首页期刊导航|中国舰船研究
期刊信息/Journal information
中国舰船研究
中国舰船研究

许建

双月刊

1673-3185

cjsr@ship-research.com

027-88730832

430064

湖北省武汉市张之洞路268号

中国舰船研究/Journal Chinese Journal of Ship ResearchCSCD北大核心CSTPCD
查看更多>>办刊宗旨：高举创新的旗帜，加强技术交流，开展学术争鸣，提倡观念创新，推动理论创新与技术进步，促进舰船事业发展和海军装备建设现代化。读者对象：舰船行业的专家学者、大专院校的师生、科研院所的科技人员及相关领域的专业人员。
正式出版
收录年代

    基于奇异谱和稳健独立分量分析的星载AIS接收信号分离算法

    赵建森谭智豪段海燕刘侠...
    293-302页
    查看更多>>摘要：[目的]在高密度流量地区,船舶经常出现自动识别系统(AIS)信号碰撞的问题,故对接收机的分离性能和实时性能均提出了很高的要求.[方法]针对不同信噪比(SNR)下的混合信号,提出一种基于奇异谱分析(SSA)与稳健独立分量分析(RobustICA)的分离算法S-RICA.通过对单通道AIS信号的Hankel矩阵分别开展奇异值分解和时间序列重构,并利用奇异谱分析代替传统的独立成分分析(ICA)中的白化预处理,再采用峰度对比函数来计算分离矩阵每次迭代的最优步长,从而快速获取最优分离矩阵.[结果]仿真实验结果表明,当信号长度改变时,S-RICA的信号均方误差均可稳定在 1.5 左右,而快速独立分量分析(FastICA)算法则极不稳定;当SNR为 0～9 dB时,S-RICA的误码率为 0.97×10-2～1.97×10-2,其性能较RobustICA和FastICA提升了 1 个数量级,且其在SNR为 0～7 dB时比S-FICA提高了 4～6 dB;S-RICA的平均计算时间和迭代次数分别为 18.5 ms和 13.6 次左右,具有明显的优势.[结论]在样本容量和SNR变化的情况下,S-RICA均表现出更为优异的分离性能,研究成果可为S-RICA在未来星载AIS系统中工程应用提供参考.

    卫星通信系统信号处理谱分析星载自动识别系统快速独立分量分析稳健独立分量分析盲源分离

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于贝叶斯优化的时间卷积网络船舶航迹预测

    李金源朱发新滕宪斌毕齐林...
    303-311页
    查看更多>>摘要：[目的]为提高船舶航迹预测精度和计算效率,解决传统方法容易出现的梯度爆炸、计算时间长等问题,提出基于改进的贝叶斯优化算法与时间卷积神经网络的航迹预测模型.[方法]首先,通过引入时间模式注意力机制,提取各输入特征的权重,保证航迹历史数据的时序性,同时引入可逆残差网络,减少时间卷积神经网络模型训练过程中占用的内存;然后,再采用贝叶斯优化算法对时间卷积网络中的超参数(内核大小K、膨胀系数d)进行寻优;最后,采用五折交叉验证方法对模型进行验证,获得最优模型后进行航迹预测.[结果]采用AIS采集的航迹数据验证,结果表明,在弱耦合、中耦合和强耦合航迹预测中,均方根误差分别平均提高 5.5×10-5,3.5×10-4 和 6×10-4.[结论]所提出网络对复杂航迹具有良好的适应性,其预测精度均优于传统模型及LSTM模型,在耦合较强的航迹中仍能保持较高的预测精度.

    导航神经网络贝叶斯优化算法时间卷积网络时间模式注意力机制模块可逆残差网络AIS数据

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    《中国舰船研究》2024年总目次

    312-316页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据