基于矩阵广义逆的密钥协同方案的分析

分析了文献[1]中提出的基于广义逆矩阵的密钥协同方案,指出此方案是不安全的．     

存在辅助节点的MIMO窃听信道安全性能研究

为了提高MIMO窃听信道的可达安全速率,提出了基于广义奇异值分解的合作干扰策略。该策略中源节点和辅助节点同时采用基于广义奇异值分解的波束形成技术,源节点发送消息信号,辅助节点发送独立于消息信号的噪声信号,噪声信号对目的节点和窃听节点都产生干扰。此外设计了源节点和辅助节点采用合作干扰策略时的联合最优功率分配算法。该算法可以实现源节点和辅助节点在总功率受限时的可达安全速率最大化。仿真结果表明,与现有的非合作最优功率分配算法相比,本文提出的合作干扰策略在大信噪比时可以显著提高系统的可达安全速率。      

建设广义智慧城市的八项主要任务

智慧城市的建设一定要“量力而行,尽力而为,突出重点,讲求实效”。中国智慧城市在过去三年的建设时间内,在各个方面进行了很多有益的探索,很多城市都有积极性。这些城市不单是一些特大城市和中心城市,很多中小城市也都在不断积极探索智慧城市的发展之路。但是必须要明确一点,就是以信息技术为主的人工智慧,只能是一种手段,     

基于低阶近似分布源的目标方位估计

广义阵列流型描述的分布源模型,利用了一阶Taylor级数展开,使得模型与分布源空间能量分布形式无关,能够更加广泛地在实际中得到应用,称之为一阶近似分布源模型。研究表明,此种模型忽略高次Taylor级数项后带来的模型误差以及后续方位估计算法的性能损失,因此提出了二阶近似分布源模型,即利用二阶Taylor级数展开。新模型能够进一步减小模型误差,并且对相应的方位估计算法带来较大的性能提升。将分布源的一阶近似模型和二阶近似模型统称为低阶近似分布源模型。随后分析了低阶近似分布源模型在方位估计中的应用,提出了广义SMVDR算法。通过计算机仿真,验证了低阶近似分布源模型方位估计算法的性能,并且研究了分布源的低阶近似模型、空间频率模型和低阶Jacobi-Anger(JA)级数展开模型的模型误差。     

基于广义形态变换的由切片重建三维物体方法

提出了基于广义形态变换的由切片重建三维多面体的方法，该方法首先对多边形进行凸剖分，然后建立凸多边形的匹配，利用广义形态变换对中间形状进行插值，与其它方法相比，该方法可对不同拓扑结构(包括有孔和分岔的情况)的切片进行重建，实验结果表明，该方法重建效果好，不需人工干预，可自动实现，对孔和分岔出现的位置定位精度高，重建的多面体与原始物体误差较小，实用性强，可广泛用于生物医学工程。     

基于导频的OFDM信道估计

从最小二乘和最小均方误差两种估计准则出发，结合OFDM多载波并行传输中符号时间长度大于信道冲散响应持续时间的特点，在块状和梳状导频图案下。导出了时域和频域的信道估计算法。最后采用广义平稳非相关散射假设下的多径时变瑞利衰落信道模型。对各个算法进行了仿真,比较了不同导频图案下备算法对系统误符号率的影响，分析结果表明。当导频数大于以采样间隔为量度的等效信道长度时。时域估计比频域估计精度更高;当导频数目小于等效长度时,最小均方估计优于最小二乘估计。     

基于广义旁瓣相消器的快速降秩自适应波束形成算法

传统的基于广义旁瓣相消器(GSC)的降秩自适应波束形成算法,降秩矩阵大多数需要通过特征值分解获得,而特征值分解会带来新的大运算量,大大限制了算法的工程实现。提出了一种新的基于广义旁瓣相消器的快速降秩自适应波束形成算法(FRGSC)。该算法直接利用广义旁瓣相消器下支路的中间快拍数据来构造降秩矩阵,利用所有可以利用的快拍数(多于干扰个数的快拍数)来构造降秩矩阵。基于GSC的传统降秩算法构造降秩矩阵需要的运算量为O((N-1)3)(N为自适应自由度),而FRGSC算法构造降秩矩阵只需要一次复数乘法和少量复数加法,所需运算量大大降低。该方法在实际应用中具有更优的实时性,适用于大阵列连续波体制雷达。仿真结果证明了所提出的基于广义旁瓣相消器的快速降秩自适应波束形成算法具有很好的波束形成性能,验证了算法的有效性。     

随机最优化领域中广义矩问题的求解方法

随机最优化领域中广义矩问题的求解方法,通过分析随机最优化领域中广义矩问题及其对偶问题的关系,从而利用对偶问题来解广义矩问题.该方法分三个结论讨论,即:相应概率空间上的有界连续函数、某一概率测度的问题最优解及只含等式约束下的两个等价条件.     

广义线性系统的特征值配置

对广义线性系统在输出反馈下的特征值配置问题进行了研究,给出了按右特征向量配置特征值的充要条件,并提出了一种利用输出反馈配置广义系统特征值且保证闭环正则性的方法。     

广义空间调制系统的低复杂度检测算法

针对广义空间调制( GSM)系统接收端最大似然( ML)检测算法计算复杂度极高的缺点,提出了一种基于压缩感知( CS)信号重构理论的低复杂度信号检测算法。首先,在多输入多输出( MI-MO)信道模型下,通过改进正交匹配追踪( OMP)算法,得到一个激活天线索引备选集;然后,利用ML算法在该备选集中进行遍历搜索,检测出激活天线索引和星座调制符号。仿真结果表明所提算法的检测性能接近于ML算法,且复杂度约为ML算法的2%。因此,所提算法在保证检测性能的同时也大大降低了计算复杂度,实现了检测性能与复杂度之间的平衡。