

郵件訂閱
在方位多通道SAR系統(tǒng)中,由于運(yùn)動(dòng)目標(biāo)的回波特性和靜止目標(biāo)的不同,傳統(tǒng)的重構(gòu)濾波器組方法對(duì)運(yùn)動(dòng)目標(biāo)的重建是無(wú)效的。該文提出一種方位多通道SAR運(yùn)動(dòng)目標(biāo)信號(hào)重構(gòu)方法。該方法首先分析了方位多通道SAR系統(tǒng)中運(yùn)動(dòng)目標(biāo)回波特性,并與靜止目標(biāo)回波形式進(jìn)行對(duì)比,給出了傳統(tǒng)重構(gòu)方法失效的主要原因;通過(guò)引入運(yùn)動(dòng)目標(biāo)的徑向速度參數(shù),有效實(shí)現(xiàn)了勻速運(yùn)動(dòng)目標(biāo)的頻譜重構(gòu),較好地抑制了方位多通道SAR系統(tǒng)中勻速運(yùn)動(dòng)目標(biāo)的方位模糊。星載仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了該重構(gòu)方法的有效性。
采用近天底的寬刈幅干涉高度計(jì)是近年來(lái)新發(fā)展的海面高程測(cè)量技術(shù),與陸地高程測(cè)量不同,海浪一直處于隨機(jī)運(yùn)動(dòng)之中,其動(dòng)態(tài)特性會(huì)在合成孔徑雷達(dá)(SAR)成像和干涉處理中引入顯著誤差。對(duì)于厘米級(jí)的干涉測(cè)量精度要求來(lái)說(shuō),該誤差是主要誤差源之一。該文研究了由海面特性引起的高程誤差機(jī)理及其對(duì)于近天底干涉SAR測(cè)高精度的影響,建立了運(yùn)動(dòng)誤差理論模型,同時(shí)考慮了電磁偏差與疊掩偏差影響?;诓煌琒AR工作體制,在不同海況下進(jìn)行了理論近似仿真,并進(jìn)行了干涉SAR全鏈路仿真,全鏈路仿真結(jié)果能夠與理論仿真較好地吻合,驗(yàn)證了誤差模型的正確。結(jié)果顯示由海浪引起的誤差隨著多普勒中心頻率近似呈線性變化,且與目標(biāo)散射加權(quán)徑向速度成正比。誤差不僅與海浪特性相關(guān),還與雷達(dá)系統(tǒng)參數(shù)相關(guān),這能為未來(lái)系統(tǒng)設(shè)計(jì)、誤差預(yù)算和海面高程處理提供參考。
機(jī)載外輻射源雷達(dá)系統(tǒng)中,部署在飛機(jī)上的觀測(cè)站傳感器位置無(wú)法精確獲知,觀測(cè)站位置誤差將嚴(yán)重影響目標(biāo)定位精度。對(duì)此,該文提出一種觀測(cè)站位置誤差下多基外輻射源雷達(dá)3維定位代數(shù)解算法。該算法首先利用輔助變量將非線性雙基距離和差(BRD)觀測(cè)方程進(jìn)行線性化,構(gòu)造偽線性目標(biāo)估計(jì)模型。然后將觀測(cè)站位置量測(cè)噪聲的統(tǒng)計(jì)特性融入定位算法,提出一種改進(jìn)兩步加權(quán)最小二乘(TS-WLS)算法實(shí)現(xiàn)觀測(cè)站位置誤差下外輻射源雷達(dá)目標(biāo)定位。最后推導(dǎo)了克拉美羅下界(CRLB)和算法的理論誤差。仿真結(jié)果顯示,在適中的BRD量測(cè)誤差和觀測(cè)站位置誤差下,所提算法的目標(biāo)定位性能能夠達(dá)到CRLB。
