基于非平稳信号时频分析的网络攻击检测算法

在复杂网络环境下,网络攻击特征信息通常表现为一组非平稳宽带信号,通过信号检测方法实现网络攻击检测,保证网络安全。传统方法采用傅里叶变换方法进行网络攻击的非平稳信号检测,由于傅里叶变换的时变性会引起较大的包络振荡,检测性能不好,提出一种基于非平稳信号时频分析的网络攻击检测算法。构建了复杂干扰环境下的网络攻击信号模型,提取网络攻击非平稳宽带信号的时频特征。采用WVD-Hough时频变换实现对网络攻击非平稳宽带信号的时频聚集,采用混叠谱模糊度函数分析频谱特征。得到网络攻击信号的瞬时频率估计结果,设计匹配滤波算法进行信号抗干扰设计,最后输出检测结果。仿真实验表明,采用该算法进行网络攻击检测,准确检测概率较高,检测性能优越。     

采用自适应信号恢复算法的非接触式心率检测

目的 心率是反映人体心血管状况和心理状态的重要生理参数。最近的研究表明,光电容积成像技术可以在不接触人体的情况下,利用消费级的摄像机捕获面部表皮颜色的变化进而估计心率。然而,在实际环境中,面部运动带来的干扰会导致心率检测的准确性下降。近年来,国内外学者已经提出了一些方法来去除运动噪声,但是效果均不理想。为了解决上述问题,提出一种可以抗面部运动干扰的新方法。方法 首先检测和跟踪受试者的脸部。然后将脸部区域分块,并提取各块的色度特征建立原始血液容积脉冲矩阵,利用自适应信号恢复算法从原始血液容积脉冲矩阵中分离出低秩矩阵并构建期望血液容积脉冲信号。最后通过功率谱密度估计心率。结果 在环境光作为光源的条件下,利用网络摄像头采集30名受试者的人脸视频进行实验分析。结果显示,提出的方法测得的心率与参考值具有很强的相关性：在静态场景中皮尔森相关系数r=0.990 2,在动态场景中r=0.960 5。并且与最新方法相比,动态场景中的误差率降低了53.90%,相关性提高了7.46%。此外,在10 min的心率检测实验中,方法的测量值与参考值保持着良好的一致性。结论 本文方法优于现有的非接触式心率检测技术,能有效地消除面部运动带来的干扰,长期稳定地检测心率。     

磁异信号自适应检测算法

针对在分形噪声1/fα(0≤α2)中检测磁异信号存在的问题,提出了一种自适应噪声抵消器与自适应AR白化滤波器相结合的磁异信号正交基函数(OBF)检测算法——改进的OBF检测算法。由于固定AR白化滤波器对分形噪声1/fα的白化效果不佳,影响了OBF检测算法的性能,因此采用自适应噪声抵消器对被检测信号进行预处理以提高其信噪比,再利用自适应AR白化滤波器对预处理信号进行白化滤波,以实现OBF检测算法的最优化。理论仿真结果表明:当α值接近于0时,改进的OBF检测算法的处理增益略高于未经白化的OBF检测算法;当α值接近于2时,改进的OBF检测算法的处理增益略高于基于AR白化滤波器的OBF检测算法;当α值约等于0.8时,改进的OBF检测算法的处理增益高于其他两种算法7 dB,实验结果表明改进的OBF检测算法可以检测更微弱的磁异信号。     

结合循环平稳特征和自适应双门限检测的频谱感知算法

针对单门限能量检测算法存在虚警率高、循环平稳特征检测算法计算复杂等问题,为了降低无线信道平均捕获时间和信号检测算法复杂度,提出一种联合循环平稳特征的自适应双门限能量检测算法.该算法根据无线信道占用状态自适应调整双门限值搜索频谱信息,将无线麦克风信号接收后直接送入第1个积分电路,在双门限区域之外采用无线信号能量检测;当第1个比较器中能量累积输出低于检测下门限时,表明未检测到无线信号;当积分电路输出超过检测下门限时则启动第2个积分电路,当第2个比较器中能量累积超过检测上门限时启动第3个比较器,超过同步门限判断虚警状态;在双门限区域之间采用循环平稳特征检测快速、准确地捕获无线麦克风信号,并合理设置保护频带,让非授权用户充分利用保护频带之外的频谱资源.仿真结果表明,文中算法有效地提高了无线认知网络的无线信号检测概率和频谱感知精度.     

