电子通信系统复合式干扰智能识别技术研究

针对传统方法对电子通信系统复合式干扰信号未能精准识别,导致识别准确度较低,提出了一种电子通信系统复合式干扰智能识别技术.分析电子通信系统的传输速度与距离联合欺骗干扰,得到干扰信号的运作流程,在拖引头坐标系内进行滤波跟踪,并构建系统跟踪模型,初步检测系统内的复合干扰信号,分析系统信号的常规时域特征并提取,完成对复合式干扰进行识别,但未能区分较多的复合干扰信号,添加规则库,并将识别过程分化成若干种划分子流程,每一种子流程都使用相对应的特征,搜索对应的规则库,只需要某种规则的要求得到满足,就能够直接识别出系统内的复合式干扰信号.实验证明,所提方法有着较好的稳定性与鲁棒性,并且效率要比传统方法的效率高更多.     

航空通信网络中复杂干扰过滤技术研究

航空通信环境中存在复杂的干扰信号,对正常的通信信号造成强烈的干扰;利用传统算法进行干扰信号过滤,无法避免由于干扰信号过于复杂导致过滤不充分的缺陷;提出一种基于加权残差优化算法的航空通信网络中复杂干扰过滤方法;对原始信号进行降频处理,能够消除峰值干扰信号,提高了信号的准确性;根据加权残差修正优化算法的相关原理,对通信信号进行残差优化处理,经过处理后的通信信号在受到干扰时会形成零陷,实现了对复杂干扰信号的过滤;实验结果表明,利用该算法进行航空通信网络中复杂干扰信号过滤,能够有效提高过滤的准确性,效果令人满意.     

基于深度卷积神经网络的变换域通信网络抗干扰优化算法

为了有效抑制变换域通信网络干扰信号,改善信噪比,研究了基于深度卷积神经网络的变换域通信网络抗干扰优化算法。应用傅里叶变换方法将信号从时域转换到频域,并以傅里叶变换通信信号获得的参数为依据构建干扰信号模型;嵌入干扰信号模型以形成接收信号,然后对接收信号进行处理并存储在干扰数据库中,利用深度卷积神经网络完成干扰信号的特征学习与干扰估计,并根据干扰估计结果,在接收信号中去除干扰信号,完成变换域通信网络抗干扰优化。实验结果表明：该算法可有效完成变换域通信网络抗干扰优化,优化后通信信号的信噪比改善性能与误码性能均较佳,输出的通信信号几乎无干扰信号存在。     

基于LSTM的调制干扰信号识别算法研究

针对常用机器学习算法对各种调制干扰信号的特征提取困难和识别率低的问题,提出了一种基于长短时记忆神经网络的通信信号调制识别方法.该算法构造了两级级联LSTM神经网络,并采用两层全连接层与LSTM层交替连接的方法,逐层提取干扰信号特征;并采用相关模型优化策略对算法所训练模型进行优化,最后相对较高地识别出各种调制干扰信号.此外,为对多方式干扰进行信号鉴别,也加入了CDMA信号的识别.结果表明,在信噪比大于5dB时,模型对各种调制信号的平均识别准确率在95％以上.     

基于时域有限差分的通信干扰信号广域监测

针对传统通信干扰信号广域监测方法没有变换处理干扰信号,导致方法存在监测稳定性较差等问题,提出基于时域有限差分的通信干扰信号广域监测方法.分析时域有限差分工作原理,引入导数与傅里叶变换方法,实现通信信号的采集与变换,通过支持矢量机构建干扰信号数学模型,根据上述模型识别出干扰信号种类,利用Lagrange函数算法获得干扰信号,完成通信干扰信号广域监测.实验结果表明,上述方法有效提升监测稳定性与准确率,综合有效性更好.     

