一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

全球衛(wèi)星導(dǎo)航系統(tǒng)(GNSS)導(dǎo)航信號(hào)的波形特性將會(huì)影響導(dǎo)航信號(hào)質(zhì)量，而信號(hào)質(zhì)量?jī)?yōu)劣則直接決定了整個(gè)GNSS的服務(wù)性能極限。傳統(tǒng)的波形畸變?cè)u(píng)估方法主要針對(duì)傳統(tǒng)相移鍵控(PSK)調(diào)制信號(hào)的波形幅度和寬度開展研究，而忽視了波形不對(duì)稱對(duì)跟蹤誤差和測(cè)距誤差帶來(lái)的影響。該文在國(guó)際民航組織(ICAO)所采用的傳統(tǒng)測(cè)距碼波形分析模型TMA/TMB/TMC基礎(chǔ)上，給出了適用于各種新型二進(jìn)制偏置載波(BOC)調(diào)制的波形畸變分析擴(kuò)展模型。接著提出能夠精細(xì)分析波形上升下降沿對(duì)稱特性(WRaFES)分析模型，并從時(shí)域波形、相關(guān)函數(shù)、S曲線過(guò)零點(diǎn)偏差3個(gè)方面，深入仿真分析了WRaFES模型的性能特點(diǎn)。最后，以北斗試驗(yàn)衛(wèi)星M1-S B1Cd信號(hào)為例，給出了基于WRaFES模型及相關(guān)曲線特性的實(shí)測(cè)分析結(jié)果。研究表明：該方法能夠精確分析導(dǎo)航信號(hào)波形不對(duì)稱性及對(duì)用戶帶來(lái)的影響，研究成果可為新型衛(wèi)星導(dǎo)航信號(hào)評(píng)估提供一種新方法和新思路，同時(shí)還可為GNSS用戶接收機(jī)相關(guān)器間隔參數(shù)的合理選取提供建議和技術(shù)支撐。

為提高M(jìn)EMS陀螺儀測(cè)量精度，抑制測(cè)量噪聲對(duì)其造成的影響，該文分析了某型號(hào)MEMS陀螺儀誤差特性，提出基于遞歸最小二乘法(RLS)多重小波分解重構(gòu)的強(qiáng)追蹤自反饋模型，建立新的軟閾值函數(shù)。由于模型處理后的數(shù)據(jù)帶有部分奇異值，該文提出了一種改進(jìn)的中值濾波算法。對(duì)于陀螺儀零偏噪聲問題，提出零偏不穩(wěn)定性抑制算法，并對(duì)該算法模型進(jìn)行了詳細(xì)的描述。將某項(xiàng)目研究中列車姿態(tài)測(cè)量系統(tǒng)的實(shí)驗(yàn)數(shù)據(jù)應(yīng)用到該算法模型中。測(cè)試實(shí)驗(yàn)分為靜態(tài)、動(dòng)態(tài)兩組，其結(jié)果均表明：該算法減小了信號(hào)中的噪聲，有效地抑制了MEMS陀螺儀隨機(jī)漂移，提高了姿態(tài)解算的精度?？隙嗽撍惴▽?duì)陀螺儀輸出信號(hào)噪聲去除，以及使用精度提升的可行性和有效性。

該文提出一種空時(shí)結(jié)構(gòu)下的精確寬帶波束賦形算法。在空頻結(jié)構(gòu)下，對(duì)各子帶權(quán)值進(jìn)行波束賦形優(yōu)化。根據(jù)權(quán)值在滿足共軛對(duì)稱條件下，陣列幅度響應(yīng)可以轉(zhuǎn)換為線性函數(shù)這一原理，將波束賦形轉(zhuǎn)換為凸優(yōu)化問題。利用內(nèi)點(diǎn)法得到最優(yōu)權(quán)值后，通過(guò)空頻結(jié)構(gòu)與空時(shí)結(jié)構(gòu)之間的權(quán)值轉(zhuǎn)換關(guān)系，得到空時(shí)結(jié)構(gòu)下的波束權(quán)值。該算法能夠?qū)拵Рㄊ鴪D進(jìn)行精確地賦形，同時(shí)保證在期望方向上陣列響應(yīng)具有線性相位特性。仿真結(jié)果驗(yàn)證了算法的有效性。

