基于小波尺度分解的网络攻击稳健检测方法

采用信号检测方法对网络攻击信息进行检测,提高网络安全防御能力。提出一种基于小波尺度分解的网络攻击稳健检测方法。在进行网络攻击信号模型构建的基础上,构建网络攻击特征的母小波基函数,采用小波尺度分解方法进行网络攻击的阈值判决,实现优化检测。仿真结果表明,该检测方法的稳健性较好,准确度较高。     

小波变换在人体血清吸收光谱分析去噪上的应用

血液的光谱检测具有许多优越性，然而其光谱信号往往会含有噪声。小波变换方法对信号具有很好的局部分析能力。本文以小波理论为基础，将其用于人体血清吸收光谱信号的处理，结果显示能够对光谱起到较好的平滑噪声和突出有用信息的目的。运用小波变换方法处理重构的血清光谱信号在波长为200nm-300nm段信息量明显增加，分析这些特征，再进一步将其运用于患有某些疾病人的血清光谱分析，通过与正常人血清光谱的比较，有望获得疾病光谱特征，为诊断提供依据。     

基于空谱背景重构的半监督高光谱异常检测

为了充分利用高光谱图像的空间和光谱信息，同时缓解训练样本不足的问题，提出一种融合空谱特征的半监督高光谱异常检测模型。首先使用无监督聚类自动构建空谱背景数据集用于网络的训练。然后构建基于自动编码器和生成对抗网络的空谱双路模型分别用于背景光谱特征的学习和波段信息的重建，空间支路同时使用滤波器增大背景和异常间的差异，两路分别得到光谱异常分数和波段异常值。最后融合空谱特征得到异常检测图。在真实高光谱图像上验证该方法的有效性，实验结果表明，该方法优于传统的异常检测方法，平均检测精度达到99.55%。     

基于大数据驱动的光纤通信网络异常入侵检测研究

当前网络异常入侵检测主要依托于信息熵法,在检测过程中并未对入侵提取结果进行分类,导致最终检测结果误报率较高。为降低检测结果误报率,因此,研究了一种基于大数据驱动的光纤通信网络异常入侵检测方法。首先小波阈值对光纤通信信号进行去噪处理,通过信息增益算法、前向选择和后向去除相结合的方法完成通信数据特征降维,然后应用粗糙集理论和决策树算法构建入侵信号提取检测模型,最后通过聚类算法整理所有异常信号,再根据信号相位差值得到异常入侵定位检测结果。实验结果表明：面对两个不同的测试数据集,所提方法得到的异常入侵检测结果误报率最大值分别为2.75%、2.02%,能够满足入侵检测要求。     

基于粒子群优化聚类的高光谱图像异常目标检测

高光谱图像的高维特性增加了图像的信息量,但 是同时也带来了“维数灾难”问题 。在高光谱图像异常目标检测 过程中,如何更好降低维数,去除波段冗余性和最大程度抑制背景干扰成为亟需要解决的 问题。针对此,本文提出了基于粒子群 优化(PSO)聚类的高光谱图像异常目标检测算法。算法首先利用粒子群方法对传统的k-均 值聚类进行优化,在不改变高光谱图像 波段特征的基础上用新的聚类方法对图像进行了波段子集类划分,使得具有相似特性的波段 归为一类;然后,通过主成分分析(PCA)变换使 得聚类后的图像数据中含有的异常目标变得突出,同时抑制背景干扰;最后,提取各子集主 成分中含有最大四阶累积量值的波 段,构成最优波段子集,并与核RX算法结合进行异常检测。利用真实的AVIRIS高光谱图像对 算法进行仿真,结果表明,算法检测精度高,虚警率低。     

利用Hyperion短波红外高光谱数据勘探天然气的研究

利用高光谱遥感技术探油是一项高新油气勘探技术.基于中国某地区Hyperion高光谱数据,进行航天高光谱遥感天然气勘探技术的初步研究.针对Hyperion高光谱数据的低空间分辨力、微弱信号与低信噪比等特点,采用基于小波主成分分析的特征提取算法提取该地区烃类物质微渗漏蚀变特征,运用聚类K-均值法/最大似然法混合训练策略,采用粗分→细分→精分思想完成该地区天然气蚀变异常区的分类.结合已知地质资料分析,分类所得的异常区与地质资料基本吻合,分类效果好,为油气勘探的地质解释提供了新的参考依据.     

一种改进的多特征值语音端点检测方法研究

为了提高语音识别系统中语音端点检测的准确性,提出一种改进的多特征值语音端点检测方法.新方法首先对信号进行小波分解及小波去噪处理,对去噪后小波子带系数进行短时能量与基音周期两特征值的提取,综合考虑两特征值的大小来进行语音端点检测.实验证明,改进的检测方法提高了端点检测的抗噪性及准确度.     

