采用支持向量回归抑制噪声的经验模态分解方法

在实际信号分解中,经验模态分解（ EMD）是对噪声敏感的,往往会分离出一些虚假的本征模函数,对信号的分析产生一定影响。为了提高EMD分解的正确率,减少其出现虚假本征模函数的情况,文中提出了一种基于支持向量回归（ SVR）的去噪方法。先对一次EMD分解结果进行SVR逐层滤波并且对信号进行重组,然后利用EMD方法对重组信号进行二次分解。实验表明,二次分解结果已经非常接近于理想的分解结果,不会出现虚假IMF。这种分解方法对噪声不敏感,能有效提高EMD方法对噪声的容忍度。     

超结构光纤光栅在自发布里渊散射测量中的应用

从理论上分析了超结构光纤光栅的滤波原理,将所研制的超结构光纤光栅滤波器应用于自发布里渊散射测量中,初步实现了自发布里渊散射信号与瑞利散射信号的有效分离及自发布里渊散射谱的测量,并给出了实验系统及实验结果,表明了该方案的可行性。     

新型基于几何的3D非平稳V2V MIMO信道模型

针对具有多种通信场景和收发端快速移动的V2V通信系统,提出一种基于几何的3D V2V MIMO信道模型.该模型首次结合双球模型和半椭球体模型,分别使用双球和半椭球体模型表征动态和静止散射体;考虑到收发端的运动状态,引入时变的出发角、到达角以及路径长度用于研究V2 V信道的非平稳特性;对所提出的信道模型,推导了空间互相关、时间自相关和多普勒功率谱密度等统计特性函数,分析了不同场景和参数下的V2 V信道统计特性.结果表明,不同场景下V2 V信道各统计特性有较大差异,信道相关性与时间变化和散射体分布密切相关.仿真结果与理论值的高度拟合验证了模型的正确性,为V2 V通信链路的设计提供了理论依据,拓展了基于几何的V2 V信道建模领域的研究.     

有适应力的分布式状态估计方法

为提高智能体系统对攻击的免疫力,研究了测量攻击下的适应力分布式状态估计方法。每个智能体对系统状态进行连续的本地线性测量。由于不同智能体的本地测量模型相互异构,对系统状态可能不具有本地可观测性,且攻击者能够操控部分智能体的测量数据,随意改变其测量结果。而智能体的目标是协同处理本地测量数据,并正确估计出未知的系统状态。因此,该问题的挑战在于在不对真实测量数据和恶意智能体的测量数据进行分辨时,如何设计算法估计得到真实的系统状态。为了解决这个问题,设计了适应性分布式最大后验概率估计算法。在该算法中,只要恶意智能体的数量小于某个特定值,所有智能体都能够收敛到系统状态。首先,根据卡尔曼滤波给出集中式最大后验概率(Maximum A Posteriori,MAP)估计方法,并与分布式一致性结合,进而得到分布式最大后验概率估计方法。然后,考虑到测量攻击,从估计一致性的角度,利用自适应饱和度增益设计了适应性分布式最大后验概率估计方法。最后,通过仿真实验验证算法的有效性。     

基于手机传感器轨迹的路面地物检测方法

针对传统路面地物信息采集方法存在的数据采集周期长、成本高等问题,提出了一种基于手机传感器轨迹的城市路面地物检测方法.利用手机记录车辆行驶过程中各传感器数据的变化,分析经过姿态校正后的加速度数据,研究加速度变化与路况之间的联系,构建BP神经网络模型,并使用已采集数据对模型进行训练,以识别路面地物.实验结果表明,基于手机传感器轨迹的路面地物检测方法具有快速准确地检测路面地物信息的能力,且地物检测准确率大于85％,能够较为准确地检测路面地物,文中基于手机姿态传感器对手机加速度传感器姿态进行了实时矫正,利用手机垂直于路面的加速度变化检测路面地物,因此所提方法具有手机加速度传感器姿态无关性,此外,所提方法对硬件设备要求低、数据采集效率高,降低了路面地物信息采集的成本,具有广泛的应用前景.     

便于数据共享的电网数据湖隐私保护方法

数据湖是大数据应用最常用的数据共享方式,然而数据共享带来隐私问题仍然是数据湖设计中缺失的部分,特别是应用于电网数据保密性的要求更高。为了促进有价值数据的流通,必须完成现有数据湖缺失的数据隐私,以便数据更为安全的跨域共享。对此,提出一种数据访问与共享模型,并在此基础上对区块链中的智能合约模块进行了优化。实验结果表明,在区块链中存储数据的哈希值并使用可信执行环境将加密后的原始数据存储在数据湖中,不仅实现了数据访问控制和安全共享的目的,也降低了操作所需的gas使用量和系统吞吐量。     

实现网络视频流多分类的迁移学习算法

在现实世界中,可用的训练数据通常较少,且很容易过时,所以需要不断采集和标记大量新的数据集;针对此问题,提出一种基于SAMME和TrAdaBoost算法的迁移学习分类方法。该方法的核心思想是：从老视频流数据集中筛选出有用的样本来帮助模型识别新的未知视频流集样本,这里新老视频流数据集的样本特征分布是不相同的。同时该方法结合SAMME算法将TrAdaBoost算法从只可实现两分类扩展至多分类。实验结果表明,与现有方法比较,该方法能更好地实现对六种类型视频流的精细分类,并减少大量已标注老数据集的浪费。     

多信道认知无线电频谱感知时间和门限联合分配

为提高多信道认知无线电的吞吐量,提出采用交替方向优化联合分配次用户的频谱感知时间和子信道感知门限.基于"先听后传"的次用户帧结构,建立了感知时间和门限的优化分配模型.该模型在保证满足主用户通信需求和子信道频谱感知性能的前提下,最大化次用户各子信道的吞吐量总和.联合优化算法通过交替优化感知时间和门限能够获得模型的最优解.仿真结果表明:存在最优的感知时间和门限最大化次用户的吞吐量,并且相比之前的方案,联合分配能够提高次用户的吞吐量.     

基于信号相位搜索的WSN节点定位算法

节点定位是无线传感器网络（wireless sensor network,WSN）研究的热点问题之一,基于信号相位信息与物理距离间的关系提出了基于信号相位搜索的WSN节点定位算法。该算法首先根据节点间信号相位信息,基于余弦相似性算法原理构建目标函数,将WSN节点定位问题转换为目标函数最优解搜索问题;然后基于质心定位算法原理确定搜索初始像素单元;最后利用梯度下降法替代逐像素单元的遍历搜索,在不影响定位精度情况下进一步提高定位效率,减小定位功耗。仿真实验结果表明,该算法的各项指标良好,适用于WSN的节点定位。     

一种基于情景感知的Ad Hoc网络功率控制算法

针对战场复杂恶劣环境下 Ad Hoc网络节点易受自然或人为因素影响发生故障,从而造成网络分割并导致通信中断,提出了一种基于情景感知的分布式功率控制算法(DPCAC)。DPCAC 采用 DS证据理论对影响节点失效的多“情景证据”进行融合,推理得到节点的生存状态,依据情景数据库中的信息构建拓扑矩阵,找出故障集并通过调节邻居节点的功率改变网络结构,进而达到恢复通信的目的。仿真实验表明,DPCAC可有效修复网络通信中断的链路,并可在网络恢复连通后通过调节功率降低不必要的能量消耗。