針對(duì)有源欺騙干擾環(huán)境下基于小樣本的DOA估計(jì)問題，該文提出自適應(yīng)極化濾波(APF)聯(lián)合塊稀疏貝葉斯學(xué)習(xí)(BSBL)算法的DOA估計(jì)方法。首先，通過(guò)APF抑制干擾能量，提高信干比。然后，建立有源欺騙干擾環(huán)境下的稀疏貝葉斯模型，基于相鄰快拍相關(guān)性，利用BSBL算法進(jìn)行DOA估計(jì)。仿真和實(shí)測(cè)數(shù)據(jù)處理結(jié)果表明，所提方法降低了干擾對(duì)BSBL算法的影響，且與APF聯(lián)合子空間類算法或最大似然算法(ML)相比，具有更高的空間分辨率和DOA估計(jì)精度。

頻譜彌散(SMSP)干擾與線性調(diào)頻雷達(dá)信號(hào)之間存在大量的時(shí)頻域耦合，干擾效能突出。該文提出一種信息域的抗SMSP干擾的信號(hào)處理算法，根據(jù)SMSP干擾信號(hào)的形式與特點(diǎn)，通過(guò)自適應(yīng)改變壓縮感知的干擾基字典，同時(shí)匹配雷達(dá)信號(hào)與干擾信號(hào)的調(diào)頻率，構(gòu)建壓縮感知求解模型并基于凸優(yōu)化算法完成信號(hào)重構(gòu)，最終實(shí)現(xiàn)干擾信號(hào)的識(shí)別及雷達(dá)信號(hào)的提取。該算法中冗余字典的構(gòu)造采用了Pei型分?jǐn)?shù)階傅里葉快速分解方法，不需要反復(fù)對(duì)信號(hào)進(jìn)行時(shí)頻域解耦，并且迭代次數(shù)較少，運(yùn)算效率較高。

運(yùn)動(dòng)目標(biāo)速度估計(jì)是機(jī)載單天線高分辨率合成孔徑雷達(dá)(SAR)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)成像和定位的關(guān)鍵環(huán)節(jié)。針對(duì)現(xiàn)有方法運(yùn)算量大、易受距離徙動(dòng)干擾等缺點(diǎn)，該文提出一種基于回波序列最小二乘擬合的速度估計(jì)方法。利用該方法，首先通過(guò)包絡(luò)相關(guān)提取相鄰回波序列的距離變化量，然后對(duì)其做最小二乘線性擬合，目標(biāo)的距離向速度和方位向速度可由擬合系數(shù)計(jì)算得到。與傳統(tǒng)方法相比，該方法不僅計(jì)算量小，而且無(wú)須先做距離徙動(dòng)校正(RCMC)。該文給出了新方法的數(shù)學(xué)模型和參數(shù)選取原則，分析了該方法的估計(jì)精度、計(jì)算量和適用條件，并通過(guò)仿真和實(shí)際數(shù)據(jù)處理驗(yàn)證了該方法的有效性。

目標(biāo)定位精度是機(jī)載合成孔徑雷達(dá)(SAR)系統(tǒng)的一項(xiàng)重要技術(shù)指標(biāo)，因此機(jī)載SAR圖像目標(biāo)定位具有重要的應(yīng)用價(jià)值。在基于距離-多普勒模型的SAR圖像目標(biāo)定位方法中，載機(jī)運(yùn)動(dòng)參數(shù)的精度會(huì)直接影響定位的精度，在機(jī)載平臺(tái)導(dǎo)航精度受限的情況下，定位精度會(huì)受到很大影響。因此，該文提出一種基于距離-多普勒模型參數(shù)更新的機(jī)載SAR圖像目標(biāo)定位方法，利用機(jī)載SAR圖像與基準(zhǔn)圖像匹配得到的匹配點(diǎn)來(lái)對(duì)載機(jī)運(yùn)動(dòng)參數(shù)進(jìn)行更新，提高參數(shù)的精度，進(jìn)而提高定位的精度。實(shí)驗(yàn)證明了該方法的有效性。