基于小波变换的高光谱激光雷达回波微弱信号处理技术

针对高光谱激光雷达回波信号能量弱导致的波形信息常常淹没在噪声中而难以提取的问题,基于高光谱激光雷达原理验证样机系统采集到的高光谱激光雷达回波信号数据,通过分析小波变换参数选取对信号处理的影响,寻找到一种基于小波变换的高光谱激光雷达回波微弱信号的处理方法,即在sym6小波3层分解下,运用软阈值函数和启发式阈值处理可有效处理高光谱激光雷达回波微弱信号,运用该方法在仅有少量回波样本信号数量情况下,达到高斯拟合在数倍回波样本信号数量情况下的处理效果,降低了提取出波形信息所需要的高光谱激光雷达回波信号探测时间。     

基于端元提取的高光谱异常目标检测

针对高光谱图像混合像元影响异常检测效果的问题,提出了一种基于端元提取的异常检测算法。该算法采用小波分解,将原始高光谱图像分解为高频信息图像和低频信息图像,舍弃低频信息图像,只利用高频信息图像,从而抑制了背景,突出了目标;然后使用正交子空间投影(OSP)方法提取图像的端元光谱;最后根据提取的端元光谱,采用光谱角匹配(SAM)技术完成高光谱图像的异常检测。为了验证本文方法的有效性,利用AVIRIS高光谱数据进行了仿真实验,取得了较好的检测效果。与其他算法相比,结果表明,本文算法的检测性能明显优于传统算法,既降低了虚警率,又大大缩短了计算时间,适用于实时的高光谱图像异常目标检测。     

一种基于小波最佳分解层数的红外光谱基线校正算法

红外光谱分析技术是一种用于食品健康检测、生物制药和环境监测等方面的高新技术。为了去除应用过程中的基线漂移现象,提出了一种基于小波最佳分解尺度的红外光谱基线校正算法。首先,对原始光谱信号多次进行每一层的小波分解,同时也进行每一层的小波重构。然后算得每一层的信噪比,并通过信噪比比对法获得除噪后的光谱信号。接着对该信号进行每一层的小波分解,得到每一层小波细节和小波逼近的频率。分别将两个频率做除法并求出比值。然后比较每层的比值大小,并选择最大的比值作为分解层数的最佳值。将最佳分解层数下的小波逼近系数置零后再进行小波重构,获得基线校正后的光谱信号。通过实验验证发现,该算法不仅可以为小波分解的最佳层数提供依据,而且能够在更好地保留有用信号的同时,除去高频噪声以及低频基线干扰。基线校正比较充分,效果良好。     

基于小波变换的网络流量异常监测仿真实验

为有效定位识别和提取网络流量序列的暂态性异常特征,针对网络异常流量特征扰动性和暂态性特点,提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法。利用训练集建立决策树模型,采用二叉分类回归决策树模型进行主分量特征优化跟踪建模,利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,通过小波分解得到各层细节信号,将提取的小波分层细节信号的奇异值分解特征再返回到决策树主分量特征优化跟踪模型中,实现网络流量异常特征的定位提取和识别。仿真实验表明,改进算法的抗干扰能力和分辨率提高显著,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能。     

联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测

针对低秩稀疏矩阵分解的高光谱异常目标检测算法忽略了图像的空间信息,导致检测精度低的问题,提出了一种联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测算法。算法综合利用了高光谱图像的光谱信号与空间信号,并与图像自身的稀疏性相结合,对经典的基于低秩稀疏矩阵分解的目标检测算法进行改进,该算法以待测像元为中心构建一定大小的空间窗,计算中心像元与邻域内其他像元的空间相似度权值和光谱相似度权值,通过计算邻域内其他像元对中心像元的比例权值得到了中心像元的重构光谱值并作差得到两者的残差矩阵;最后基于低秩稀疏矩阵分解的高光谱异常目标检测算法得到图像的稀疏矩阵,将代表异常目标信息的稀疏矩阵和残差矩阵相加并求解矩阵行向量之间的欧式距离得到像元的异常度,设置阈值,得到检测结果。为验证所提算法的检测性能,采用了真实的高光谱数据进行仿真实验,并与现有算法进行对比,结果表明该算法能够得到更高的检测精度。     

高光谱异常检测中背景抑制方法研究

针对高光谱图像复杂背景导致异常检测效果下降 的问题,提出了一种新的异常检 测方法。首先使用小波分解将原始高光谱图像分解成高频信息图像和低频信息图像,使用主 成分分析(PCA)方法抑制高光谱原始图像的背景信息;然后将背景抑制后图像和高频信息图 像融合,得到处理后图像;最后使用Kerner-Reed-Xiaoli(KRX)算法进行异常检测,并 仿真证明了本文方法在提高异常检测效果和效率方面的有效性。     

