攻击的主流方法是利用对抗样本的迁移性，然而现有大多数方法所得的对抗样本在黑盒攻击时效果不佳。本文提出了一种基于高斯噪声和翻转组合策略方法来增强对抗样本的迁移性，进而提升其黑盒攻击性能。同时，该方法可与现有基于梯度的攻击方法相结合形成更强的对抗攻击。本文在一个与ImageNet相容的数据集上做了大量实验，实验结果表明本文方法所得的对抗样本在黑盒攻击性能上有显著提升。并且，本文最佳攻击组合能以86.2%的平均成功率欺骗6种先进防御模型，相比目前最强攻击方法提升约8.0%。

摘要:车体表面损伤检测是计算机视觉中的经典问题。车体表面损伤检测的主要瓶颈在于图像中损伤实例的不同尺度影响了分割的精度与效率。本文采用单阶段语义分割网络（YOLACT⁺⁺）进行车体表面的损伤检测，通过结合EfficientNet设计主干网络提高分割效率，并通过改进损失函数优化YOLACT⁺⁺中目标实例Mask的生成，实验中用深度学习标注实验数据集进行训练测试。实验表明，改进后的YOLACT⁺⁺降低了Mask生成误差，检测的实时帧率提高到35帧/s，同时也提高了YOLACT⁺⁺进行实例分割的精度。

摘要:金属蜂窝构件钎焊质量通常以钎着率（单位面积内检测到的焊合面积占比）为指标进行评价。实际生产中采用超声C扫幅值成像无损检测，以GH4099高温合金薄壁窄筋蜂窝板件为研究对象，提出基于超声A扫信号特征值参数的无监督机器学习分类方法。首先在数字超声信号提取时域、功率谱上各8个特征值；其次对数据进行标准化处理、主成分分析 （Principal components analysis，PCA）降维，得到各自贡献率为95%以上的前3组共6个主成分值；然后以这些值为特征值作为输入进行K均值、高斯混合模型聚类、模糊C均值聚；最后采用多分类器融合算法提高模型准确率，将分类结果可视化与超声C扫图像比对，验证分类评价效果。12组数据实验结果表明：3种聚类算法成像结果与超声C扫结果一致，其中融合投票计算比于单分类器更为准确，为非监督机器学习方法在超声信号评价蜂窝构件钎焊质量中的应用提供了新思路。

摘要:随着海洋资源勘探和海洋污染物监控工作的开展，水文数据的监测和采集等已经成为重要的研究方向。其中，水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中，传感器节点数据采集的问题，其设计方法是通过自组织映射（Self-organizing mapping，SOM）对传感器节点进行路径最优化处理，结合优化的路径图形和K-means算法找到路径内部聚合点，利用聚合点和传感器的节点得到传感器通信半径内的数据采集点，最后通过SOM得到水下机器人（Autonomous underwater vehicle，AUV）到各个数据采集点采集数据的最优路径。经过实验验证，在水下1 200 m×1 750 m范围内布置52个传感器节点的情景下，数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%；对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量，其结果也大致相同，因此采用该方法可以提高水下机器人采集数据的效率。

摘要:通过非侵入式负荷监测技术，可以更为详细地了解居民各个时段的用电信息，帮助其制订合理的用电计划，以达到科学用电。非侵入式负荷监测技术的重点是暂态事件的监测，本文提出希尔伯特振动分解（Hilbert vibration decomposition，HVD）算法对用电设备开启瞬间的功率、电流等电气参数变化时存在的突变点进行暂态事件的监测。HVD算法负荷监测与双边滑动窗CUSUM变点监测算法相比，不用设定阈值，所以漏检和误检的可能性大大降低。通过MATLAB/Simulink仿真软件搭建相应的电路模型，仿真分析得出HVD算法可以有效地对暂态事件进行辨识。