由于運(yùn)動(dòng)誤差嚴(yán)重的2維空變性，對(duì)于10 GHz超寬帶微波光子SAR，傳統(tǒng)的直接從相位進(jìn)行運(yùn)動(dòng)誤差估計(jì)的方法估計(jì)精度不高。因此，該文提出一種包絡(luò)與相位聯(lián)合的超高分辨運(yùn)動(dòng)誤差估計(jì)方法，能夠在沒有慣導(dǎo)信息時(shí)實(shí)現(xiàn)運(yùn)動(dòng)誤差的精確估計(jì)。該方法首先在距離徙動(dòng)矯正(RCMC)之前，通過(guò)對(duì)包絡(luò)對(duì)齊算法(RAA)提取的包絡(luò)信息采用最小二乘算法(LSA)與梯度下降算法(GDA)獲得近似的3維運(yùn)動(dòng)誤差。接著，對(duì)粗補(bǔ)償與RCMC之后的數(shù)據(jù)，先消除方位相位空變，然后采用兩維空變的相位誤差估計(jì)方法獲得剩余運(yùn)動(dòng)誤差的精確估計(jì)。仿真和車載微波光子雷達(dá)實(shí)測(cè)數(shù)據(jù)驗(yàn)證了該方法的有效性。

現(xiàn)代星載合成孔徑雷達(dá)(SAR)系統(tǒng)要求同時(shí)具備高分辨率和寬測(cè)繪帶的能力，而傳統(tǒng)單通道星載SAR系統(tǒng)在分辨率和測(cè)繪帶兩個(gè)重要指標(biāo)之間存在固有矛盾，因此方位向多通道的方法被提出并用于解決上述問題。該文在分析方位向多通道回波模型的基礎(chǔ)上，結(jié)合Relax算法的特點(diǎn)，提出了一種基于Relax算法的星載SAR高分寬幅(HRWS)成像方法，并給出了新方法的詳細(xì)迭代流程。通過(guò)點(diǎn)目標(biāo)回波仿真，并與傳統(tǒng)的方位向多通道HRWS重建方法進(jìn)行對(duì)比，驗(yàn)證了新方法的可靠性和有效性。

隨著雷達(dá)信號(hào)的日益復(fù)雜，從實(shí)數(shù)序列中提取特征變得越來(lái)越困難，但當(dāng)它們表示成符號(hào)序列時(shí)，通常能更容易地挖掘出有效的特征參數(shù)。因此，該文提出一種基于多尺度信息熵(MSIE)的雷達(dá)信號(hào)識(shí)別方法。首先通過(guò)符號(hào)聚合近似(SAX)算法在不同字符集尺度下將雷達(dá)信號(hào)轉(zhuǎn)換為符號(hào)化序列；然后聯(lián)合各符號(hào)序列的信息熵值，組成MSIE特征向量；最后，使用k鄰近算法(k-NN)作為分類器實(shí)現(xiàn)雷達(dá)信號(hào)的分類識(shí)別。通過(guò)仿真6種典型的雷達(dá)信號(hào)進(jìn)行驗(yàn)證，結(jié)果表明該方法在信噪比(SNR)為5 dB時(shí)，不同雷達(dá)信號(hào)的識(shí)別正確率大于90%，并且優(yōu)于傳統(tǒng)的基于復(fù)雜度特征(盒維數(shù)和稀疏性)的識(shí)別方法。

