基于移动预测的MESH网络稳定性算法研究

随着无线MESH网络技术的不断发展,客户端型MESH网络中,节点移动产生的网络拓扑变化问题影响着路由选择.因此,在考虑网络节点移动的前提下,如何选择稳定性路由是必须面对的问题.针对此问题,提出了一种基于移动预测的稳定性路由选择方法.该方法预测链路生存时间的同时,研究分析了平均传递时延和加权稳定度对网络稳定性的影响.所提方法明显优于传统路由选择的效果,能够提高路径稳定度,延长路径生存时间,实现稳定的路由选择.     

域间路由系统级联失效下的目标失效链路定位方法研究

协同跨平面会话中断攻击(CXPST)通过反复对多条目标关键链路实施低速率拒绝服务攻击(LDoS)造成域间路由系统的级联失效,从而导致互联网的崩溃。在攻击发生的初期,准确定位受攻击的关键链路并进行针对性防御可遏制级联失效的发生。现有定位方法研究主要基于单源假设,没有考虑多条目标链路同时失效对路径撤回的影响,定位准确度受限。针对上述问题,该文提出一种基于加权统计匹配得分的多失效链路定位方法(WSFS),以级联失效攻击目标链路选择策略作为推断基础,将撤销路径长度的倒数作为权重对评分进行加权。基于实际网络拓扑和有利点位置的级联失效攻击仿真实验结果表明,WSFS比目前最优方法平均准确率可提升5.45%。实验结果证明WSFS相比于其他定位方法更适合应对域间路由系统级联失效下的目标失效链路定位问题。     

基于差分进化算法的阵列天线二维波束展宽研究

针对阵列天线二维波束展宽的需求,文中提出了一种差分进化算法。该方法用一组多项式描述阵列中天线单元的相位分布,用差分进化算法对多项式的系数进行优化。给出了二维波束展宽应用实例,采用三维电磁仿真结果进行了验证。该方法的目标函数可以根据需要灵活设置,最终得到的阵列相位分布连续,性能稳定,可直接工程应用。     

基于感知加权滤波的卡尔曼滤波语音增强

结合人耳听觉掩蔽效应,提出一种基于听觉感知加权的卡尔曼滤波语音增强方法。由于人耳对语音的感知主要是通过语音信号频谱分量幅度获得的,引入听觉感知加权滤波器在频域上使共振峰区域残留噪声更多,而共振峰之间及语音幅度谱较低的区域残留噪声减少,这样符合人耳的听觉特性,从而使得主观感觉到的噪声最小。采用语音质量感知评估对语音增强的效果进行评测,与传统的卡尔曼滤波语音增强算法相比,实验结果显示该算法提高了增强语音的质量。     

基于IRLS的圆度误差最优化评定

提出了圆度误差评定的迭代重加权最小二乘算法(IRLS)。该算法采用一个迭代过程求解一系列加权最小二乘问题,并在每一步迭代中按照一定的规则对权系数进行调整,使其逐步逼近最优拉格朗日乘子,使最小二乘解逐渐逼近最小区域解。该算法保留了最小二乘法快速、惟一的优点,改正了其误差偏大的缺陷,采用Matlab语言编程,算法计算简单且易于实现,有较高的实用价值。     

自适应杂波抑制技术在雷达中的应用

动目标显示(MTI)技术是雷达在杂波环境中发现运动目标的有效手段。首先讨论了雷达信号处理中常用的自适应动目标显示技术,即在多杂波环境下的自适应杂波抑制技术。然后针对雷达杂波抑制中常用的级联MTI滤波器,提出了一种新的设计方法,即采用时变加权原理,通过对动杂波速度估值,实现对运动杂波抑制滤波器权值的优化。最后给出了这2种杂波抑制级联型MTI的工程实现。     

基于LMS算法的TDRSS自适应多波束形成

跟踪与数据中继卫星系统（TDRSS）是转发地球站对低、中轨航天器的跟踪测控信号和中继从航天器发回地面的信息的卫星通信系统,自适应多波束形成是TDRSS中的一个关键技术。讨论了一种基于中频实数加权的LMS算法的自适应多波束形成方法,采用两路正交实信号进行实数加权,大大节约了硬件资源。理论分析及计算机仿真结果都证明了该算法的可行性及优越性。     

基于CNN的键盘电磁信息泄漏识别检测方法

针对键盘电磁信息安全问题,分析了PS/2键盘的工作原理以及信号特征,提出一种基于深度学习的检测方法。该方法针对键盘设备的电磁泄漏信号特征,对卷积神经网络(CNN)结构进行了适应性调整;结合改进的梯度加权类激活映射方法,实现了对键盘电磁信息的智能识别和精准定位。对4个按键的电磁信号进行测试,分类准确率达到了98%;在噪声环境下的分类准确率也达到了81%。将梯度加权类激活映射方法及其改进方法对键盘电磁信息的定位效果进行了对比,实验结果证明改进后的方法定位效果更佳。     

重尾噪声环境下的扫描雷达稳健角超分辨方法

扫描雷达由于天线孔径受到平台尺寸限制,存在角分辨率低下的缺陷。角超分辨技术能够在不改变雷达硬件系统的前提下,通过信号处理方法,获得超越雷达实孔径波束宽度的角度分辨能力。近些年研究表明,基于最小绝对收缩和选择算子(LASSO)的稀疏角超分辨方法能够获得比传统方法更高的分辨能力。然而,该方法基于高斯白噪声假设,在残余项中主要基于l₂范数进行约束。当回波数据中存在重尾分布的噪声时,该方法中的l₂范数约束无法有效抑制重尾分布噪声,导致目标分辨能力下降,甚至产生虚假目标。针对该问题,本文提出一种扫描雷达抗重尾噪声角超分辨成像方法。首先,本文引入一种最小绝对偏差(LAD)-LASSO约束准则以抑制重尾分布噪声;更进一步的,针对模型中存在的正则化参数自适应选取难题,本文基于稀疏自相关迭代准则导出正则化参数的最优表达。最后,针对LAD-LASSO非平滑代价函数最优化求解难题,本文提出一种基于迭代重加权最小二乘(IRLS)算法的求解方法,通过将l₁范数替换为重加权的l₂范数,并在每次迭代中计算权值实现最优求解。仿真结...     

基于加权广义匹配滤波联合SVDD的FOD检测算法

利用毫米波雷达进行机场跑道异物(FOD)检测是当前民航安全领域的一种流行解决方案。由于非均匀杂波的存在,传统基于恒虚警率的检测方法存在虚警率过高、检测性能较差的问题。文中提出一种加权广义匹配滤波(WGMF)联合支撑向量数据描述(SVDD)的FOD检测方法。首先,利用WGMF对雷达记录的FOD回波数据进行预处理,实现杂波抑制的同时降低虚警概率;然后,对回波数据提取双谱特征,实现数据由原始回波域向差异性更大的特征域的转变;最后,利用SVDD一类分类器实现FOD检测。在某机场跑道真实场景开展验证实验,结果表明所提方法能够有效降低虚警概率,提升检测性能。