為利用被動(dòng)干涉微波技術(shù)作為我國(guó)天基預(yù)警體系的重要補(bǔ)充以實(shí)現(xiàn)對(duì)海面目標(biāo)的有效探測(cè),該文提出一種基于被動(dòng)干涉微波圖像的海面目標(biāo)探測(cè)算法。首先,建立了海面背景和海面目標(biāo)的被動(dòng)干涉微波圖像數(shù)學(xué)模型;其次,詳細(xì)地介紹了海面目標(biāo)的探測(cè)算法,并仿真驗(yàn)證了算法的可行性;最后,開展了機(jī)載實(shí)驗(yàn)。理論分析和實(shí)驗(yàn)驗(yàn)證均表明:該探測(cè)算法是可行性的,能有效地探測(cè)到海面目標(biāo),且具有較好的探測(cè)性能;海面航行的金屬目標(biāo)在被動(dòng)干涉微波圖像中呈現(xiàn)“一高一低”的特征,可利用該特征提高海面目標(biāo)探測(cè)概率。該探測(cè)算法可為天基被動(dòng)干涉微波技術(shù)探測(cè)海面目標(biāo)提供參考。
針對(duì)地磁背景下磁偶極子目標(biāo)跟蹤過(guò)程中存在的地磁干擾與模型非線性的問(wèn)題,該文提出一種基于差量磁異常的蒙特卡洛卡爾曼濾波(MCKF)跟蹤方法。新的跟蹤方法以傳感器陣列測(cè)量磁場(chǎng)的差量作為觀測(cè)信號(hào),并利用蒙特卡洛卡爾曼濾波算法解決模型的非線性問(wèn)題,實(shí)現(xiàn)磁偶極子目標(biāo)的實(shí)時(shí)跟蹤。通過(guò)仿真跟蹤實(shí)驗(yàn),結(jié)果表明該文算法較傳統(tǒng)的擴(kuò)展或無(wú)跡卡爾曼濾波算法在穩(wěn)定跟蹤過(guò)程中對(duì)目標(biāo)特征參數(shù)的估計(jì)更精確;通過(guò)地磁背景跟蹤實(shí)驗(yàn),結(jié)果驗(yàn)證了該文算法較傳統(tǒng)算法在低信噪比下的性能優(yōu)勢(shì)。
在被動(dòng)毫米波 (PMMW) 成像焦平面陣列 (FPA) 饋源的天線中,直線漸變縫隙天線 (LTSA) 相對(duì)于傳統(tǒng)的喇叭天線、介質(zhì)棒天線具有其獨(dú)特的優(yōu)勢(shì)。該文優(yōu)化設(shè)計(jì)了一種新型的對(duì)跖直線漸變縫隙天線 (ALTSA),通過(guò)加載超材料結(jié)構(gòu)使天線的增益得到了改善,天線采用基片集成波導(dǎo) (SIW) 技術(shù)進(jìn)行饋電。通過(guò)仿真與測(cè)試分析,該天線在較寬的頻帶內(nèi)具有良好的阻抗特性、較低的副瓣電平及較高且平穩(wěn)的增益,所設(shè)計(jì)的天線具有較小的口徑寬度,在焦平面中易于組成較為密集的饋源陣列,以提高被動(dòng)毫米波成像的空間分辨率。
該文針對(duì)有限次采樣導(dǎo)致傳統(tǒng)波達(dá)方向角(DOA)估計(jì)算法存在較大估計(jì)誤差的問(wèn)題,提出一種基于稀疏低秩分解(SLRD)的穩(wěn)健DOA估計(jì)方法。首先,基于低秩矩陣分解方法,將接收信號(hào)協(xié)方差矩陣建模為低秩無(wú)噪?yún)f(xié)方差及稀疏噪聲協(xié)方差矩陣之和;而后基于低秩恢復(fù)理論,構(gòu)造關(guān)于信號(hào)和噪聲協(xié)方差矩陣的凸優(yōu)化問(wèn)題;再者構(gòu)建關(guān)于采樣協(xié)方差矩陣估計(jì)誤差的凸模型,并將此凸集顯式包含進(jìn)凸優(yōu)化問(wèn)題以改善信號(hào)協(xié)方差矩陣估計(jì)性能進(jìn)而提高DOA估計(jì)精度及穩(wěn)健性;最后基于所得最優(yōu)無(wú)噪聲協(xié)方差矩陣,利用最小方差無(wú)畸變響應(yīng)(MVDR)方法實(shí)現(xiàn)DOA估計(jì)。此外,基于采樣協(xié)方差矩陣估計(jì)誤差服從漸進(jìn)正態(tài)分布的統(tǒng)計(jì)特性,該文推導(dǎo)了一種誤差參數(shù)因子選取準(zhǔn)則以較好重構(gòu)無(wú)噪聲協(xié)方差矩陣。數(shù)值仿真表明,與傳統(tǒng)常規(guī)波束形成(CBF)、最小方差無(wú)畸變響應(yīng)(MVDR)、傳統(tǒng)多重信號(hào)分類(MUSIC)及基于稀疏低秩分解的增強(qiáng)拉格朗日乘子(SLD-ALM)算法相比,有限次采樣條件下所提算法具有較高DOA估計(jì)精度及較好穩(wěn)健性能。
