基于FPGA的信道估计和信道均衡的实现

信道估计与信道均衡是自组网物理层关键技术;本文提出了一种改进的LMMSE信道估计算法;然后设计并实现了基于FPGA硬件平台的信道估计与均衡模块;结果表明,该模块算法复杂度低,占用硬件资源少,估计精度符合预期,满足应用需求.     

快速启动自适应均衡算法的研究

研究一种快速启动自适应均衡算法,提出并证明了一个命题。计算机模拟结果表明:快速启动均衡算法总是优于LMS算法,固定信道中,性能甚至优于RLS算法;时变信道中,性能接近RLS算法。文中的快速启运自适应均衡算法,具有训练时间较短(与LMS算法比较)、运算简单、容易实现的特点,是一种比较实用的均衡算法。     

自适应MMSE算法的OFDM信道估计

导频辅助的信道估计方法是OFDM 系统中应用最为广泛的一类信道估计方法。在传统的导频最小均方误差估计算法的基础上,提出了应用于多径信道的自适应MMSE,它是将多径信道的抽头系数用KL 级数展开,从而能够自动地估计出这些不相关级数的系数,并从理论分析和实验上研究了此算法。     

基于分层模型的SC-FDE系统低复杂度稀疏信道估计

针对单载波频域均衡(SC-FDE)接收机提出一种低复杂度的贝叶斯稀疏信道估计算法。该算法利用广义平均场(GMF)推理方法结合贝叶斯分层先验模型得到。在GMF推理方法中,使用辅助函数来等效未知变量的联合后验概率密度函数;然后对辅助函数进行因子分解,通过对待估计的稀疏向量的辅助函数进行不同大小的分块来实现降低复杂度的目的。而原始的高复杂度算法(SC-VMP-3L)是所提出的算法的特例。最后,将GMF推理方法用于频域均衡中。仿真结果表明,在信道估计精度和误码率方面,所提出的算法性能基本与SC-VMP-3L算法的性能接近,且明显优于传统的正交匹配追踪（OMP）稀疏信道估计方法。在复杂度方面,与SC-VMP-3L算法相比有显著降低。      

基于阈值方法的OFDM系统信道估计设计

结合中国移动多媒体广播系统(CMMB)帧结构、调制及其传输信道的特征,分析维纳插值算法,并且提出阈值信道估计算法及其硬件实现结构,从而降低信道估计模块的硬件功耗.     

DTMB系统在单频网信道下的信道估计

针对单频网信道的特点,提出了一种DTMB系统信道估计方法.该方法对基于PN的循环相关信道估计算法加以改进,在旁瓣干扰消除后,保留第一径的时域冲激响应,并消除第一径对帧头的影响,重新确定循环相关窗口,重复以上步骤,依次估计出整个信道的时域冲激响应,之后进行帧体循环重构与频域均衡来完成数据恢复的工作.该方法可以提高系统抑制长时延和强能量回波的能力.仿真结果表明,该方法在单频网信道下可以提高系统的误比特率性能.     

无线信道的应用模型和估计

文章就无线移动通信新技术对无线信道研究的依赖、无线通信的信道应用模型、无线信道的估计和预测、无线信道研究发展走向等进行了讨论和分析,提出了相关的研究课题和可能的解决之道.     

基于复数生成对抗网络的5G OFDM信道估计方法

准确的信道估计能够显著地降低误码率（bit error rate,BER）,提高无线通信效率和质量,是5G OFDM通信系统接收机设计的关键环节之一。基于最小二乘（least square,LS）法和基于最小均方差（minimum mean square error,MMSE）的信道估计方法利用系统稀疏性计算信道响应矩阵,但LS算法计算精度较低,而MMSE算法计算量过大。为提升估计精度,业界设计了基于深度学习的信道估计方法。然而,现有的深度学习方法将复数矩阵拆分成实部和虚部,没有充分提取信道中的复数特征,造成估计的信道响应矩阵出现失真。为此,设计了一种基于复数的生成对抗网络模型,充分提取信号的复数特征,从而更准确地估计5G新空口（new radio,NR）标准的物理下行链路共享信道（physical downlink shared channel,PDSCH）的信道响应矩阵。为了验证所提方法的有效性,将所提方法分别与LS算法、实际信道估计、超分辨率神经网络、残差神经网络信道估计算法进行了对比分析。结果表明,当估计的信道响应矩阵与真实矩阵之间的均方差达到0.01时,采用所提方法实现的无线...     

LTE上行块状导频的信道估计研究

继第三代（3G）移动通信之后,长期演进（LTE）作为3G的演进,将是未来通信领域的主流技术。信道估计性能一定程度上决定了通信系统的可靠性,LTE系统上行采用基于块状导频的信道估计。通过MATLAB仿真分析了不同信道估计方法、不同插值方法及不同导频间隔对估计性能的影响,仿真结果可用于指导实际工程应用中信道估计参数的选择。     

System reliability estimation using simulation combined with network reductions

This paper proposes a dynamic Monte Carlo sampling method, called the conditional minimal cut set (COMICS) algorithm, where all arcs are not simulated at each trial and all minimal cut sets need not be given in advance. The proposed algorithm repeats simulating a minimal cut set composed of the arcs which originate from the (new) source node and reducing the network on the basis of the states of simulated arcs until the s-t connectedness is confirmed. We develop the importance sampling estimator, the total hazard estimator and the hazard importance sampling estimator which are all based on the proposed algorithm, and compare the performance of these simulation estimators. It is found that these estimators can significantly reduce the variance of the raw simulation estimator and the usual importance sampling estimator.     