摘要:从复杂网络角度出发，基于时间序列数据构建了人工智能在线翻译搜索指数的网络模型，并根据我国实际数据分析其网络结构特征。研究结果表明：在线翻译搜索指数虽然呈现出显著的波动特征，但大部分时间仍以小波动为主；在线翻译网络的最短路径长度分布近似呈偏态分布，网络中从一个符号到另一个符号的转换平均需要3个中间符号；波动性较小的符号具有较大的聚类系数；在线翻译整体呈下降趋势，经历了从早期不成熟到逐渐成熟的过程。

摘要:基于肌音信号（Mechanomyogram， MMG）的模式识别是指采集MMG信号，应用机器学习算法进行动作识别的过程。为了实现手语实时分类，本文采用基于STM32芯片的轻量级嵌入式设备，控制双轴加速度传感器采集了前臂3块肌肉的6通道MMG，应用反向传播神经网络（Back propagation neural network， BPNN）算法建立分类模型，并将模型参数导入嵌入式系统中，实现算法的移植。实验结果表明该嵌入式系统可实现30种手语的实时识别，模型自测识别率达99.6%，实时识别中可达97.5%，每个动作分类所需时间少于0.52 ms，满足实时性要求，具有较高的实际应用价值。本文的研究结果可应用于人体康复工程，哑语翻译器，义肢控制等领域。

摘要:SimRank方法是一种基于图的拓扑结构信息来衡量任意两个对象间相似程度的方法，针对在真实的大规模社交网络中节点与节点之间的迭代计算过程需要消耗大量的时间，提出了一种基于SimRank全局矩阵平滑收敛的网络社区发现方法（SimRank global smooth convergence，SGSC）。首先，该算法通过经典度量来识别网络中的初始核心节点；然后利用矩阵平滑收敛来计算SimRank得到最终核心节点；最后，基于全局收敛矩阵，将社区聚集在核心节点周围，使用Closeness指数合并两个社区，通过递归的重复该过程，聚类出最终社区。在3种真实的不同规模的社交网络中将SGSC和其他2种具有代表性的方法进行比较，并验证了提出的算法在不同规模的社交网络中社区划分的准确率和算法运行的时间性能上有所提升。

摘要:三维人体目标检测在智能安防、机器人、自动驾驶等领域具有重要的应用价值。目前基于雷达与图像数据融合的三维人体目标检测方法主要采用两阶段网络结构，分别完成目标概率较高的候选边界框的选取以及对目标候选框进行分类和边界框回归。目标候选边界框的预先选取使两阶段网络结构的检测准确率和定位精度得到提高，但相对复杂的网络结构导致运算速度受到限制，难以满足实时性要求较高的应用场景。针对以上问题，研究了一种基于改进型RetinaNet的三维人体目标实时检测方法，将主干网络与特征金字塔网络结合用于雷达点云和图像特征的提取，并将两者融合的特征锚框输入到功能网络从而输出三维边界框和目标类别信息。该方法采用单阶段网络结构直接回归目标的类别概率和位置坐标值，并且通过引入聚焦损失函数解决单阶段网络训练过程中存在的正负样本不平衡问题。在KITTI数据集上进行的实验表明，本文方法在三维人体目标检测的平均精度和耗时方面均优于对比算法，可有效实现目标检测的准确性和实时性之间的平衡。

摘要:针对目前图像配准算法对于多重复纹理图像配准位置偏差的问题，提出图像内自匹配与图像间互匹配相结合的双匹配配准（Double-match image registration， DMIR）算法。首先在对待匹配图像提取尺度不变特征转换（Scale-invariant feature transform， SIFT）特征之后，通过K-近邻（K-nearest neighbor， KNN）算法进行特征匹配，分别得到同一张图片的自匹配点对和不同图像间的初始互匹配点对；然后对初始互匹配点对进行相关性计算得到最正确的匹配点对，并根据最正确的匹配点对与自匹配点对的位置关系确定更多的正确匹配点对，最后计算仿射矩阵对图像进行拼接。实验结果显示经过DMIR算法获得的正确匹配点对更均匀、更准确，且拼接图像效果更好。