TD-LTE自适应辅同步信号检测算法与仿真实现

介绍了TD-LTE自适应辅同步信号的检测算法。该算法采用自适应反馈的方法,对由主同步序列估计的频域信道冲激响应进行修正,通过相干检测的方法有效地提高了辅同步序列检测的成功率,并利用索引号来检测辅同步序列,极大地减小了计算复杂度。理论分析和仿真结果表明,该算法在不同的信道环境下均具有良好的性能,能够满足TD-LTE系统辅同步信号检测的性能需求。     

用于星点检测的自适应变邻域背景预测算法

针对现有星点检测中背景预测算法存在的星点模糊、对噪声抑制能力差等问题,提出了一种用于星点检测的自适应变邻域背景预测算法。该方法根据待预测像素点所在位置不同采用不同的权值矩阵进行背景预测,当待预测像素点在星点边缘处时,仅用待预测像素点邻域内灰度小于邻域灰度中值的像素点组成预测权值矩阵进行预测计算,而在其他区域时,直接使用固定权值进行预测。同时,该算法还可以根据待预测像素点噪声属性,自适应调整待预测像素点自身灰度值在背景预测计算中的权值。最后通过对现有背景预测算法和本文所提算法的仿真和比较,改进算法较现有算法对星点的处理更清晰,对噪声的抑制能力更强。     

一种结合光流法与三帧差分法的运动目标检测算法

运动目标的检测是计算机视觉研究的重要内容之一,光流法是其中的一种重要方法.由于计算光流的算法复杂,限制了它的使用.本文提出一种结合光流法与三帧差分法的运动目标检测算法,该算法简化了光流的计算,选择图像中具有代表性的Harris角点,只对这些像素点计算光流信息,有效地减少了复杂度,由于检测得到的运动目标区域不够完整,引入了三帧差分法作为简化光流法的补充.经过实验,该方法使光流法达到了实时性要求,取得了好的效果,优于单独运用两种方法中的任何一种取得的效果.     

一种用于移动机器人状态和参数估计的自适应UKF算法

For improving the estimation accuracy and the convergence speed of the unscented Kalman filter(UKF),a novel adaptive filter method is proposed.The error between the covariance matrices of innovation measurements and their corresponding estimations/predictions is utilized as the cost function.On the basis of the MIT rule,an adaptive algorithm is designed to update the covariance of the process uncertainties online by minimizing the cost function.The updated covariance is fed back into the normal UKF.Such an adaptive mechanism is intended to compensate the lack of a priori knowledge of the process uncertainty distribution and to improve the performance of UKF for the active state and parameter estimations.The asymptotic properties of this adaptive UKF are discussed.Simulations are conducted using an omni-directional mobile robot,and the results are compared with those obtained by normal UKF to demonstrate its effectiveness and advantage over the previous methods.     

一种非线性非平稳自适应信号处理方法—希尔伯特-黄变换综述：发展与应用

非线性非平稳信号的分析、处理以及特征提取问题,一直是学术和工程界关注的热点问题之一。为突破传统数据分析方法受线性或者平稳性假设的限制,一种新颖的、高效的非线性、非平稳、自适应的数据分析方法——希尔伯特-黄变换（HHT）被提出。在这篇综述中,我们介绍HHT的基本思想和近期发展,总结起在工程领域中的应用情况,并且列举与之相关的数学问题。     

融合分区导向搜索与自适应扩散的新型Lichtenberg算法

针对Lichtenberg算法收敛速度慢、易陷入局部最优等问题,提出融合分区导向搜索与自适应扩散的新型Lichtenberg算法（novel Lichtenberg algorithm,NLA）。根据群体粒子的适应度值将搜索空间分为中心区域和边缘区域,分别利用螺旋系数的动态趋向性和Levy变异的随机性,对中心区域和边缘区域的粒子进行位置更新,提高种群多样性,加强算法的全局搜索能力;引入自适应扩散策略,充分利用群体各个粒子的位置和适应度值信息来指导其进行信息交流,避免算法陷入局部极值,提高算法的局部优化能力。采用CEC2021测试函数和20个不同特点的高维测试函数进行数值实验,并将NLA算法与六种不同类型的智能优化算法进行对比,实验结果表明,NLA算法具有更高的寻优精度和收敛速度。最后验证了两种改进策略对NLA算法的有效性。     

