导读:本文包含了细微特征论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:细微,特征,辐射源,希尔伯特,噪声,向量,分解。
细微特征论文文献综述
谭薇,严丽娜,姚晖,刘锐鹏[1]（2019）在《基于分形理论的通信个体电台细微特征提取技术研究》一文中研究指出通信电台信号的细微特征分析及提取在通信电台个体识别中至关重要。由于电台暂态信号持续时间短、捕获比较困难,研究个体通信电台的稳态信号,从中提取通信电台细微特征作为其"指纹",更能有效进行电台识别。针对辐射源的稳态信号,通过研究信号包络的盒维数、步维数及信息维数完成信号细微特征分析,并利用不同信噪比条件下的信号分形维数作为通信电台个体识别的特征,可有效进行通信电台个体识别,在军事或民用领域具有重要的现实意义。(本文来源于《通信技术》期刊2019年11期）
姚舜禹[2]（2019）在《信号细微特征降维优化及GPU并行优化》一文中研究指出通信卫星信号发射源识别对于现代电子战争有着重要意义,信号细微特征分析是信号识别中非常重要的一部分,由于当今社会电磁环境越来越复杂以及无线电技术飞速发展,对信号发射源识别提出了更高的要求,通常使用的信号细微特征特征维度较高以及计算复杂度较大,随之而来出现两种问题:一是信号采集技术的发展,信号的细微特征提取计算量越来越大,运算时间变长;二是特征维度越来越高,将引发维度灾难。本文使用双谱和包络的分形维数两种信号细微特征,对这两种特征进行流形降维并作为分类器的输入,对双谱变换算法进行GPU(图形处理单元)并行优化。首先分析了两种信号细微特征的原理。随后,针对信号识别中所面对的高维的特征数据出现的维度灾难,引入机器学习中的传统降维方法,分析了降维算法的原理、适用环境、优点和缺点,在此基础上将流形降维算法应用到信号细微特征的约简降维中。分析了典型的流形降维算法的思想和计算方法,采用实际数据的信号特征针对流形中数据点的降维效果,分析了不同降维算法的性能。最后研究了基于t-SNE(t分布随机近邻嵌入)算法和SVM(支持向量机)分类器的信号识别技术。针对单一特征识别流程的步骤进行了优化,包括将信号的双谱细微特征提取算法改为基于GPU的并行双谱提取算法、特征的维度对于分类正确了的影响以及通信卫星信号特征分层的原因。在此基础上通过t-SNE算法对不同的特征进行降维,并经过SVM分类器进行分类,根据电磁环境不同采用叁组信号数据分别进行五组实验。结果表明,基于GPU的并行双谱特征提取算法能够极大地提高特征提取的速度(如训练时间从48.7s降至0.3s)。利用t-SNE算法降维后的细微特征会影响识别正确率,但基本上保留了样本在高维特征时的拓扑信息,并且在处理降维后的低维特征时,计算量的减少对于分类识别的实时性有明显的提高。(本文来源于《中国科学院大学(中国科学院国家授时中心)》期刊2019-06-01）
李海英,王锦,郑雅欣[3]（2018）在《烧结过程细微颗粒物排放特征与控制方法》一文中研究指出针对钢铁行业对大气环境质量的影响问题,对烧结过程中微细颗粒的排放特征、粉尘成分、PM_(2.5)成因及形貌、化学组成等进行总结分析,并对目前采用较普遍的湿式静电除尘器(WESP)和电袋除尘器(HPC)除尘效果进行了对比。分析研究得出:烧结过程中PM_(2.5)细微颗粒包括一次来源和二次来源,一次来源是由烧结过程直接排放,二次来源是气态污染物经过物理或化学变化而生成二次污染粒子,主要为硫酸盐、硝酸盐等。通过对比WESP和HPC的经济性和适用性,发现HPC适用于烧结厂新建除尘项目和旧除尘器的改造项目,不受烟气湿度的影响,与WESP相比具有较大优势。(本文来源于《环境工程》期刊2018年08期）
李策[4]（2018）在《雷达辐射源细微特征提取方法研究》一文中研究指出如何通过截获的辐射源信号判断敌方辐射源发射机的特征信息是电子对抗的重要课题之一。针对个体雷达辐射源识别问题,本文对个体雷达辐射源信号的细微特征提取方法进行了深入的研究。通过分析雷达发射机细微特征产生的机理,针对雷达辐射源细微特征提取时特征向量选取困难的问题,从时域、频域、变换域叁个方面就细微特征提取方法进行研究与实现。论文主要完成内容及研究成果如下:1、总结了辐射源细微特征提取方法的研究现状,分析了辐射源个体产生细微特征的原因,并对辐射源振荡器的相位噪声做了详细的阐述,并依此构建了个体辐射源信号的理论模型。