5G环境下网络独立通信层信号安全检测

通信网络信号传输时,会有一定几率受到恶意攻击,降低网络安全性能。为此,在5G环境下提出一种网络独立通信层信号安全检测方法。采用控制转发分离和控制功能重构技术,重构5G环境体系框架,加强独立通信网络的整体性能;通过多尺度小波包分析法,获得网络分布式隐藏异常流量检测原理,分析网络通信入侵干扰信号,通过EMD分解信号信息确定网络通信入侵干扰信号阈值;引入傅立叶变换的分数幂形式,用高阶累积量切片因子抑制网络数据链路层信号噪声,并利用敏感数据检测法,获得网络攻击信号,有效识别网络的恶意攻击行为,确保网络独立通信层信号安全性。实验结果表明：上述检测方法可以有效改善网络通信过程中的恶意攻击现象,使通信信息传输更加安全。     

基于SVM与Inception-v3的手势识别

针对传统机器视觉的手势识别方法识别准确率低,抗干扰能力差等问题,提出了一种基于支持向量机（Support Vector Machine,SVM）手势分割和迁移学习的静态手势识别方法.本文使用SVM和迁移学习方法相结合构建新的手势识别模型,利用SVM对样本进行手势分割,将Inception-v3模型作为卷积神经网络模型基础,对网络参数进行fine-tuning,将预先经过手势分割处理后的样本导入模型训练,调整超参数得到新的最优手势识别模型,并在一定干扰环境下测试,得到测试结果.测试结果表明该方法识别准确率和实时反馈效率均高于传统方法,能高效识别手势,满足实际应用需求.     

PSO-SVM算法在网络入侵检测中的研究

保证网络运行的安全性,防止外来攻击与破坏,进行准确检测.由于网络入侵具有不确性,针对复杂性和多样性,传统检测方法不能有效对这种特性进行识别,导致目前网络入侵检测准确率低.为了提高网络入侵检测准确率,将粒子群(PSO)算法引入到网络人侵检测中,用优化SVM参数.PSO-SVM将网络入侵检测数据输入到SVM中学习,将SVM参数作为PSO中的粒子,把网络人侵检测准确率作为PSO的目标函数,然后通过粒子之间相互协作得到SVM最优参数,最后对网络入侵数据进行检测并输出网络人侵检测结果.在Matlab平台上采用DRAP网络入侵数据集对PSO-SVM进行仿真.实验结果表明,改进的方法PSO-SVM检测速度快,检测准确率高,为网络安全提供可靠保障.     

基于分布式检测的OFDM导频干扰改进方案

由于信道及接收机噪声的影响,传统的导频干扰方案会存在相位偏差,导致干扰效果下降。为此,提出了一种基于分布式检测的导频干扰改进方案。首先,在干扰范围内分布多个检测终端,实时检测并反馈干扰信号的相位偏差;然后,干扰信号发射机实时调整干扰符号的相位,使之与目标信号导频的相位相反。仿真结果表明,该方案可以较好地减少干扰信号相位偏差对导频干扰性能的影响,提高干扰效果。     

基于FRFT与盲分离的扩频通信LFM干扰抑制仿真

随着信息技术的不断发展,通信的干扰抑制成为研究的热点问题之一.为此提出了基于FRFT与盲分离的扩频通信LFM干扰抑制方法.首先依次建立扩频通信中常见的三种干扰模型:音频干扰、自回归干扰、扫频干扰,同时建立其时域和干扰功率模型.然后对欺骗干扰下的通信,建立扩频通信的接收模型,对时域和频域上重叠的回波信号和干扰信号通过盲分离理论将其分离.最后通过FRFT扩频通信LFM干扰抑制方法,对在FRFT域中获得的回波信号以及欺骗干扰信号中的各种干扰信号进行抑制,其间引入加窗系数确保在FRFT域中目标回波信号的幅值具有明显变化.通过在不同干扰模型下的仿真,结果表明所提算法较扩频增益具有更好的误码率和抗扰性,对不同的干扰环境具有更高的适应能力.     