一种自适应预测非平稳信号的新方法

本文提出一种动态神经网络为非平稳信号作自适应单步预测，它由级联回归神经网络和抽头延时线组成．用它对非线性动态方程产生的时间序列作自适应预测，实验结果表明，其效果远远超过了传统的前馈神经网络．     

多通道非平稳ARMA信号自校正去卷滤波器

对于通过一个已知的线性系统被观测的多通道非平稳ＡＲＭＡ信号，本文用现代时间序列分析方法［１］，基于ＡＲＭＡ新息模型，提出了自校正去滤波新方法。仿真例子说明了其有效性。     

非平稳ARMA信号自校正滤波器及其应用

本文处理带白色观测噪声的非平稳ARMA信号估计问题.应用状态空间方法和现代时间序列分析方法[1],基于ARMA新息模型,提出了非平稳ARMA信号自校正滤波器,推广了Hagander和Wittenmafk的结果[2],并给出了在雷达跟踪系统和检测数据数字滤波方面的应用.仿真结果说明了本文结果的实用性和有效性.     

信号自适应衰减的多壳扩散磁共振成像方法

提升总体平均扩散传播算子(Ensemble Average diffusion Propagator,EAP)的重建精度一直以来都是扩散磁共振成像领域中扩散光谱成像(Diffusion Spectrum Imaging,DSI)的核心问题.在诸多成像算法中,用径向基函数(Radial Basis Function,RB...     

一种基于网格核密度的自适应边界点检测算法

为了快速有效的检测聚类的边界点,提出基于网格核密度的自适应边界点检测算法ADAPT(An Adaptive Grid Kernel-Density-Based BoundaryPoints Detecting Algorithm for Spatial Database with Noise),使用网格核密度更精确地拟合网格在其邻域内的密度,采用自适应选取网格近邻策略更好地反应对象的空间分布特征.实验结果表明:该算法可以在含有任意形状、不同大小和不同密度的数据集上快速有效地检测出聚类的边界点.     

社会网络中基于核函数的信息传播模型

摘 要: 传统的社会网络信息传播模型假设整个网络结构是已知的,并在已知的网络上分析信息的动态传播,然而实际的社会网络往往是不完全的。为了研究信息在不完全社会网络上的信息传播,本文提出了一种基于核函数的信息传播模型。首先,根据信息传播在社会网络中的级联关系将网络中的节点映射为到连续的特征空间,并通过节点间的距离反应节点的传播顺序。其次,将信息在网络中的传播描述为特征空间中的能量扩散过程,并采用随机梯度下降法进行优化求解。最后,将信息的内容加入到目标特征空间中,并给出了相应的核函数。实验表明,本文提出的信息传播模型与相关的模型相比较不仅可以弥补社会网络的不完全性,还具有更高的预测性能。     

Adaptive locks: Combining transactions and locks for efficient concurrency

Transactional memory is being advanced as an alternative to traditional lock-based synchronization for concurrent programming. Transactional memory simplifies the programming model and maximizes concurrency. At the same time, transactions can suffer from interference that causes them to often abort, from heavy overheads for memory accesses, and from expressiveness limitations (e.g., for I/O operations). In this paper we propose an adaptive locking technique that dynamically observes whether a critical section would be best executed transactionally or while holding a mutex lock. The critical new elements of our approach include the adaptivity logic and cost–benefit analysis, a low-overhead implementation of statistics collection and adaptive locking in a full C compiler, and an exposition of the effects on the programming model. In experiments with both micro and macrobenchmarks we found adaptive locks to consistently match or outperform the better of the two component mechanisms (mutexes or transactions). Compared to either mechanism alone, adaptive locks often provide 3-to-10x speedups. Additionally, adaptive locks simplify the programming model by reducing the need for fine-grained locking: with adaptive locks, the programmer can specify coarse-grained locking annotations and often achieve fine-grained locking performance due to the transactional memory mechanisms.