2、针对常规的辐射源细微特征提取方法进行研究与实现,包括时域的包络提取法提取信号的上包络作为个体辐射源的细微特征、频域的修正后Rife算法提取频率偏移作为个体辐射源的细微特征、变换域的EMD时频重构特征经过SVD分解对数变换后的奇异向量值作为个体辐射源的细微特征,通过分类实验验证了这些特征提取方法的可靠性。3、提出了基于双谱分析的多维特征提取方法,综合利用双谱对角切片的盒维数、信息维数、LZ复杂度,围线积分双谱的波形熵和能量熵构建多维特征向量,并通过仿真实验针对同一份雷达辐射源数据进行分类验证,与之前的时域、频域、变换域的特征提取方法相比,分类效果得到提升,充分说明了基于双谱分析的多维特征提取方法具有更好的性能。4、提出了基于深度信念网络的特征提取方法,把采样得到的辐射源信号稀疏化后送入深度信念网络,通过网络训练学习得到最后一层节点值直接作为辐射源个体信号的细微特征,将该方法应用于不同的辐射源数据集,并做了仿真实验表明此细微特征提取方法的有效性和良好的分类识别性能。(本文来源于《西安电子科技大学》期刊2018-05-01）
王欢欢,张涛,孟凡玉[5]（2018）在《基于时频域细微特征的辐射源个体识别》一文中研究指出在基于Huang提出的希尔伯特黄变换(Hilbert-Huang transform,HHT)分析辐射源个体信号时频特征的基础上,针对HHT存在的端点效应问题,提出一种对瞬时频率进行估计的改进HHT算法(improved HHT,IHHT)。仿真实验验证了IHHT算法能够得到信号比较精确的瞬时特征。用IHHT算法得到信号的Hilbert时频谱,并提取实际辐射源个体通信信号的几种时频细微特征,采用有监督学习分类器支持向量机(support vector machine,SVM)、交叉验证搜索最佳参数方法进行分类识别,与传统方法相比,IHHT算法能够比较精确地描述信号的时频特征,平均识别率提高到90%以上。(本文来源于《信息工程大学学报》期刊2018年01期）
雷迎科[6]（2018）在《复杂电磁环境下通信辐射源个体细微特征提取方法》一文中研究指出针对实际复杂电磁环境下通信辐射源个体细微特征提取面临的标签样本缺失问题,将半监督学习理论引入到通信辐射源细微特征提取,提出一种半监督框架下的局部近邻保持正则化判别分析方法。该方法在双谱估计的基础上,通过向线性判别模型中有效融入由无标签样本所提供的流形结构信息,从而将线性判别方法扩展到半监督学习。在实际采集的同种型号、同种厂家、相同批次以及相同工作模式的不同FM通信电台数据集上的实验结果表明,该方法能够获得更优的分类识别性能。(本文来源于《数据采集与处理》期刊2018年01期）
王欢欢[7]（2017）在《通信辐射源信号细微特征分析与个体识别技术研究》一文中研究指出随着通信技术的发展,人们不仅关注从接收机中获取的关于通信信号的基本参数特征,比如信号的频率、调制模式等,还越来越关注附加在信号上、由辐射源设备个体差异产生的,可以检测、可以重现、并且稳定不变的细微特征。根据这些细微特征,可以判断出信号来自于哪个辐射源,并获取使用者的身份信息,有针对性地对敌方重要电子通信目标及有效载体进行监管,在特定的现代信息作战环境中,传统意义上的通信调制识别及信号分析技术的时效性正在逐渐降低,而进行通信信号细微特征分析与个体识别技术研究有利于己方对敌方战略做出有效预测,在军事领域中能够掌握一定的主动权。信号细微特征分析与个体识别技术也可应用于无线网络安全、电磁频谱管理、通信设备故障检测等领域,应用该技术,可以对无线入侵行为的来源进行识别和定位,为后续安全手段的综合应用提供支撑;在无线电监测设备中应用该技术,可以区分合法与非法电台,为有效管控频谱资源合理利用提供支撑等。因此,开展通信辐射源信号细微特征分析与个体识别技术研究具有重要的理论意义和应用价值。本文在深入分析目前的通信信号细微特征分析与个体识别方法的基础上,对如何能够准确的提取出通信信号的细微特征、如何能够最大程度的提高正确识别率等问题进行了研究,论文的主要工作和学术成果包括:1.介绍了通信辐射源信号细微特征分析与处理系统的构成、研究背景、应用需求。分别从理论研究和实际应用两个方面介绍了目前通信辐射源信号细微特征分析与个体识别领域的研究现状,并对现有的技术方法进行分类,同时归纳了每种方法的优缺点。2.希尔伯特黄变换(Hilbert-Huang Transform,HHT)是目前广泛使用的一种信号时频分析方法,它具有不需要先验信息和能够自适应处理信号的优点,但是在实际应用HHT方法分析信号时,在求取的瞬时频率两端会出现严重的端点效应和无法解释的负频率等问题,针对这种情况,提出了一种IHHT(Improve HHT,IHHT)的通信信号特征提取方法,首先对信号进行预处理,通过改进的HHT方法可以得到更加准确的Hilbert谱,从中提取精确的时频域特征,用来对分类器进行训练和识别。