一个保护代理人身份的多级代理签名方案

基于RSA签名体制,提出了一个新的可以保护代理人身份的多级代理签名方案。新方案采用影子身份产生中心给每个代理人产生一个影子身份,并用影子身份为消息签名,可确保保护代理人的身份不被泄露,并保证当某个代理人滥用职权时,权威机构可以要求影子身份产生中心根据其影子身份追溯到他的真实身份。同时该方案也满足不可否认性,可区分性,不可伪造性等。     

一种基于图像分割和模板匹配的短波跳频信号盲检测算法

提出了一种基于图像分割和模板匹配的短波跳频信号盲检测算法。该算法将实际跳频信号的STFT（Short Time Fourier Transform）时频谱图当做一幅图像,利用图像分割手段分离背景噪声,并通过模板匹配来实现跳频信号的检测。实验结果表明该算法能够有效克服实际短波信道中复杂的背景噪声,计算复杂度低,易于工程实现。     

适用于高阶QAM信号的混合型盲均衡算法

为了提高高阶QAM信号的盲均衡性能,提出了MMA—DD和SIGN-MMA-DD两种改进的混合型盲均衡算法。首先,MMA—DD算法将多模盲均衡算法和判决引导算法有机结合,并采用均方误差来控制两者在混合误差中的比例,降低了均衡器的稳态误差。然后对MMA．DD算法在误差计算和均衡器系数更新两方面进行简化,得到SIGN—MMA—DD算法,有效地降低了运算复杂度。仿真结果表明,两种算法的盲均衡性能优于多模盲均衡等算法。     

基于正交小波变换的变步长盲均衡算法

提出了一种基于正交小波变换的变步长盲均衡算法。该算法将正交小波变换理论引入到常数模盲均衡算法中,充分利用小波变换对信号的去相关性及指数型变步长控制迭代过程的特性来加快收敛速度。与常数模算法及基于正交小波变换的盲均衡算法相比,该算法收敛速度快、稳态误差小、均衡效果好。水声信道盲均衡的仿真结果,验证了其的性能。     

基于图像子块DCT系数对的盲检测数字水印

提出一种新的基于Logistic加密的鲁棒性盲检测数字水印算法.利用Logistic映射特性产生的混沌序列加密生成水印序列;结合人眼的视觉系统(HVS)对原始图像中的子块进行选择;在每个被选择的子块上,根据鲁棒性要求选择DCT系数;通过对相邻系数对的大小进行比较嵌入水印.实验结果表明,本算法具有鲁棒性强、安全性高、透明性好、可以盲提取等特点,可有效用于数字媒体的版权保护.     

基于三维小波变换和HVS的视频水印算法

针对数字视频的版权保护,提出了一种以二值图像作为水印和基于三维小波变换及HVS特性的视频水印算法.首先对水印图像进行混沌加密和Arnold置乱处理,利用基于方向经验模式分解的视频场景分割技术将视频信号切分为不同的场景,通过密钥从中选取若干场景进行三级三维小波变换.再借助HVS对图像纹理区域、运动区域的掩蔽特性,使水印自适应被嵌入到低频子带的重要系数中.实验结果表明,文中的算法具有较好的不可见性,对于诸如Gaussian噪声、丢帧、帧平均和MPEG压缩等攻击具有很好的鲁棒性.     

标准模型下可证安全的基于身份的动态门限签名

目前,对于基于身份的动态门限签名方案来说,这些方案的安全性大多是在随机预言模型下证明的,并且这些门限签名方案中的门限值固定.相对而言,设计标准模型下的门限签名方案更有实际意义.针对以上两个问题,根据Paterson提出的基于身份的签名方案,利用计算Diffie-Hellman问题的困难性在标准模型下设计了一个无需可信中心、门限值可变的动态门限签名方案.最后,利用双线性对技术对方案的正确性进行了严格证明,并在CDH困难假设下给出了方案安全性的详细分析过程和证明.结果表明,本文方案是可证安全的和可靠的.     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了...     

地平式跟踪系统过顶问题研究

地平式光电系统过顶跟踪时需要很大的方位角速度,在目标通过天顶瞬间方位角速度达到无穷大,导致地平式系统在天顶附近存在跟踪盲区。为此,对天顶跟踪盲区进行了分析,提出盲区范围计算公式,并分析了天顶附近目标图像旋转问题。从软硬件两种角度提出过天顶跟踪目标的方法,即倾斜方位轴方法和程序引导方法,通过比较二者的优缺点给出具体应用范围。     

基于邻域风险最小化概率密度估计的自适应盲分离算法*

为实现由不同统计特性和概率分布平滑特性信号得到混合信号的盲分离,对基于支持向量机的邻域风险最小化概率密度估计算法进行研究,提出一种邻域函数的构造方法,将其与自然梯度批处理算法相结合,形成一种新的自适应盲分离算法;利用广义高斯模型分析了分离算法的精确度。通过仿真实验,验证了该算法能分离统计特性不同的混合信号,相比于基于经验风险最小化的方法,该方法在收敛速度和精度方面的性能有很大提高。