由于傳統(tǒng)TEM小室的頻帶寬度不能滿足日益增長(zhǎng)的寬頻帶需求，該文采用同軸結(jié)構(gòu)設(shè)計(jì)了一個(gè)DC-6 GHz的寬帶電磁輻照裝置。該裝置基于傳輸線理論和阻抗匹配原理，采用錐形過(guò)渡與圓同軸連接的結(jié)構(gòu)，在端口處選用N型連接器，與腔體的連接實(shí)現(xiàn)了良好的阻抗匹配。利用CST仿真軟件進(jìn)行建模優(yōu)化，最后對(duì)仿真結(jié)構(gòu)進(jìn)行加工與調(diào)試，仿真結(jié)果表明，該同軸電磁輻照裝置在DC-6 GHz頻率范圍內(nèi)S11均在–10 dB以下，由于加工的誤差測(cè)試結(jié)果在個(gè)別頻點(diǎn)稍有偏差，但趨勢(shì)和仿真結(jié)果具有較好的一致性，吻合較好，證明該輻照裝置具有良好的傳輸性能。該文設(shè)計(jì)的同軸腔在電磁輻照系統(tǒng)中具有很好的應(yīng)用價(jià)值。

為解決傳統(tǒng)遙感圖像分類方法特征提取過(guò)程復(fù)雜、特征表現(xiàn)力不強(qiáng)等問題，該文提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)和多核學(xué)習(xí)的高分辨率遙感圖像分類方法。首先基于深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)遙感圖像數(shù)據(jù)集進(jìn)行訓(xùn)練，學(xué)習(xí)得到兩個(gè)全連接層的輸出將作為遙感圖像的兩種高層特征；然后采用多核學(xué)習(xí)理論訓(xùn)練適合這兩種高層特征的核函數(shù)，并將它們映射到高維空間，實(shí)現(xiàn)兩種高層特征在高維空間的自適應(yīng)融合；最后在多核融合特征的基礎(chǔ)上，設(shè)計(jì)一種基于多核學(xué)習(xí)-支持向量機(jī)的遙感圖像分類器，對(duì)遙感圖像進(jìn)行精確分類。實(shí)驗(yàn)結(jié)果表明，與目前已有的基于深度學(xué)習(xí)的遙感圖像分類方法相比，該算法在分類準(zhǔn)確率、誤分類率和Kappa系數(shù)等性能指標(biāo)上均有所提升，在實(shí)驗(yàn)測(cè)試集上3個(gè)指標(biāo)分別達(dá)到了96.43%, 3.57%和96.25%，取得了令人滿意的結(jié)果。

現(xiàn)有的多目標(biāo)進(jìn)化聚類算法應(yīng)用于圖像分割時(shí)，往往是在圖像像素層面上進(jìn)行聚類，運(yùn)行時(shí)間過(guò)長(zhǎng)，而且忽略了圖像區(qū)域信息使得圖像分割效果不太理想。為了提高多目標(biāo)進(jìn)化聚類算法的分割效果和時(shí)間效率，該文將圖像區(qū)域信息與部分監(jiān)督信息引入多目標(biāo)進(jìn)化聚類，提出圖像區(qū)域信息驅(qū)動(dòng)的多目標(biāo)進(jìn)化半監(jiān)督模糊聚類圖像分割算法。該算法首先利用超像素策略獲得圖像的區(qū)域信息，然后結(jié)合部分監(jiān)督信息，設(shè)計(jì)融合區(qū)域信息和監(jiān)督信息的適應(yīng)度函數(shù)，接著通過(guò)多目標(biāo)進(jìn)化策略對(duì)多個(gè)適應(yīng)度函數(shù)進(jìn)行優(yōu)化得到最優(yōu)解集。最后構(gòu)造融合區(qū)域信息與監(jiān)督信息的最優(yōu)解評(píng)價(jià)指標(biāo)，實(shí)現(xiàn)從最優(yōu)解集中選取一個(gè)最優(yōu)解。實(shí)驗(yàn)結(jié)果表明：與已有多目標(biāo)進(jìn)化聚類算法相比，該算法不但分割效果有所提升，而且運(yùn)行效率得以提高。