現(xiàn)有的零陷展寬算法忽略了錐化矩陣的相位信息,在對(duì)抗強(qiáng)方向性、大偏差角干擾時(shí),零陷深度變淺,干擾抑制性能嚴(yán)重下降。該文以虛擬空域密集干擾為切入點(diǎn),推導(dǎo)并提出一種可用于旁瓣對(duì)消器的自適應(yīng)零陷優(yōu)化設(shè)計(jì)算法。該算法通過(guò)對(duì)輔助陣列數(shù)據(jù)的自協(xié)方差矩陣和主輔陣列數(shù)據(jù)的互協(xié)方差矩陣同時(shí)進(jìn)行重構(gòu)實(shí)現(xiàn)零陷區(qū)域的自適應(yīng)控制,錐削矩陣只與陣元位置和展寬寬度有關(guān),無(wú)需干擾信息,可以離線生成,不占用系統(tǒng)運(yùn)算資源。仿真結(jié)果表明,該方法可以實(shí)現(xiàn)零陷區(qū)域的自適應(yīng)展寬,提高非平穩(wěn)干擾抑制的穩(wěn)健性。
穿墻場(chǎng)景下,由于墻體造成信號(hào)嚴(yán)重衰減,接收信號(hào)中目標(biāo)反射信號(hào)的能量大幅下降,接收信號(hào)淹沒(méi)在收發(fā)機(jī)直射信號(hào)和室內(nèi)家具反射信號(hào)中,難以檢測(cè)墻后目標(biāo)。針對(duì)上述問(wèn)題,該文提出一種新穎的基于多維信號(hào)特征融合的穿墻多人體目標(biāo)檢測(cè)算法(TWMD)。先對(duì)接收到的信道狀態(tài)信息(CSI)進(jìn)行預(yù)處理以消除相位誤差和幅值噪聲,再利用CSI的時(shí)序相關(guān)性和子載波相關(guān)性從相關(guān)系數(shù)矩陣中提取多維信號(hào)特征,最后使用BP神經(jīng)網(wǎng)絡(luò)完成特征與檢測(cè)結(jié)果之間的映射。實(shí)驗(yàn)結(jié)果表明,該算法在玻璃墻、磚墻和混凝土墻環(huán)境的識(shí)別精度分別在0.98, 0.90, 0.85以上。根據(jù)所統(tǒng)計(jì)的4000個(gè)各類樣本的檢測(cè)結(jié)果,與現(xiàn)有基于單一信號(hào)特征的檢測(cè)算法相比,該文算法在對(duì)不同數(shù)量運(yùn)動(dòng)目標(biāo)的檢測(cè)上,獲得了平均0.45的精度提升。
為根本消除欠采樣寬頻譜分析中的偽峰副效應(yīng),該文提出基于并行全相位點(diǎn)通濾波的高性能互素譜分析方法。通過(guò)剖析經(jīng)典互素譜分析的機(jī)理,指出產(chǎn)生偽峰效應(yīng)的根源在于上、下通道的多相濾波支路之間存在多余的重疊邊界頻帶。故借助全相位點(diǎn)通濾波器組來(lái)取代經(jīng)典互素譜的原型濾波器,并且推導(dǎo)出基于并行點(diǎn)通濾波的互素譜分析流程。理論分析和仿真實(shí)驗(yàn)均表明,新的方法顯著改善譜分析性能:不僅從根本上消除了偽峰產(chǎn)生的可能,而且相比于經(jīng)典互素譜分析還大大提升了譜分辨率,從而具有較高的密集譜成分辨識(shí)性能。在軟件無(wú)線電、雷達(dá)探測(cè)、無(wú)源定位、海事無(wú)線電等領(lǐng)域有廣泛應(yīng)用前景。
