全景图像拼接的网络化感知节点自主定位系统

分析网络化感知系统节点定位问题的特殊性,针对深空探测环境未知的问题,提出利用全景图像重合度来修正信号衰减模型,提高测距精度;提出一种修正的高精度节点自主定位算法来解决多移动节点协同定位问题,该算法是把切圆法引入到基于全景图片重合度的RSSI修正定位方法中。当多个感知节点定位时,根据视距近似原则选择定位锚节点来进行H-CM算法,仿真结果表明该定位方案可以有效提高感知节点的定位精度。     

基于ICMP协议的指纹探测技术研究

准确地获取计算机网络中远程主机的操作系统类型及其版本号是研究计算机网络安全漏洞的一个重要内容,因为大多数的安全漏洞都是和一定的操作系统相联系的。指纹是指能够通过网络连接获取的唯一标识某一具体操作系统的类型及其版本号的一组特征信息的集合。作为指纹的特征信息集必须满足完备性和唯一性的要求。所谓指纹探测技术,就是根据不同类型、不同版本的操作系统在协议栈实现上的细微区别,通过向目标系统发送特定格式的数据包,并从反馈数据包中提取操作系统指纹信息的远程操作系统探测技术。     

发扬成绩，坚持特色，争创优质高效新水平——庆祝《数据采集与处理》创刊十周年

简要回顾了《数据采集与处理》创刊十周年来的办刊历程，对创刊以来所取得的基本成绩和形成的特色进行了初步的总结，并探讨了该刊今后的发展方向     

音素关联的多文种语音融合编码方法

依据异类文种之间、同类文种不同语音之间存在音素数据关联的特性,提出多文种语音数据融合编码方法。将不同文种存在的相同音素数据段块按段块模板截取语音样本序列,小波变换,提取特征矢量,生成共享模板集;任意字音或语句音串均按共享模板集提供的元素进行编码与解码;以模板音素串构成的语音记录库按（音节、音素）索引。实验结果表明,单字语音数据压缩比、语音数据存储量、语音还原分段信噪比、主观评价得分等参数均明显优于已有方法,语音还原质量良好。     

基于生物力学的虚拟人运动控制及行走仿真

为使虚拟人运动控制产生的运动行为更加接近真实人体运动,构建了一个基于生物力学的虚拟人运动控制系统.该控制系统主要包含3层:高层策略控制层,用于监控环境变化和虚拟人自身状态,并依据给定的控制策略向中间层送出控制信号;中间脊椎反射层,可接收来自高层的控制信号和感知到的虚拟人自身状态及环境信息,并映射为肌肉的激励信号;底层肌肉驱动层,通过引入肌腱模型来产生与真实人体肌肉力特性相同的驱动力.为了提高仿真行走运动的逼真性,在控制参数优化过程中引入步态相似度作为评价标准.在Matlab中的Simulink环境下进行虚拟人行走运动仿真实验的结果表明,文中系统能够自主控制虚拟人平稳行走且运动有很好的逼真性;仿真结果表明,该系统可行性强,且在优化过程中加入步态相似度评价标准获得的控制参数能够产生更为逼真的虚拟人行走运动.     

一种基于脑机接口的头盔显示/瞄准系统设计

传统的头盔显示/瞄准系统通过头盔瞄准具将传感器耦合到头盔瞄准线,由传感器产生的图像通过头盔显示器显示给观察者,从而形成闭环系统。提出了一种基于脑机接口的头盔显示/瞄准系统设计,并给出了系统的工作流程与算法设计。仿真表明,该系统具有较高的目标识别准确率、较快的系统响应速度以及良好的人机交互体验,具备深入研究的价值。     

粗糙海面对电磁波蒸发波导传播的影响研究

为了更好地研究蒸发波导对电磁波传播的影响,针对目前利用抛物方程模型进行电波传播预测时多将边界条件假设为平静的理想海面、且未考虑风速引起的海面粗糙状况的不足,引入了贴近实际的Miller-Brown粗糙衰减因子,进而给出了粗糙海面阻抗系数公式.结合我国海域蒸发波导实际情况,采用GPS信号参数,通过进行陷获可能性分析及传播损耗计算,仿真分析粗糙海面对电磁波在蒸发波导中传播的影响.结果表明:GPS信号可以被陷获在蒸发波导内实现超视距传输.风速越大,海面越粗糙,电磁波的超视距传输距离越小.当风速达到一定级别时,几乎可以抵消电磁波的超视距传输现象.说明粗糙海面对电磁波蒸发波导传播有较大影响.     

基于PSO-WNN的MEMS陀螺随机误差建模普适性分析

针对MEMS陀螺仪随机误差对系统导航精度影响以及现有建模方案存在个体普遍适用性问题,提出将粒子群优化算法(PSO)与小波神经网络(WNN)结合后对MEMS陀螺随机误差进行预测的建模方法,完成小波神经网络的构建。利用小波函数作为神经网络中隐含层的激励函数,同时将小波神经网络各层的连接权值作为粒子群优化算法中粒子的位置,使得建立的模型函数逼近能力更加灵活有效且增强其容错能力,同型号不同个体MEMS传感器建模补偿实验结果表明,论文提出的PSO-WNN误差建模方法预测的MEMS陀螺仪随机误差均值和标准差分别优于0.025°/s和0.13°/s,补偿后的MEMS陀螺Allan方差分析结果进一步验证了论文所提方法的可行性与普适性。     

基于Nystr(o)m密度值逼近的减法聚类

针对大规模数据集减法聚类时间复杂度高的问题,提出一种基于Nyst(o)m密度值逼近的减法聚类方法.特别适用于大规模数据集的减法聚类问题,可极大程度降低减法聚类的时间复杂度.基于Nystr(o)m逼近理论,结合经典减法聚类样本密度值计算的特点,巧妙地将Nystr(o)m理论用于减法聚类未采样样本之间密度权值矩阵的逼近,从而实现了对所有样本的密度值逼近,最后沿用经典减法聚类修正样本密度值的方法,实现整个减法聚类过程.将本文算法在人工数据、标准彩色图像及UCI数据集上进行了实验,详细说明了本文算法利用少数采样样本逼近多数未采样样本密度权值、密度值以及进行减法聚类的详细过程,并给出了聚类准确率、耗时及算法性能加速比.实验结果表明,与经典的减法聚类相比,本文算法在不影响聚类结果的情况下,对于较大规模数据集,可显著降低减法聚类的时间复杂度,极大程度地提高减法聚类的实时性能.     

位置服务中基于贝叶斯的隐私泄露分析

个人位置信息是一种物理隐私信息,敌手可以根据背景知识获取用户的真实身份.为了分析位置服务的用户隐私问题,建模了敌手进行身份推理攻击的过程,并提出了一种根据个人位置信息测量身份泄露的贝叶斯推理方法.通过对比观测的位置信息与背景知识数据库的匹配程度,该方法能重新识别用户真实身份.实验采用了真实路网的数据集,结果显示不可信LBS通过收集查询请求能以很高的概率确定用户真实身份.研究表明高精度的个人位置信息泄露导致很高的身份隐私风险.