與經(jīng)典的K均值聚類算法相比，模糊C均值(FCM)聚類算法通過(guò)引入模糊因子，考慮不同聚類數(shù)據(jù)簇之間的相互關(guān)系，得到可分性更好的聚類結(jié)果。但是模糊因子的引入，使得任意一個(gè)樣本點(diǎn)都存在模糊性，造成FCM極易受到噪聲和離群點(diǎn)的影響，聚類結(jié)果泛化性能較差。因此，該文提出一種簇間可分的魯棒FCM算法(RBI-FCM)。RBI-FCM利用K均值算法對(duì)模糊隸屬度的稀疏特征，降低不同數(shù)據(jù)簇之間的相互作用，突出不同數(shù)據(jù)簇相鄰區(qū)域的可分性；另外，RBI-FCM在極小化數(shù)據(jù)簇內(nèi)部散布度的條件下，考慮不同數(shù)據(jù)簇之間的可分性，可提高聚類模型的泛化性能。該文設(shè)計(jì)了有效的模型求解迭代算法。實(shí)驗(yàn)結(jié)果表明，RBI-FCM算法提高了FCM的魯棒性，有效降低FCM對(duì)數(shù)據(jù)簇分布差異性和抽樣不均衡的敏感性，得到理想的聚類結(jié)果。

圖像質(zhì)量評(píng)價(jià)研究的目標(biāo)在于模擬人類視覺系統(tǒng)對(duì)圖像質(zhì)量的感知過(guò)程，構(gòu)建與主觀評(píng)價(jià)結(jié)果盡可能一致的客觀評(píng)價(jià)算法?，F(xiàn)有的很多算法都是基于局部結(jié)構(gòu)相似設(shè)計(jì)的，但人對(duì)圖像的主觀感知是高級(jí)的、語(yǔ)義的過(guò)程，而語(yǔ)義信息本質(zhì)上是非局部的，因此圖像質(zhì)量評(píng)價(jià)應(yīng)該考慮圖像的非局部信息。該文突破了經(jīng)典的基于局部信息的算法框架，提出一種基于非局部信息的框架，并在此框架內(nèi)構(gòu)建了一種基于非局部梯度的圖像質(zhì)量評(píng)價(jià)算法，該算法通過(guò)度量參考圖像與失真圖像的非局部梯度之間的相似性來(lái)預(yù)測(cè)圖像質(zhì)量。在公開測(cè)試數(shù)據(jù)庫(kù)TID2008, LIVE, CSIQ上的數(shù)值實(shí)驗(yàn)結(jié)果表明，該算法能獲得較好的評(píng)價(jià)效果。

為提高現(xiàn)有隨機(jī)脈沖噪聲(RVIN)檢測(cè)算法的檢測(cè)準(zhǔn)確率和執(zhí)行效率，該文試圖從構(gòu)建描述能力更強(qiáng)的特征矢量和訓(xùn)練非線性映射更為準(zhǔn)確的預(yù)測(cè)模型兩個(gè)方面入手，實(shí)現(xiàn)一種基于訓(xùn)練策略的快速RVIN檢測(cè)算法。一方面，提取多個(gè)不同階的對(duì)數(shù)絕對(duì)差值排序統(tǒng)計(jì)值并結(jié)合一個(gè)能夠反映圖像邊緣特性的統(tǒng)計(jì)值作為刻畫圖塊中心像素點(diǎn)是否為噪聲的特征矢量。在計(jì)算量增加極少的情況下，顯著提升了特征矢量的描述能力。另一方面，基于深度置信網(wǎng)絡(luò)(DBN)訓(xùn)練RVIN預(yù)測(cè)模型(RVIN檢測(cè)器)將特征矢量映射為噪聲類型標(biāo)簽，實(shí)現(xiàn)了比淺層預(yù)測(cè)模型更為準(zhǔn)確的映射。大量實(shí)驗(yàn)數(shù)據(jù)表明：與現(xiàn)有的RVIN檢測(cè)算法相比，所提算法在檢測(cè)準(zhǔn)確率和執(zhí)行效率兩個(gè)方面都更有優(yōu)勢(shì)。

