基于周期截断数据矩阵奇异值分解的干扰抑制技术

针对现有适用于单天线接收机的干扰抑制技术难以为周期调频(PFM)干扰和卫星导航信号提供足够分离度,导致消除干扰成分时卫星导航信号损伤较大的问题,该文提出一种基于周期截断数据矩阵奇异值分解的干扰抑制方法。利用调频干扰信号的周期性把分散在较大带宽的能量集中到重排数据中几个甚至单个频点;进而采用奇异值分解(SVD)将干扰与期望信号映射进不同的投影子空间以消除干扰成分。仿真结果表明该方法可以降低在剔除干扰时卫星导航信号损失,提升卫星导航接收机对抗宽带周期调频干扰的能力。     

基于频移键控的仿海豚哨声水声通信技术

针对水下隐蔽声通信的需求,该文提出一种基于频移键控的仿海豚哨声水声通信方法,通过模拟海豚哨声以降低通信信号被发现的概率,从而实现水下隐蔽声通信。该方法将信息调制生成的基带信号以一定比例与海豚哨声信号时频谱轮廓曲线相加获得合成哨声时频谱,再生成合成哨声作为仿生通信信号。接收端提取接收到的合成哨声与本地生成的存在固定频差的海豚哨声相干相乘,经过低通滤波获得频移键控信号进行信息解调,实现仿生通信。通过时频相关系数和Mel倒谱距离分析了通信信号仿生效果。仿真与海试试验验证了该方法的可行性,当码元宽度为0.1s时可在2km距离上实现有效通信,且时频相关系数不低于0.99。该方法调制解调原理简单,系统资源消耗更少,更易于工程实现,为仿生水声通信算法的实际应用提供技术支撑。     

基于深度神经网络的收发同时系统中自干扰数字对消算法

为了解决转发式干扰机收发同时系统中的自干扰难以对消问题,该文设计一种基于深度神经网络(DNN)的自干扰对消算法。在自干扰信号与目标信号强相关且混叠的情况下该算法可以有效地消除自干扰信号。在此基础上,该文利用分段侦收的信号快速生成干扰的方法,验证了该算法在收发同时系统中自干扰信号对消的可行性,实现了基于本脉冲的雷达干扰信号构建,对敌方雷达快速做出反应,在电子对抗中占据有利地位。该文利用典型的线性调频(LFM)和二进制相移键控(BPSK)雷达信号生成数据集训练深度神经网络,用测试集去测试网络输出的模型。实验结果表明:在收发同时系统中目标信号与自干扰信号混叠的情况下,基于DNN的自干扰对消算法可以有效消除自干扰信号,在信干比–8 dB的情况下,对消比可达到26 dB以上。     

两个宽带噪声矢量场模型的空间相关特性

针对宽带噪声矢量场的空间相关特性问题,文章讨论了各向同性噪声模型和表面噪声模型。在高频近似条件下,根据射线声学理论和简谐平面行波满足的欧拉公式,采用时域建模方法分别建立了宽带各向同性噪声和表面噪声矢量场模型。给出了噪声场相关函数的积分表达式和竖直方向空间相关系数的解析表达式。数值分析结果表明,相较于窄带噪声矢量场,宽带噪声矢量场各分量空间相关系数振荡幅度更小,随空间两点间距的增大更快地趋近于零;噪声源指向性对表面噪声场竖直方向上的空间相关特性的影响显著。相较于已有的宽带噪声空间相关系数计算方法,文中模型无需使用傅里叶合成方法,可通过时域建模直接获得宽带噪声空间相关函数。     

云计算服务安全问题研究

该文章介绍和分析了云计算的发展现状和存在的安全问题,提出了相关对策和建议,并对云计算服务安全问题进行了探究.     

光寻址电位传感器阵列信号处理仿真研究

基于微透镜和频率调制盘的设计,提出了光寻址电位传感器阵列(LAPS)中光脉冲阵列的频率调制方法和基本的测量系统.采用Matlab对LAPS阵列可能检测到的光电流信号进行快速傅立叶变换(FFT)和小波分析的仿真.从仿真得到的频谱图,各频率的脉冲光所对应的光电流能够分辨出来,进一步证明多频率脉冲光源LAPS传感器阵列具有很好的频域分辨率,从而得到LAPS阵列对应各个传感元的信号,为实际LAPS阵列器件的制作和信号处理提供了理论依据.     

基于多Agent强化学习的多站点CSPS系统的协作Look-ahead控制

研究多站点传送带给料生产加工站(Conveyor-serviced production station, CSPS)系统的最优控制问题, 其优化目标是通过合理选择每个CSPS的Look-ahead控制策略, 实现整个系统的工件处理率最大.本文首先根据多Agent系统的反应扩散思想, 对每个Agent的原始性能函数进行改进, 引入了具有扩散功能的局域信息交互项(原始项看作具有反应功能); 并运用性能势理论, 构建一种适用于平均和折扣两种性能准则的Wolf-PHC多Agent学习算法, 以求解决策时刻不同步的多站点的协作Look-ahead控制策略. 最后,论文通过仿真实验验证了该算法的有效性,学习结果表明, 通过性能函数的改进,各工作站的负载平衡性得到改善, 整个系统的工件处理率也明显提高.     

基于差分分段PCA的多模态过程故障监测

多模态的故障监测是一个复杂的问题, 既需要考虑稳定模态下的故障监测, 也需要考虑不同模态间的过渡故障监测. 不同稳定模态下的数据具有不同的相关关系, 对每个稳定模态需要建立不同的稳定模态模型. 当稳定生产模态发生改变时, 生产过程进入过渡模态, 需要考虑过渡变量相关关系的变化. 本文通过对过渡数据差分, 得到变量相对变化信息. 利用主成分分析(Principal component analysis, PCA)分段对差分变量的相关特性进行分析, 提取相对变化的特征. 最后以实际连续退火机组生产线为背景, 用基于差分分段PCA的多模态方法对多模态过程进行故障监测, 发现算法很好地反映了实际过渡过程机理, 验证了算法的有效性.     

Mining Web navigation patterns with a path traversal graph

Understanding the navigational behaviour of website visitors is a significant factor of success in the emerging business models of electronic commerce and even mobile commerce. However, Web traversal patterns obtained by traditional Web usage mining approaches are ineffective for the content management of websites. They do not provide the big picture of the intentions of the visitors. The Web navigation patterns, termed throughout-surfing patterns (TSPs) as defined in this paper, are a superset of Web traversal patterns that effectively display the trends toward the next visited Web pages in a browsing session. TSPs are more expressive for understanding the purposes of website visitors. In this paper, we first introduce the concept of throughout-surfing patterns and then present an efficient method for mining the patterns. We propose a compact graph structure, termed a path traversal graph, to record information about the navigation paths of website visitors. The graph contains the frequent surfing paths that are required for mining TSPs. In addition, we devised a graph traverse algorithm based on the proposed graph structure to discover the TSPs. The experimental results show the proposed mining method is highly efficient to discover TSPs.     

小脑模型关节控制器网络在传送带给料生产加工站学习优化控制中的应用

研究单站点传送带给料生产加工站（conveyor-serviced production station,CSPS）系统的前视（look-ahead）距离最优控制问题,以提高系统的工作效率.论文运用半Markov决策过程对CSPS优化控制问题进行建模.考虑传统Q学习难以直接处理CSPS系统前视距离为连续变量的优化控制问题,将小脑模型关节控制器网络的Q值函数逼近与在线学习技术相结合,给出了在线Q学习及模型无关的在线策略迭代算法.仿真结果表明,文中算法提高了学习速度和优化精度.