作為5G的關(guān)鍵技術(shù)之一,非正交多址(NOMA)通過(guò)非正交方式訪問(wèn)無(wú)線通信資源,以實(shí)現(xiàn)提高頻譜利用率、增加用戶連接數(shù)的目的。該文提出將壓縮感知(CS)及廣義正交匹配追蹤(gOMP)算法引入上行免調(diào)度NOMA系統(tǒng),從而增強(qiáng)NOMA系統(tǒng)活躍用戶檢測(cè)及數(shù)據(jù)接收的性能。通過(guò)每次迭代識(shí)別多個(gè)索引,gOMP算法實(shí)際上是傳統(tǒng)的正交匹配追蹤(OMP)算法的擴(kuò)展。為了獲得最優(yōu)性能,研究分析了在gOMP算法信號(hào)重構(gòu)的每次迭代中所應(yīng)選擇的最優(yōu)索引數(shù)目。仿真結(jié)果表明:與其它的貪婪追蹤算法及梯度投影稀疏重構(gòu)(GPSR)算法相比,最優(yōu)索引gOMP算法具有更優(yōu)異的信號(hào)重構(gòu)性能;并且,對(duì)于不同的活躍用戶數(shù)或過(guò)載率等參數(shù)配置的NOMA系統(tǒng),均表現(xiàn)出最優(yōu)的多用戶檢測(cè)性能。
在異構(gòu)無(wú)線網(wǎng)絡(luò)中,針對(duì)綜合考慮網(wǎng)絡(luò)端和用戶端參數(shù)的垂直切換算法,參數(shù)權(quán)重難以確定,同時(shí)基于模糊邏輯的垂直切換算法存在復(fù)雜度高的問(wèn)題,該文提出一種基于模糊邏輯的分級(jí)垂直切換算法。首先,將接收信號(hào)強(qiáng)度(RSS)、帶寬、時(shí)延輸入到1級(jí)模糊邏輯系統(tǒng),結(jié)合規(guī)則自適應(yīng)匹配,推理出QoS模糊值,并通過(guò)QoS模糊值對(duì)網(wǎng)絡(luò)進(jìn)行初步篩選得到候選網(wǎng)絡(luò)集;然后通過(guò)觸發(fā)機(jī)制觸發(fā)2級(jí)模糊邏輯系統(tǒng),并將候選網(wǎng)絡(luò)的QoS模糊值、網(wǎng)絡(luò)負(fù)載率、用戶接入費(fèi)用輸入2級(jí)模糊邏輯系統(tǒng),同時(shí)結(jié)合規(guī)則自適應(yīng)匹配,得到輸出判決值,從而選擇最佳接入網(wǎng)絡(luò)。最后,實(shí)驗(yàn)結(jié)果表明,該算法能保證網(wǎng)絡(luò)性能的同時(shí),降低系統(tǒng)的時(shí)間開銷。
針對(duì)5G網(wǎng)絡(luò)中因小區(qū)重疊覆蓋區(qū)域的干擾問(wèn)題,為緩解密集小蜂窩網(wǎng)絡(luò)中移動(dòng)用戶的業(yè)務(wù)連續(xù)性,提高頻譜資源利用率,進(jìn)而最大化整個(gè)網(wǎng)絡(luò)平均能量效率問(wèn)題。該文提出一種基于不活躍用戶的最優(yōu)能量效率資源分配方案(EEI)。首先,該方案依據(jù)不活躍用戶通知區(qū)域,建立以用戶為中心的虛擬小區(qū),小區(qū)內(nèi)小蜂窩基站可協(xié)作為用戶提供通信服務(wù),提高用戶通信質(zhì)量,緩解小蜂窩同層干擾,減少切換信令開銷。其次,基于Lyapunov優(yōu)化理論,該方案將整體網(wǎng)絡(luò)平均能量效率優(yōu)化問(wèn)題,轉(zhuǎn)換為用戶最優(yōu)傳輸資源分配和最優(yōu)功率分配兩個(gè)子問(wèn)題,在最大化系統(tǒng)平均能量效率同時(shí)保證系統(tǒng)隊(duì)列穩(wěn)定性。由于該文將原優(yōu)化問(wèn)題進(jìn)行了松弛,所得結(jié)果是局部最優(yōu)解,而不是全局最優(yōu)解。仿真結(jié)果表明,該文提出的基于不活躍用戶的最優(yōu)能量效率資源分配算法,其系統(tǒng)能量效率優(yōu)于對(duì)比算法而計(jì)算復(fù)雜度較高。