針對(duì)直接利用卷積自編碼網(wǎng)絡(luò)未考慮視頻時(shí)間信息的問題，該文提出基于貝葉斯融合的時(shí)空流異常行為檢測(cè)模型?？臻g流模型采用卷積自編碼網(wǎng)絡(luò)對(duì)視頻單幀進(jìn)行重構(gòu)，時(shí)間流模型采用卷積長(zhǎng)短期記憶(LSTM)編碼-解碼網(wǎng)絡(luò)對(duì)短期光流序列進(jìn)行重構(gòu)。接著，分別計(jì)算空間流模型和時(shí)間流模型下每幀的重構(gòu)誤差，設(shè)計(jì)自適應(yīng)閾值對(duì)重構(gòu)誤差圖進(jìn)行二值化，并基于貝葉斯準(zhǔn)則對(duì)空間流和時(shí)間流下的重構(gòu)誤差進(jìn)行融合，得到融合重構(gòu)誤差圖，并在此基礎(chǔ)上進(jìn)行異常行為判斷。實(shí)驗(yàn)結(jié)果表明，該算法在UCSD和Avenue視頻庫(kù)上的檢測(cè)效果優(yōu)于現(xiàn)有異常檢測(cè)算法。

針對(duì)Jousselme證據(jù)距離函數(shù)不能較好描述證據(jù)局部沖突和不能對(duì)高沖突證據(jù)進(jìn)行準(zhǔn)確沖突度量的不足，該文首先提出改進(jìn)的Jousselme證據(jù)距離函數(shù)，該函數(shù)基于能夠較好描述證據(jù)之間局部沖突情況的非重合度對(duì)Jousselme證據(jù)距離函數(shù)進(jìn)行改進(jìn)，使其沖突度量結(jié)果隨非重合度取值及其取值范圍的變化按適當(dāng)比例進(jìn)行變化；其次，基于沖突系數(shù)和新改進(jìn)Jousselme證據(jù)距離函數(shù)共同構(gòu)建改進(jìn)的融合沖突度量函數(shù)。在此基礎(chǔ)上，對(duì)焦元權(quán)系數(shù)計(jì)算式進(jìn)行改進(jìn)，并依此對(duì)局部多維沖突信息進(jìn)行按比例分配。理論及應(yīng)用分析結(jié)果表明，新算法是一種適用性廣泛且抗干擾性能好的證據(jù)融合算法。

標(biāo)準(zhǔn)應(yīng)用映射問題中，每個(gè)任務(wù)的通信量是確定值，而實(shí)際應(yīng)用中任務(wù)通信具有突發(fā)性和時(shí)變特征，因此將任務(wù)通信量建模為不確定值具有現(xiàn)實(shí)意義。該文利用區(qū)間流法對(duì)任務(wù)不確定性進(jìn)行描述，基于保守因子對(duì)魯棒性應(yīng)用映射問題建模，提出了求解問題的改進(jìn)禁忌搜索算法(Tabu-RAM)，通過(guò)5個(gè)Benchmark案例對(duì)本文模型和算法進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明Tabu-RAM能夠求解傳統(tǒng)應(yīng)用映射問題，且優(yōu)于現(xiàn)有文獻(xiàn)中給出的算法。此外，與傳統(tǒng)禁忌搜索算法相比，Tabu-RAM算法在求解魯棒性應(yīng)用映射問題時(shí)具有更好的性能和穩(wěn)定性。