3.对于非平稳信号来说,高阶谱是一种有效的数学分析方法,它在处理非高斯、非线性信号具有独特的优势,高阶谱在理论上能够完全抑制高斯噪声,且能够保留低阶谱(功率谱)不能保留的相位信息,因此在信号的识别方面得到了广泛的应用。但是在利用双谱进行特征提取时,使用的是对双谱平面内所有的双谱值进行的积分,然而并不是所有的双谱值对于识别率的提高都有促进作用,其中有一部分双谱值对于识别率的提高作用一般甚至起负作用,这将会导致识别率的降低。基于此,提出了改进方法,在双谱中剔除掉对识别效果贡献不足、具有负作用的积分路径上的双谱值,得到具有最大比重的特征双谱区间,能够一定程度的提高对信号的正确识别率。4.目前信号的调制方式日趋复杂,传统的特征比如载频、码元速率等已经满足不了实际需求的情况,针对于此,提出了一种基于高阶谱谱骨架的非常规信号特征提取方法。对信号进行去噪预处理后,采用信号的高阶谱作为个体识别的基本特征向量,然后以软K段主曲线算法为基础、构建主曲线来提取信号高阶谱的骨架信息,最后采用分形方法进行骨架对比,实验结果表明,该方法能够有效的识别出个体信号,在采用实际信号数据集时,平均正确识别率达到了85%以上。5.通信辐射源设备细微特征的产生是一个比较复杂的非线性、非平稳过程,存在着某种混沌机制,然而,有时基于目前确定性系统理论的技术难以解决细微特征的研究问题。基于此,提出了一种基于关联维数和多重分形谱相结合的信号特征提取方法。信号的关联维数特征能够反映出信号的整体特性,而多重分形又具有良好的局部分析能力,在文中采用八种多重分形谱特征能够充分反映通信信号的局部特性,整体特征和局部特征相结合,在信号的特征分布空间上能够形成一定的互补,这样会有效提高信号的正确识别率。实验结果表明,在信号的信噪比(SNR)达到10db时,平均识别率可以提高到99%。(本文来源于《解放军信息工程大学》期刊2017-04-15）
廖隆有[8]（2016）在《从细微处透视小学语文教学的特征》一文中研究指出小学语文一直在我们的学习中占有很大的比重,从字词的简单认识,到句子成分的分析,又到文章的深刻解读,每个阶段的学习都具有不同的意义,因此,教师应从学生学习的细微处着手,奠定小学语文的学习基础,培养学生的小学语文学习热情。本文以教学的细节处为基础,发现细微的小学语文教学特征,为创新式的小学语文教学提出提供一个良好的开端。(本文来源于《作文成功之路(下)》期刊2016年12期）
陈俊名[9]（2016）在《无线发射机信号细微特征识别研究》一文中研究指出无线发射机信号细微特征识别研究在通信安全及军事应用上都具有非常重要的地位。这些细微特征的研究主要通过对无线发射机的无线通信信号进行分析,从而找到具有稳定性的识别参数。这些设备主要以脉冲调制的形式来发、收信号,所以主要的研究体现在对脉内参数的提取研究工作内容上。脉内参数特征包括有意调制特征和无意调制特征。这两种调制特征都有可能成为识别发射源的关键特征。由于有意调制特征在通信过程中的不确定性,导致通过提取有意调制参数作为识别参数不鲁棒,这也是大多学者选择具有稳定性和唯一性的无意调制特征进行研究的原因。考虑到具体实际应用中的信号识别,本文提取了可能包含无意调制特征的包络特征以及含有无意调制特征的瞬时频率特征作为信号指纹,并基于数据样本的特点用支持向量机方法设计了非线性分类器,然后完成了信号的多类别识别工作。本文给出了无线发射机信号识别系统流图,为了提取细微特征,必须先完成通信脉冲的提取,然后对脉冲信号完成细微特征分析及提取工作,最后设计分类器对信号进行分类识别。各部分的研究成果如下:1)针对脉冲信号提取,本文用能量函数粗检测与方差分形维数精确定位相结合的方法,高效、准确的实现了脉冲信号截取。2)针对细微特征提取,本文通过结合HHT将信号分量分离方法以及WVD方法,成功的提取了单信号时频信息的真边缘特性,有效的提取了能体现无线发射机细微特征唯一性的时频特征;此外,利用最小二乘法多项式模型提取了能差异化发射机信号的包络特征。3)针对分类器的设计,结合信号细微特征样本特点,基于时频特征、包络特征及信号标签构建了用于识别信号样本,本文用基于支持向量机的OVO方法完成了信号多类别分类器设计。用型号相近的多类别民用飞机无线发射机数据,用40%的训练测试数据比例况实现了 90%的识别正确率,完成了无线发射机的细微特征识别研究。(本文来源于《北京邮电大学》期刊2016-12-01）
