基于人工蜂群算法的双门限CRN网络攻击检测算法

为了提高认知无线电网络的攻击检测效果,提出一种基于人工蜂群算法的双门限认知无线电网络的攻击检测算法。收集网络中所有次级用户向融合中心发送的报告,对信号进行预处理并将信号传递至人工蜂群算法;蜂群的雇佣蜂阶段评估次级用户子集的适应度,观察蜂阶段根据解的相关信息开发可行解,选择最优的次级用户子集;观察蜂的结果传递回蚁群,并且更新蚁群的全局信息素值,蚁群对新解集进行开发操作。该算法结合人工蜂群算法与人工蚁群算法在全局搜索与局部开发之间达到平衡。仿真实验的结果显示,该算法实现了较高的检测率与较低的错误率,从而有效地优化了频谱利用率。     

移动边缘计算环境下的动态资源分配策略

在通讯设备爆炸式增长的时代,移动边缘计算作为5G通讯技术的核心技术之一,对其进行合理的资源分配显得尤为重要。移动边缘计算的思想是把云计算中心下沉到基站部署(边缘云),使云计算中心更加靠近用户,以快速解决计算资源分配问题。但是,相对于大型的云计算中心,边缘云的计算资源有限,传统的虚拟机分配方式不足以灵活应对边缘云的计算资源分配问题。为解决此问题,提出一种根据用户综合需求变化的动态计算资源和频谱分配算法(DRFAA),采用"分治"策略,并将资源模拟成"流体"资源进行分配,以寻求较大的吞吐量和较低的传输时延。实验仿真结果显示,动态计算资源和频谱分配算法可以有效地降低用户与边缘云之间的传输时延,也可以提高边缘云的吞吐量。     

基于自然伽马测井曲线的旋回识别及古气候判断

尼玛盆地地处青藏高原腹地,由于环境恶劣交通不便等问题,导致尼玛盆地沉积旋回和层序地层研究程度极低.收集盆地内第1口探井(尼1井)的地球物理数据,利用自然伽马测井曲线对尼1井牛堡组一段进行频谱分析,共识别出405 kyr周期旋回37个、100 kyr周期旋回148个、54 kyr周期旋回274个、41 kyr周期旋回362个和23 kyr周期旋回646个,各周期对应旋回沉积厚度分别为17.7305、4.4623、2.3680、1.7873、1.0886 m,平均沉积速率44.03 m/Ma,沉积时限14.8 Ma.在此基础上,结合带通滤波变化趋势分析,认为该地区的气候反常现象由印度板块与亚欧板块的碰撞隆升引起,风化作用与焚风作用共同控制了高原内部的气候变化.     

基于能量检测的频谱感知算法性能研究

文章提出一种更精炼的能量检测算法(Improve Energy Detection,IED),该算法能避免瞬时信号能量下降造成的错误检测。实验结果表明,它能够在保持类似复杂度和计算成本水平的同时优于传统能量检测算法,精确判别信道中是否只存在噪声,有效地降低了能量检测的复杂度,提高了检测的可靠性。     

南美白对虾进食前后发声信号特点分析

为了探索南美白对虾进食前后发声信号特点和规律,首先进行了养殖虾塘环境下的实验,利用水听器与采集器采集信号;然后利用Matlab软件对信号进行频谱分析和时频分析,得到南美白对虾的发声信号规律。实验证明,在淡水养殖环境下,南美白对虾产生的声信号具有一定的规律,一般情况单个脉冲信号时长为0.005 s,主峰频率在2～10 kHz之间,投饵后主峰频率有所扩大,约在5～15 kHz之间。投饵后南美白对虾随着咀嚼活动的展开产生的信号增多,并且时频域特征明显与投饵前不同。该实验结果为利用南美白对虾产生的信号来控制投饵机实现按需投饵提供了可能。     

单轴加载条件下大理岩的实时轴向波速变化特征与频谱分析

为研究大理岩在单轴应力条件下的实时轴向波速的变化特征,采用自主研发设计的超声波检测替代承压装置,完成了大理岩、Q345钢的单轴压缩试验与实时轴向超声波测试,并结合FFT方法分析了大理岩试样与Q345钢试样的波速、频谱特征。试验结果表明:在单轴加载条件下,Q345钢试件耦合面的接触性状是导致其波速增长的主要原因,而大理岩纵波波速随应力的变化则受耦合面接触性状与孔隙闭合特征的共同控制,大理岩在弹性范围内的波速变化可分为孔隙压密段与线弹性段两个阶段;试件端面接触性状越稳定,波速增长越慢,波速越高,次频带谐波能量越低;随着岩石内部的孔隙、裂纹被压密,纵波波速增大,频域信号的低频段能量逐渐向高频段转移。     

风电机组传动链典型故障特征提取方法

为解决风电机组传动链易发生故障的问题,文章阐述了风电机组齿轮箱特征频率的计算方法和基于振动信号分析的故障特征提取方法。结合实际情况,以行星级齿轮磨损、中间轴小齿轮崩齿、高速轴齿轮崩齿和发电机轴承电腐蚀等典型故障为例,通过齿轮箱特征频率和传动链典型故障振动信号基本特征分析,可较好地完成故障识别。结果表明,采用经典信号处理方法能对上述典型故障进行特征提取,验证了经典方法对单一、明显故障特征提取的有效性,为深入开展传动链故障特征提取方法研究奠定了基础,为风电机组故障检修维护提供了技术支撑。     

应用独立分量分析的激光测风雷达湍流频谱分解

针对大型风力发电机机组中常见的脉动湍流、风机尾流与涡流等湍流信号,研究了利用自然梯度下降的独立分量分析方法的湍流频谱分离效果,以区分中心风速与湍流信号,提高风机机组的综合工作效率。首先分析了风机组中常见湍流信号的后向散射与频谱分布特点,然后依据这些特点设计了对应的独立分量分析模型。在仿真结果符合要求的基础上,进行了双目激光雷达天线的风速采集与实际分离效果检测。实验结果表明,在大气折射率结构常数C2n≤10-14同时广义大气常数α≥4的通常情况下,利用双目信号能够分离出一个湍流中心和一个中心风速。对1 s内两个谱峰的波动范围进行统计,获得(2.59±0.05)MHz的中心风速以及(1.22±0.19)MHz的湍流中心估计,且二者的平均信噪比分别为25.93 dB和31.01 dB,能够在获得稳定的中心风速估计的同时得到一个较为稳定的湍流中心估计。