摘要:本文提出空时编码与混合量化结合的方法在有效降低系统功耗的同时增加传输分集增益，并对基于混合ADC结构的空时编码大规模多输入多输出（Multiple input multiple output，MIMO）系统性能进行了研究。采用加性量化噪声模型对系统性能进行分析，得到系统频谱效率，利用随机矩阵理论得到频谱效率的近似表达式，并通过仿真验证表达式的准确性，基于表达式分析系统中各个参数对系统性能的影响。仿真结果表明，在接收端使用混合精度量化的结构可以有效地降低大规模MIMO系统的功率损耗以及实际部署的成本，而且采用空时编码后，系统的发射分集增益增加了一倍。

摘要:针对D2D（Device to device， D2D）通信技术在蜂窝系统中的资源分配与干扰问题，提出一种基于改进遗传算法的D2D资源分配策略。首先，确定保证蜂窝用户和D2D用户通信质量的功率范围，然后提出一种改进的遗传算法来确定D2D的最佳发射功率，最大化系统吞吐量。该算法在保证蜂窝系统服务质量（Quality-of-service， QoS）的同时，让交叉算子和变异算子随进化代数进行自适应变化，从而达到全局最优。仿真结果表明，本文所提算法可有效提升系统吞吐量并提高D2D用户的信道利用率。

摘要:传统PID控制器存在控制参数无法在线调整、控制效果差等问题。为了解决这些问题，本文提出了一款基于改进型模糊神经网络的智能PID控制器。该控制器不仅融合了模糊控制的推理能力和神经网络的学习能力，还创造性地将模糊规则参数化，使模糊规则也可以在线调整，进而提高了控制的准确性。同时，通过建构新型激活函数——IThLU函数，有效地避免梯度消失及梯度爆炸现象的发生，提高了控制的响应性。最终的仿真实验结果表明：这种改进型模糊神经网络智能PID控制器可以实现控制参数的在线实时调整，提高系统的响应性、稳定性和准确性，是对PID控制算法的有效改进。

摘要:为了解决不同的数据获取系统中数据显示模块无法通用的问题，减小实现数据显示模块的工作量，本文设计和实现了一种应用于流处理数据获取系统的通用数据显示模块。这种数据显示模块分为显示数据生成节点和数据显示节点两部分。这两种节点作为系统定义的标准流处理节点，与系统中的其他节点采用相同的数据格式和数据接口定义，并可与相同数据域内的其他流处理节点任意连接，仅仅通过不同的工作参数表征其所在数据域的属性差异。通过对于显示数据产生和数据显示方式的抽象，在数据生成节点中采用统一的模型完成从输入数据流抽取和统计待显示信息的功能，在数据显示节点中根据数据的内禀维度提供了多种可视化模式供不同的数据信息显示使用。通过在系统中接入和配置上述两种节点可以实现数据显示模块的通用。这样的通用数据显示模块已经在海洋地震勘探和高能物理实验的数据获取系统中得到了应用。

摘要:针对传统FLASH存储过程中存在的数据不连续、传输速度慢的问题，设计了一种双FIFO乒乓操作读写和四流水线FLASH写入结合的存储方法，提高了数据存储速率。通过对芯片操作时间的精确分析，提高了资源利用率。系统用FPGA作为主控芯片，通过例化IP核创建了两个FIFO，用作数据的乒乓读写，并用两块NAND FLASH芯片的四个片选构成四流水线操作。通过Modelsim仿真工作过程、FPGA生成伪随机码的数据写-读实验和读出数据的相关性检测试验验证了该流水操作的可行性、存储速率和存储连续性。结合红外相机实物采集并存储数据，然后通过上位机读取，得到了正确、连续的红外图像。通过扩展缓存和FLASH片数，可以在保证连续性的同时提高存储的速率，即该系统具有存储速率高、适应性强的特点。