基于步态触觉信息的图书馆智能机器人异常状态检测系统

针对当前图书馆智能机器人步态识别准确率低,导致异常状态检测效果差的问题,提出基于步态触觉信息的图书馆智能机器人异常状态检测和分类。采用基于局部空间信息加权的K-means算法对静态步态图像进行分割处理,分别构建基于改进K-means的CNN网络模型和基于时域注意力的3D残差网络模型,通过这两个模型对静态、动态步态进行特征提取和识别。实验结果表明,对比于SVM分类器,改进K-means算法的CNN网络模型静态步态识别准确率高达98.7%;3D-CNN模型的动态步态分类准确率为99.72%,均高于其他分类模型。最后结合两种算法进行异常状态检测发现,本算法的分类准确率、敏感度和特异性分别为95.42%、95.53%、94.37%。综合分析可知,提出的算法能够实现静态动态的准确识别和异常状态检测,具有一定有效性。     

低轨卫星扩频通信中干扰信号的优化控制

在低轨卫星扩频通信系统的研究中,存在人为的或者随机的窄带干扰信号.针对窄带干扰会严重影响卫星扩频系统的正常通信,为保证在一定功率干扰下通信系统的正常工作,采用准确干扰识别技术和干扰消除技术对抗窄带干扰,采用无失真的变换算法是研究了窄带干扰抑制技术的主要手段,包括时域和变换域算法.提出了一种基于快速 ELT 变换的稳健窄带干扰抑制技术,在变换域实现对干扰信号的识别与滤除,并进行了仿真.仿真结果表明快速 ELT 算法的抗窄带干扰技术可有效地识别并滤除窄带十扰,明显降低系统的误码率.     

传感网络数据链路层上碰撞攻击检测模型仿真

在传感器网络安全问题的研究中,对传感网络碰撞攻击进行准确检测是保证网络安全的重要手段.传感网络是多层通信网络,在通信过程中,数据存在频繁跨层通信过程,很容易出现不同数据在同层通信的冲突,形成“碰撞”攻击.传统的攻击检测对碰撞攻击的检测存在一个难点,检测模型无法在同层通信网络中对碰撞攻击归类,不同层的攻击确认阀值不同,导致检测效果不正确.提出一种传感网络数据链路层上碰撞攻击检测优化模型,对模糊的分层攻击信号以分数幂形式的形式进行傅里叶变换,将高阶累积量切片因子引入到传感网络数据链路层进行碰撞攻击测试,通过去除微弱碰撞攻击的干扰噪声信号的方式,增强模糊网络信号碰撞攻击检测的准确率.利用敏感性数据挖掘方法,实现检测传感网络数据链路层上碰撞攻击的模糊分层信号.仿真结果表明,改进方法可以提高传感网络检测的准确度.     

光纤通信网络入侵干扰信号定位检测仿真

针对当前检测方法存在干扰信号定位效果较差、检测时间过长,提出了基于粒子群算法的光纤通信网络入侵干扰信号定位检测方法。对网络入侵信号进行分析,并以此构建网络入侵干扰信号采样和信号传输结构模型,结合时间序列分析法,对序列入侵干扰信号进行FIR滤波进行抗干扰滤波处理,根据模型给出的幅值参数,提取入侵干扰信号特征。将提取的入侵干扰信号特征与LSSVM参数编制为二进制粒子,利用网络入侵检测的正确率和特征子集维数权值构造粒子群目标函数,利用粒子群寻找到最优特征子集以及LSSVM参数,并且引入混沌机制保证粒子群的多样性,并在此基础上,构建最优网络入侵检测模型,将K-means算法引入到入侵检测模型中,将网络入侵干扰信号进行定位,实现光纤通信网络入侵干扰信号定位检测。实验结果表明,所提方法有效减少了检测时间,并且减少了干扰信号定位误差,提高定位精度。     

基于小波支持向量机的P2P网络流量识别算法

对等网络技术引起了广泛关注,其典型的应用有文件共享、即时通信等.为了更好地合理使用、规划P2P网络资源,建立P2P流量识别模型具有十分重要的理论意义和现实价值.提出了一种基于小波支持向量机相结合的P2P流量识别模型,将小波分析中多尺度的学习方法和SVM的优点结合起来,通过小波分析与SVM方法紧致结合,引入满足小波构架和Mercer定理的小波基函数来构造SVM的核函数,建立小波支持向量机的P2P识别算法.实验结果表明该算法能够有效地提高P2P网络流量识别的精度.     