基于多因子分析的无线传感器网络可靠性评估模型设计

采用判决反馈方法评估无线传感器网络时,仅从网络链路稳定性因素方面考虑,未考虑影响网络可靠性的多种因素,自适应能力和可靠性评估效果差。设计基于多因子分析的无线传感器网络可靠性评估模型,利用多因子分析过程将无线传感器网络复杂的变量关系简单化。由5个主指标与20个有相互关联的子指标建立无线传感器网络可靠性评估指标体系,通过主成分分析方法分析指标体系获取11个无线传感器网络可靠性指标主因子。将这些因子输入神经网络模型中,构建无线传感器神经网络可靠性评估模型,完成无线传感器网络可靠性评估。实验结果表明,该模型的可靠性评估精度均值为98%,该模型下的无线传感网络可靠性最高达到98%,极大提高了无线传感器的安全性能。     

基于Stackelberg-Markov的网络攻击识别系统设计

由于受到数据库容量限制,传统的识别系统对于新型网络攻击类型的识别能力低。针对这一问题,提出基于Stackelberg-Markov的网络攻击识别系统,优化了系统硬件和软件,同时引入自主识别端与远程维护端,通过两个端口协调配合采集信息,将得到的信息存入到数据库中,将防御识别处理器作为Stackelberg博弈理念的核心处理器,同时加入B365M AORUS ELITE主板+英特尔i5-9400F主板U套装/主板+CPU套装,提高系统的防御能力。利用穷举法和网络猜测法记录病毒木马入侵攻击这一类网络攻击,并给出相应的解决建议。实验结果表明,基于Stackelberg-Markov的网络攻击识别系统具有新型病毒记忆功能,能够有效识别多种类型的网络攻击,识别能力较好。     

基于细胞自动机模型电力网络攻击预测技术

传统电力网络攻击范围预测技术的预测范围不够广,导致电力网络安全性提升效果不明显。为此,提出基于细胞自动机模型的电力网络攻击预测技术。搭建电力细胞自动机模型,将细胞自动机中的细胞看作电力细胞,建立细胞活力值转换规则,将其与攻击者执行攻击概率相结合,预测电力细胞的发展变化。根据中心电力细胞及邻域电力细胞的变化趋势预测电力网络攻击。实验结果表明：在时间因素影响下,提出的基于细胞自动机模型电力网络攻击预测技术的预测攻击节点位置与原始节点基本一致,预测后负荷切除量始终在100 MW以下,本文所提技术的有效性更好。     

基于攻击图模型的网络安全评估研究

介绍了利用攻击图模型方法分析计算机网络攻击行为的基本原理,给出了攻击图生成算法。研究了利用攻击图对网络系统安全性进行风险分析的方法。通过一个虚拟的网络环境对攻击图生成算法和网络系统的安全性分析评估方法进行了验证。     

基于贝叶斯网络的攻击事件智能发掘模型

针对目前传统入侵检测系统难以得出网络攻击行为之间存在的关联关系问题,以攻击图表示模型为指引,提出一种基于贝叶斯网络的攻击事件智能发掘模型。本文以先验知识建立贝叶斯攻击行为关联图。基于属性相似度聚合网络攻击行为,针对网络攻击场景设计高效的ExApriori算法发掘攻击行为间的关联规则,并建立攻击行为组集。利用贝叶斯攻击行为关联图的参数对攻击行为组集进行计算,实现对攻击事件的发掘。实验表明,本模型能有效提取网络攻击事件及发现攻击路径,为网络攻击事件的发现与应对措施提供理论支持和技术支撑。     

Prediction of network attack profit path based on NAPG model

The network attack profit graph (NAPG) model and the attack profit path predication algorithm are presentedherein to cover the shortage of considerations in attacker-s subjective factors based on existing network attack pathprediction methods. Firstly, the attack profit is introduced, with the attack profit matrix designed and the attackprofit matrix generation algorithm given accordingly. Secondly, a path profit feasibility analysis algorithm isproposed to analyze the network feasibility of realizing profit of attack path. Finally, an opportunity profit path andan optimal profit path are introduced with the selection algorithm and the prediction algorithm designed for accurateprediction of the path. According to the experimental test, the network attack profit path predication algorithm isapplicable for accurate prediction of the opportunity profit path and the optimal profit path.     

云计算网络下的网络抗毁性估计模型仿真

云计算网络能否有效运行与网络抗毁性有非常重要的关系,基于云计算网络,通过分析抗毁性指标进行云计算网络负载容量模型的构建,根据不同密度节点与不同容量对云计算网络抗毁性的影响,对其网络容量密度进行调节,得到最佳云计算网络抗毁性能。并通过仿真实验,将提出的改进算法与传统的神经网络法、模糊概率法、GM(1,N)进行对比。实验表明,改进算法对云计算网络毁伤程度估计准确性最高为0.96,连通节点数目最高为99,改进算法在网络适用性、毁伤速度、毁伤程度三方面均优于其他三种算法,实用性较强,使云计算网络数据传输过程的安全性得到了保证。     

基于改进Elman网络模型的软件可靠性预测

为提高神经网络模型对软件可靠性预测结果的准确性和可信性,提出了一种基于多目标优化算法改进Elman网络模型Mop-IElman(multi-objective optimization-based improved Elman neural network)的方法:1)在Elman网络基础上,设计输出层的延迟反馈层,作为另一个状态层;2)以网络的结构和2个状态层的初始输出值为网络配置的变量,以网络的预测精度和顽健性为目标,采用NSGA-II(non-dominated sorting genetic algorithm II)进行多目标优化得到帕累托解,最大化网络预测精度与顽健性之和从而确定网络配置。通过两组实际软件失效数据对Mop-IElman进行实验验证,并与前馈网络、Elman网络、单目标优化Elman网络以及多目标优化Elman网络进行比较研究,结果表明Mop-IElman的预测结果具有较高的准确性和可信性。