在新興的車聯(lián)網(wǎng)絡(luò)中,汽車終端請(qǐng)求卸載的任務(wù)對(duì)網(wǎng)絡(luò)帶寬、卸載時(shí)延等有著更加嚴(yán)苛的需求,而新型通信網(wǎng)絡(luò)研究中移動(dòng)邊緣計(jì)算(MEC)的提出更好地解決了這一挑戰(zhàn)。該文著重解決的是汽車終端進(jìn)行任務(wù)卸載時(shí)卸載對(duì)象的匹配問(wèn)題。文中引入了軟件定義車載網(wǎng)絡(luò)(SDN-V)對(duì)全局變量統(tǒng)一調(diào)度,實(shí)現(xiàn)了資源控制管理、設(shè)備信息采集以及任務(wù)信息分析。基于用戶任務(wù)的差異化性質(zhì),定義了重要度的模型,在此基礎(chǔ)上,通過(guò)設(shè)計(jì)任務(wù)卸載優(yōu)先級(jí)機(jī)制算法,實(shí)現(xiàn)任務(wù)優(yōu)先級(jí)劃分。針對(duì)多目標(biāo)優(yōu)化模型,采用乘子法對(duì)非凸優(yōu)化模型進(jìn)行求解。仿真結(jié)果表明,與其他卸載策略相比,該文所提卸載機(jī)制對(duì)時(shí)延和能耗優(yōu)化效果明顯,能夠最大程度地保證用戶的效益。
鏈路預(yù)測(cè)旨在利用網(wǎng)絡(luò)中已有的拓?fù)浣Y(jié)構(gòu)或其他信息,預(yù)測(cè)未連邊節(jié)點(diǎn)間存在連接的可能性。資源分配指標(biāo)具有較低復(fù)雜度的同時(shí)取得了較好的預(yù)測(cè)效果,但在資源傳輸過(guò)程的描述中缺少對(duì)路徑有效性的刻畫。資源傳輸過(guò)程是網(wǎng)絡(luò)演化連邊產(chǎn)生的重要內(nèi)在動(dòng)力,通過(guò)分析節(jié)點(diǎn)間資源傳輸路徑周圍拓?fù)涞挠行?,該文提出一種基于資源傳輸路徑有效性的鏈路預(yù)測(cè)方法。該方法首先分析了節(jié)點(diǎn)間潛在的資源傳輸路徑對(duì)資源傳輸量的影響,提出資源傳輸路徑有效性的量化方法。然后,基于資源傳輸路徑的有效性,通過(guò)對(duì)雙向資源傳輸量進(jìn)行刻畫,提出了節(jié)點(diǎn)間傳輸路徑的有效性指標(biāo)。在12個(gè)實(shí)際網(wǎng)絡(luò)數(shù)據(jù)集上的實(shí)驗(yàn)測(cè)試表明,相比其他基于相似性的鏈路預(yù)測(cè)方法,該方法在AUC和Precision衡量標(biāo)準(zhǔn)下能夠取得更好的效果。
針對(duì)軟件定義網(wǎng)絡(luò)(SDN)分布式控制平面中由于網(wǎng)絡(luò)分域管理所引發(fā)的控制擴(kuò)張問(wèn)題,該文提出了一種基于流量工程的SDN控制資源優(yōu)化(TERO)機(jī)制。首先基于數(shù)據(jù)流的路徑特征對(duì)流請(qǐng)求的控制資源消耗進(jìn)行分析,指出通過(guò)調(diào)整控制器和交換機(jī)的關(guān)聯(lián)關(guān)系可以降低控制資源消耗。然后將控制器關(guān)聯(lián)過(guò)程分為兩個(gè)階段:先設(shè)計(jì)了最小集合覆蓋算法來(lái)快速求解大規(guī)模網(wǎng)絡(luò)中控制器關(guān)聯(lián)問(wèn)題;在此基礎(chǔ)上,引入聯(lián)合博弈策略來(lái)優(yōu)化控制器和交換機(jī)的關(guān)聯(lián)關(guān)系以減少控制資源消耗和控制流量開銷。仿真結(jié)果表明,與現(xiàn)有的控制器和交換機(jī)就近關(guān)聯(lián)機(jī)制相比,該文機(jī)制能在保證較低控制流量開銷的前提下,節(jié)省約28%的控制資源消耗。
