基于LFSN自相似流量模型的随机突发边界分析

基于线形分形稳定噪声(LFSN)的网络业务流模型可以很好地描述流量的自相似和重尾特性,对这种模型的随机突发边界进行理论推导,得出较现有文献更为普遍的结论,尤其是其随机上界更为精确,因此在随机网络演算分析中有着重要意义.同时基于对一般LFSN过程的快速模拟,设计了一种独特的实验方法,得到突发边界随机分布的估计值,验证了理论推导的正确性.     

冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断

针对冲击噪声下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达阵列诊断失效问题,对基于二阶矩的传统匹配滤波器进行改进以适应非高斯噪声,并提出一种基于张量分解和K-means聚类的阵列诊断方法.该方法利用MIMO雷达各接收阵元回波信号的高斯核函数值来自适应地调整匹配滤波器的系数,以有效形成虚拟阵列.为挖掘正常和故障阵元的匹配滤波输出数据的多维特征,将虚拟阵列协方差矩阵构建成三阶平行因子(PARAllel FAC-tor,PARAFAC)张量,并通过COMFAC(COMplex parallel FACtor analysis)算法分解获得收发阵列流形矩阵,使用欧式距离度量其相似性,确定两个簇类数据的聚类中心并划分出异常簇类,以完成故障阵元位置的诊断.仿真结果验证了所提算法的有效性.     

非高斯相关杂波背景下雷达目标统计检测方法

在非高斯相关杂波背景、参数随机或未知的情况下,通常难以甚至无法建立统计检测模型。针对此问题,基于粒子滤波方法,根据未知参数的概率分布函数抽取粒子,将复杂积分运算转化为求和运算求取似然函数,给出了一种雷达目标似然比检测的通用模型,较好地解决了非高斯相关杂波条件下无法得到检测统计量的问题。此外,以复SG-Alpha稳定分布作为非高斯相关杂波分布模型,给出了基于粒子滤波的检测统计模型,并对本文方法与传统的检测方法在高斯相关杂波和非高斯相关杂波背景下的检测性能进行了仿真比较,验证了算法的有效性。     

对称α稳定分布中预处理的共变时差估计

针对传统共变算法在对称α稳定分布(SαS)噪声中方差趋于无穷,实际应用效果不佳的缺点,本文提出了一种基于预处理的共变时差估计算法,该算法将接收信号通过任意满足奇对称单调增的有界函数进行预处理后,再使用共变算法,理论证明了改进算法方差降为了有限值,从而提高了时差估计精度及算法实际应用价值。最后提出了两种满足上述条件的预处理函数,并对其和已有的反正切函数进行仿真,验证了本文算法在SαS分布噪声环境下提高算法估计精度的有效性和在高斯噪声环境下的适用性。     

基于ZMNL的相关广义复合分布宽带雷达杂波仿真

在宽带雷达体制下,雷达杂波的幅度统计模型更适合用广义复合分布(GC_pdf)模型描述.本文推导了广义复合模型的表达式;在此基础上利用相关广义复合序列的高阶自相关系数,推导了相关高斯序列与相关广义复合分布序列相关系数间的非线性关系;从而提出了基于这种非线性关系变化的零记忆非线性变换法(ZMNL)仿真广义复合分布杂波的算法.最后还利用此算法仿真了几种常见特殊广义复合分布(K分布,Weibul分布,广义K分布)序列以及一般广义复合分布序列,仿真结果验证了该算法的有效性和准确性.     

基于独立成分分析的被动红外光谱弱信号检测

简要阐述了独立成分分析(independent component analysis,ICA)的基本模型及其假设、含混性、非高斯性度量和通用求解过程,介绍了一种基于峰度的快速ICA算法。提出了基于基本ICA模型的从被动遥感红外光谱中分离出弱目标信号的信号检测方法。实验结果表明：基于ICA的信号提取方法可不依赖于预先采集的“干净”背景光谱,并且与差谱法的结果进行了对比。     

双曲余弦高斯光束的模相关和模结构分析

基于二阶矩方法和正交模系展开法 ,推导出双曲余弦高斯光束的光束传输M2 因子和模相干系数的解析表达式 ,从而可对双曲余弦高斯光束的模相关和模结构进行分析。提出了一种在实验室中产生双曲余弦高斯光束的简单方法。     

双曲余弦高斯光束的模相关和模结构分析

基于二阶矩方法和正交模系展开法,推导出双曲余弦高斯光束的光束传输M2因子和模相干系数的解析表达式,从而可对双曲余弦高斯光束的模相关和模结构进行分析。提出了一种在实验室中产生双曲余弦高斯光束的简单方法。     

一种窄带非高斯建模方法

针对混响特点,提出了一种窄带非高斯建模方法.研究了模型参数估计方法,并采用实验混响数据对建模效果进行了检验.结果表明了该方法的有效性.     

基于非平稳型流量队列模型的Internet流量测量研究

针对大规模细粒度网络流量测量的现实困难,本文引入一种非平稳型流量队列模型NTT,直接对粗粒度的流量采样进行建模.NTT模型是大量活跃的流量队列的迭加,每个队列内部的流量变化过程用分形高斯噪声过程FGN描述,队列的到达过程形成非同构的泊松过程,队列的生存周期服从指数分布.对CERNET主干网的实际流量测量分析验证了NTT模型的有效性,证实了NTT模型可用于基于各种粒度的流量测量的网络行为研究.