一种新的Morlet小波及其在雷达信号特征提取中的应用研究

为准确估计雷达信号的瞬时频率,文中提出了一种基于新Morlet小波原子提取信号小波脊线的方法。通过分析小波脊线原理,使用新Morlet小波原子提取雷达辐射源信号的小波脊线特征。同时,针对不同调制类型的雷达信号,根据小波分解时—频约束关系,分析了正确提取信号脊线特征的条件。仿真实验表明,与普通Morlet小波原子相比,基于改进的Morlet小波提取信号脊线特征具有较强的检测概率和抗噪性能,其方法的有效性为实验结果所证实。     

小波降噪对TDLAS 干涉抑制的研究

基于多光程吸收池的可调谐半导体激光吸收光谱 (TDLAS) 系统在检测过程中容易出现噪声干扰, 影响着其 实际检测性能。针对这种干扰的特征进行分析, 提出利用小波降噪法来改善 TDLAS 系统的探测性能。首先依据理论 研究结果选择合适的小波函数和分解层数, 然后通过这种小波对叠加干扰的仿真信号进行滤波, 结果表明这种降噪技 术具有良好的去噪效果。最后利用小波降噪技术处理了实验采集的不同浓度气体的直接吸收光谱 (DAS) 和二次谐波 信号, 相比于原信号, 降噪后信号的信噪比从 0.4 增加到 259, 系统的检测限也达到 7×10−6, 表明小波降噪方法在气体 光谱检测中具有较高的应用价值。     

基于光谱维小波特征的混合像元投影迭代分解

混合像元线性分解是高光谱遥感应用的关键技术之一.本文利用小波变换多分辨率分析的特点,提出了一种以小波低频系数为特征的混合像元投影迭代分解的方法.首先利用离散二进小波提取了高光谱影像特征,再基于影像特征,用投影迭代方法自动确定出端元光谱,并以限制性的最小二乘方法估计出混合像元的组分.实验结果表明,本文方法能够较大的提高遥感影像混合像元的分解精度.     

电力客户自助查询系统智能IVR语音自动播报设计

为了推动客户失效信息的校准与基于电力联系网络的稳定服务能力,提高电力主动通知的准确性和渠道服务的粘性,提出电力客户自助查询系统智能IVR语音自动播报设计方法。对采集的语音播报信号进行多分辨融合滤波处理,以多尺度的小波特征分解方法提取信号的关联频谱特征量,采用频谱特征分析方法,智能提纯和检测分析语音信号,根据语音信号的特征聚类结果,实现对电力客户自助查询系统智能IVR语音自动播报和优化特征辨识。仿真结果表明,采用该方法进行电力客户自助查询系统智能IVR语音播报的稳定性能较好,语音信号检测准确率较高,提高了电力客户自助查询智能服务水平。     

基于自适应分解级数小波去噪的TDOA估计算法研究

在无源时差(Time Difference of Arrival, TDOA)定位技术中，针对现有基于广义互相关时差估计方法对目标信号波形相关度要求高、信号受噪声干扰严重时其时差估计精度难以满足实际需求等问题，提出一种具有自适应分解级数的小波去噪预处理时差估计方法。对待处理信号进行多级小波分解，计算分解后各级系数向量的能量贡献率累加和(Energy Contribution Rate Cumulative sum, ECRCs),以满足ECRCs不小于80%的最小分解级数作为小波去噪的分级参数。结合计算的自适应分解级数及小波去噪方法对待处理信号进行自适应去噪处理，结合广义互相关算法对处理后信号进行峰值分析，得到两信号的时差值。通过仿真信号及甘肃某地实测的TDOA数据进行分析验证，结果表明，所提方法可有效提升时差估计精度及稳定性，尤其信号受噪声干扰较大时具有一定优势。     

光纤传感信号的模糊神经网络处理研究

为精准识别处理光纤传感振动信号、实现通信线路异常实时报警,提出了基于模糊神经网络的光纤传感信号处理方法,通过光纤传感采集异常事件振动信号,运用小波包分解对振动信号实施降噪处理,并提取到振动信号的低频与高频特征向量,对振动信号特征向量进行量化处理,将其作为输入,构建基于概率的模糊神经网络分类器,完成对光纤传感振动信号的处...     

基于细节分量提取的脉压雷达信号检测技术

小波分解可以将信号分解为多层近似分量与细节分量，脉压雷达信号的脉内信息可以在细节分量中得到很好的体现，因此小波变换方法对脉压信号有着很大的优势。Mallat快速算法使小波变换走向工程实用成为可能，对ADC输出的数据流做小波分解，得到各层的细节分量，找到波形失真较小并且能够反映脉内特征的细节分量作为新的数据源，对之进行相关处理，完成信号检测。文章最后以实际雷达信号为对象进行了实验，实验结果表明该方法是切实可行的．