針對(duì)脈沖型噪聲的抑制問題，該文提出一種自適應(yīng)的限幅器設(shè)計(jì)方法。該方法以效能函數(shù)為指標(biāo)，采用自適應(yīng)搜索算法，自動(dòng)尋找削波器和置零器的最佳門限，且能適用于未知噪聲分布的情形。首先分析了效能與非線性函數(shù)的關(guān)系，給出關(guān)鍵的優(yōu)化問題。然后考慮到效能函數(shù)計(jì)算復(fù)雜，提出基于線搜索的自適應(yīng)設(shè)計(jì)算法。其次針對(duì)未知分布情況，考慮非參數(shù)化的概率密度估計(jì)，該算法能夠穩(wěn)健運(yùn)行且基本取得最優(yōu)設(shè)計(jì)效果。最后，結(jié)合兩種非高斯噪聲和實(shí)測(cè)大氣噪聲數(shù)據(jù)仿真，結(jié)果表明：該文方法可自適應(yīng)尋找最佳門限，使削波器和置零器效能達(dá)到最佳；當(dāng)噪聲分布未知時(shí)，該文方法無(wú)需假設(shè)噪聲模型，可與非參數(shù)化概率密度估計(jì)方法結(jié)合，取得最優(yōu)檢測(cè)效果。

該文給出了基于差族的高斯整數(shù)互補(bǔ)序列構(gòu)造方法。利用差族與互補(bǔ)序列之間的聯(lián)系，首先推導(dǎo)出高斯整數(shù)互補(bǔ)序列存在的充分條件，進(jìn)而直接構(gòu)造了階數(shù)為2的高斯整數(shù)互補(bǔ)序列。為進(jìn)一步增加高斯整數(shù)互補(bǔ)序列數(shù)目，又利用映射方法構(gòu)造了階數(shù)為4的高斯整數(shù)互補(bǔ)序列。同傳統(tǒng)的2元互補(bǔ)序列相比，高斯整數(shù)互補(bǔ)序列的存在數(shù)目很多，因此該文方法可以為通信系統(tǒng)提供大量的互補(bǔ)序列。

八陣圖算法(ESF)是一種具有廣義Feistel結(jié)構(gòu)的輕量級(jí)分組密碼算法，可用在物聯(lián)網(wǎng)環(huán)境下保護(hù)射頻識(shí)別(RFID)標(biāo)簽等資源受限的環(huán)境中，目前對(duì)該算法的安全性研究主要為不可能差分分析。該文通過(guò)深入研究S盒的特點(diǎn)并結(jié)合ESF密鑰擴(kuò)展算法的性質(zhì)，研究了ESF抵抗相關(guān)密鑰不可能差分攻擊的能力。通過(guò)構(gòu)造11輪相關(guān)密鑰不可能差分區(qū)分器，在此基礎(chǔ)上前后各擴(kuò)展2輪，成功攻擊15輪ESF算法。該攻擊的時(shí)間復(fù)雜度為2^40.5次15輪加密，數(shù)據(jù)復(fù)雜度為2^61.5個(gè)選擇明文，恢復(fù)密鑰比特?cái)?shù)為40 bit。與現(xiàn)有結(jié)果相比，攻擊輪數(shù)提高的情況下，時(shí)間復(fù)雜度降低，數(shù)據(jù)復(fù)雜度也較為理想。

群組簽密既能實(shí)現(xiàn)群組簽名，又能實(shí)現(xiàn)群組加密，但是現(xiàn)有的群組簽密方案的發(fā)送者和接收者基本上在同一個(gè)密碼系統(tǒng)中，不能滿足現(xiàn)實(shí)環(huán)境的需求，而且基本上采用的是公鑰加密技術(shù)，公鑰加密技術(shù)在加密長(zhǎng)消息時(shí)效率較低。因此該文提出由基于身份的密碼體制(IBC)到無(wú)證書密碼體制(CLC)的異構(gòu)密碼系統(tǒng)的混合群組簽密方案。在該方案中，私鑰生成器(PKG)和密鑰生成中心(KGC)能夠分別在IBC密碼體制和CLC密碼體制中產(chǎn)生自己的系統(tǒng)主密鑰；而且群組成員只有協(xié)作才能解簽密，提高了方案的安全性；同時(shí)在無(wú)需更換群組公鑰和其他成員私鑰的情況下，用戶可以動(dòng)態(tài)地加入該群組。所提方案采用了混合簽密，具有可加密任意長(zhǎng)消息的能力。在隨機(jī)預(yù)言模型下，證明了該文方案在計(jì)算Diffie-hellman困難問題下具有保密性和不可偽造性。通過(guò)理論和數(shù)值實(shí)驗(yàn)分析表明該方案具有更高的效率和可行性。