王文哲,吴华,王经商,张强[10]（2016）在《基于CEEMDAN的雷达信号脉内细微特征提取法》一文中研究指出有效的信号特征提取是高精度雷达辐射源识别的基础,以脉冲描述字为代表的传统特征已无法满足复杂电磁环境的需要。本文提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)的有效雷达辐射源脉内细微特征提取算法。雷达信号由对非平稳、非线性信号尤为有效的CEEMDAN分解产生的个别分量重构,抑噪效果通过1 000次蒙特卡罗实验得到验证,同时设计基于该重构的一种脉内特征空间。本文方法与主流特征提取方法的识别精度在6部雷达辐射源产生的3000个不同脉内调制的加噪信号样本上进行了实验对比,结果表明不同种类信号样本在本文特征空间中清晰可分,本文方法较之主流方法更加精确,尤其在0 d B信噪比(SNR)下仍保持90%以上的高精度。(本文来源于《北京航空航天大学学报》期刊2016年11期）
细微特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通信卫星信号发射源识别对于现代电子战争有着重要意义,信号细微特征分析是信号识别中非常重要的一部分,由于当今社会电磁环境越来越复杂以及无线电技术飞速发展,对信号发射源识别提出了更高的要求,通常使用的信号细微特征特征维度较高以及计算复杂度较大,随之而来出现两种问题:一是信号采集技术的发展,信号的细微特征提取计算量越来越大,运算时间变长;二是特征维度越来越高,将引发维度灾难。本文使用双谱和包络的分形维数两种信号细微特征,对这两种特征进行流形降维并作为分类器的输入,对双谱变换算法进行GPU(图形处理单元)并行优化。首先分析了两种信号细微特征的原理。随后,针对信号识别中所面对的高维的特征数据出现的维度灾难,引入机器学习中的传统降维方法,分析了降维算法的原理、适用环境、优点和缺点,在此基础上将流形降维算法应用到信号细微特征的约简降维中。分析了典型的流形降维算法的思想和计算方法,采用实际数据的信号特征针对流形中数据点的降维效果,分析了不同降维算法的性能。最后研究了基于t-SNE(t分布随机近邻嵌入)算法和SVM(支持向量机)分类器的信号识别技术。针对单一特征识别流程的步骤进行了优化,包括将信号的双谱细微特征提取算法改为基于GPU的并行双谱提取算法、特征的维度对于分类正确了的影响以及通信卫星信号特征分层的原因。在此基础上通过t-SNE算法对不同的特征进行降维,并经过SVM分类器进行分类,根据电磁环境不同采用叁组信号数据分别进行五组实验。结果表明,基于GPU的并行双谱特征提取算法能够极大地提高特征提取的速度(如训练时间从48.7s降至0.3s)。利用t-SNE算法降维后的细微特征会影响识别正确率,但基本上保留了样本在高维特征时的拓扑信息,并且在处理降维后的低维特征时,计算量的减少对于分类识别的实时性有明显的提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
细微特征论文参考文献
[1].谭薇,严丽娜,姚晖,刘锐鹏.基于分形理论的通信个体电台细微特征提取技术研究[J].通信技术.2019
[2].姚舜禹.信号细微特征降维优化及GPU并行优化[D].中国科学院大学(中国科学院国家授时中心).2019
[3].李海英,王锦,郑雅欣.烧结过程细微颗粒物排放特征与控制方法[J].环境工程.2018
[4].李策.雷达辐射源细微特征提取方法研究[D].西安电子科技大学.2018
[5].王欢欢,张涛,孟凡玉.基于时频域细微特征的辐射源个体识别[J].信息工程大学学报.2018
[6].雷迎科.复杂电磁环境下通信辐射源个体细微特征提取方法[J].数据采集与处理.2018
[7].王欢欢.通信辐射源信号细微特征分析与个体识别技术研究[D].解放军信息工程大学.2017
[8].廖隆有.从细微处透视小学语文教学的特征[J].作文成功之路(下).2016
[9].陈俊名.无线发射机信号细微特征识别研究[D].北京邮电大学.2016
[10].王文哲,吴华,王经商,张强.基于CEEMDAN的雷达信号脉内细微特征提取法[J].北京航空航天大学学报.2016
论文知识图
![指纹细节点常见类型[1]](http://image.cnki.net/GetImage.ashx?id=1013114470.nh0004&suffix=.jpg)