基于梯形模型和支撑向量机的非结构化道路检测

在H.Jeong的梯形模型的基础上,提出了基于梯形模型和支撑向量机——SVM（Support Vector Machine）的道路检测算法。算法先对视频中提取的图像帧进行预处理,然后采用Kalman滤波及EM算法进行处理,接着用SVM得到道路检测结果,并进行滤波处理得到最终的检测结果。由于算法采用了比BP（Back Propagation）网络具有更好的分类识别效果的SVM,所以比采用BP网络的H.Jeong等人提出的模型具有更好的检测效果。该算法在预处理部分采用脉冲耦合神经网络即（PCNN-Pulse Coupled Neural Network）消除道路上的阴影,减少了光照变化对最终检测结果的不利影响。实验表明,与H.Jeong的梯形及BP算法相比,道路的检测效果更好。     

无线传感网络低空干扰下的通信优化模型仿真

准确分析无线传感网络低空干扰程度与通信能力的关系,可以进一步保证网络的安全与稳定,并对通信过程进行优化.无线传感网络在低空干扰下,干扰程度呈现关联无序变化,导致网络通信能力的变化也呈现极强的非线性.传统的关联建模方法对无线传感网络低空干扰下的通信优化建模时,模型受到这种随机变化的冲击,很难正确反映无线传感网络的通信优化效果.提出一种基于数据融合算法的无线传感网络低空干扰下的通信优化模型.模型考虑无线传感网络低空干扰因素的非自由空间描述无线传感网络,获取相应环境下无线传感网络低空干扰程度参数值,通过节点数据适应度运算方法,针对不同的低空干扰程度参数,塑造网络通信所需的适应度函数,修正低空干扰产生的误差,实现优化建模.仿真结果说明,通信优化模型在网络能量消耗、网络延时率和误码率等三个方面的通信优化建模性能都优于传统模型.     

基于SVM的入侵检测系统

支持向量机（SVM）作为一种新型的统计学习模型，在处理小样本和学习机的推广能力上具有很大的优势。该文应用SVM的分类特性来识别网络攻山行为，提出了基于SVM的入侵检测方法。雨点考察了不同SVM核函数和参数选择对检测准确率和实时性的影响。论证了基于SVM的入侵检测在性能和识别率上都明显优于基于BP网络的攻击识别，还就目前商用入侵检测系统存在较高误报率的问题，分析了用SVM来提高其检测实时性和识别准确率的系统框架。     

基于改进的PSO优化SVM火灾火焰识别算法研究

针对室内复杂环境下火灾识别准确率会降低的问题,提出了一种改进的粒子群算法优化支持向量机参数进行火灾火焰识别的方法;首先在YCrCb颜色空间进行火焰图像分割,对获得的火焰图像进行预处理并提取相关特征量;其次采用PSO算法搜索SVM的最优核参数和惩罚因子,并在PSO算法中加入变异操作和非线性动态调整惯性权值的方法,加快了搜索SVM最优参数的精度和速度;然后将提取的火焰各个特征量作为训练样本输入SVM模型进行训练,并建立参数优化后的SVM分类器模型;最后将待测试样本输入SVM模型进行分类识别;算法的火灾识别准确率达到94.09%,分类效果明显优于其他分类算法;仿真结果表明,改进的PSO优化SVM算法提高了火焰识别的准确率和实时性,算法的自适应性更强,误判率更低。     

基于聚类分析的常规通信信号自动分选方法

为了从干扰环境中自动分选出常规通信信号,提出了一种基于聚类分析的信号分选方法,它主要包括测量集分割和信号跟踪两部分。测量集分割用于对频域检测和测向得到的测量集进行识别,从中获得对该测量集有贡献的窄带信号的特征参数;信号跟踪就是根据常规通信信号的特点,对截获信号进行序贯聚类,剔除干扰信号。实验结果表明,测量集分割方法的识别正确率在94％以上,能够准确估计各窄带信号的特征参数;所提出的分选方法能够从干扰环境中正确分选出常规通信信号。