為滿足未來(lái)移動(dòng)通信網(wǎng)絡(luò)中多樣化的業(yè)務(wù)需求，為用戶提供定制化服務(wù)的同時(shí)提升網(wǎng)絡(luò)經(jīng)濟(jì)效益，該文提出一種基于在線拍賣的網(wǎng)絡(luò)切片資源分配算法。根據(jù)業(yè)務(wù)類型將用戶的服務(wù)請(qǐng)求轉(zhuǎn)化為相應(yīng)投標(biāo)信息，以最大化拍賣參與者的社會(huì)福利為目標(biāo)，將切片資源分配問題建模為基于多業(yè)務(wù)的在線贏家確定問題。結(jié)合資源分配與價(jià)格更新策略，實(shí)現(xiàn)基于在線拍賣的資源優(yōu)化配置。仿真結(jié)果表明，該算法能夠在滿足用戶業(yè)務(wù)需求的同時(shí)，提升網(wǎng)絡(luò)經(jīng)濟(jì)效益。

移動(dòng)邊緣計(jì)算(MEC)通過(guò)在無(wú)線網(wǎng)絡(luò)邊緣為用戶提供計(jì)算能力，來(lái)提高用戶的體驗(yàn)質(zhì)量。然而，MEC的計(jì)算卸載仍面臨著許多問題。該文針對(duì)超密集組網(wǎng)(UDN)的MEC場(chǎng)景下的計(jì)算卸載，考慮系統(tǒng)總能耗，提出卸載決策和資源分配的聯(lián)合優(yōu)化問題。首先采用坐標(biāo)下降法制定了卸載決定的優(yōu)化方案。同時(shí)，在滿足用戶時(shí)延約束下采用基于改進(jìn)的匈牙利算法和貪婪算法來(lái)進(jìn)行子信道分配。然后，將能耗最小化問題轉(zhuǎn)化為功率最小化問題，并將其轉(zhuǎn)化為一個(gè)凸優(yōu)化問題得到用戶最優(yōu)的發(fā)送功率。仿真結(jié)果表明，所提出的卸載方案可以在滿足用戶不同時(shí)延的要求下最小化系統(tǒng)能耗，有效地提升了系統(tǒng)性能。

針對(duì)彈性光網(wǎng)絡(luò)中物理?yè)p傷導(dǎo)致業(yè)務(wù)頻譜利用率低和傳輸能耗高問題，該文提出一種面向業(yè)務(wù)的鏈路損傷感知頻譜分區(qū)(LI-ASP)能效路由策略。在LI-ASP策略中，為降低不同信道間非線性損傷，基于負(fù)載均衡設(shè)計(jì)一個(gè)綜合考慮鏈路頻譜狀態(tài)和傳輸損傷的路徑權(quán)重公式，根據(jù)調(diào)制方式的頻譜效率和最大傳輸距離構(gòu)造分層輔助圖，從最高調(diào)制等級(jí)開始，為高質(zhì)量業(yè)務(wù)選擇K條邊分離的最大權(quán)重傳輸路徑；為低質(zhì)量業(yè)務(wù)選擇K條邊分離的最短能效路徑。然后，LI-ASP策略根據(jù)業(yè)務(wù)速率比值對(duì)頻譜分區(qū)，采用首次命中(FF)和尾端命中(LF)聯(lián)合頻譜分配方式，減少不同傳輸速率業(yè)務(wù)間的交叉相位調(diào)制。仿真結(jié)果表明，該文所提LI-ASP策略在有效降低帶寬阻塞率的同時(shí)，減少了業(yè)務(wù)傳輸能耗。