針對(duì)5G網(wǎng)絡(luò)切片架構(gòu)下業(yè)務(wù)請(qǐng)求動(dòng)態(tài)性引起的虛擬網(wǎng)絡(luò)功能(VNF)遷移優(yōu)化問(wèn)題,該文首先建立基于受限馬爾可夫決策過(guò)程(CMDP)的隨機(jī)優(yōu)化模型以實(shí)現(xiàn)多類型服務(wù)功能鏈(SFC)的動(dòng)態(tài)部署,該模型以最小化通用服務(wù)器平均運(yùn)行能耗為目標(biāo),同時(shí)受限于各切片平均時(shí)延約束以及平均緩存、帶寬資源消耗約束。其次,為了克服優(yōu)化模型中難以準(zhǔn)確掌握系統(tǒng)狀態(tài)轉(zhuǎn)移概率及狀態(tài)空間過(guò)大的問(wèn)題,該文提出了一種基于強(qiáng)化學(xué)習(xí)框架的VNF智能遷移學(xué)習(xí)算法,該算法通過(guò)卷積神經(jīng)網(wǎng)絡(luò)(CNN)來(lái)近似行為值函數(shù),從而在每個(gè)離散的時(shí)隙內(nèi)根據(jù)當(dāng)前系統(tǒng)狀態(tài)為每個(gè)網(wǎng)絡(luò)切片制定合適的VNF遷移策略及CPU資源分配方案。仿真結(jié)果表明,所提算法在有效地滿足各切片QoS需求的同時(shí),降低了基礎(chǔ)設(shè)施的平均能耗。
針對(duì)現(xiàn)有興趣點(diǎn)(POI)推薦算法對(duì)不同簽到特征的用戶缺乏自適應(yīng)性問(wèn)題,該文提出一種基于用戶簽到活躍度(UCA)特征和時(shí)空(TS)概率模型的自適應(yīng)興趣點(diǎn)推薦方法UCA-TS。利用概率統(tǒng)計(jì)分析方法提取用戶簽到的活躍度特征,給出一種用戶不活躍和活躍的隸屬度計(jì)算方法。在此基礎(chǔ)上,分別采用結(jié)合時(shí)間因素的1維冪律函數(shù)和2維高斯核密度估計(jì)來(lái)計(jì)算不活躍和活躍特征的概率值,同時(shí)融入興趣點(diǎn)流行度來(lái)進(jìn)行推薦。該方法能自適應(yīng)用戶的簽到特征,并能更準(zhǔn)確體現(xiàn)用戶簽到的時(shí)間和空間偏好。實(shí)驗(yàn)結(jié)果表明,該方法能夠有效提高推薦精度和召回率。
正交頻分復(fù)用(OFDM)已被廣泛應(yīng)用于無(wú)線通信系統(tǒng),其數(shù)據(jù)傳輸安全具有一定的實(shí)際意義。該文提出了一種雙重加密方案,采用神經(jīng)網(wǎng)絡(luò)生成置亂矩陣實(shí)現(xiàn)第1次加密,通過(guò)基于Logistic映射與Sine映射的復(fù)合離散混沌系統(tǒng)產(chǎn)生的混沌序列進(jìn)行第2次加密。該雙重加密方案極大提升了OFDM通信系統(tǒng)的保密性,可以有效地防止暴力攻擊。相比于單一的1維Logistic映射的混沌系統(tǒng),基于Logistic映射與Sine映射的復(fù)合離散混沌系統(tǒng)具有更大的密鑰空間。該文運(yùn)用Lyapunov指數(shù)與NIST測(cè)試驗(yàn)證了該混沌系統(tǒng)的混沌特性及隨機(jī)性,并仿真驗(yàn)證了雙重加密方案的保密性能。仿真結(jié)果表明,該文所提出的加密方案密鑰空間為4×1093,Lyapunov指數(shù)提高到0.9850,NIST測(cè)試中最大P值為0.9995。該雙重加密方案可在不影響傳輸性能下極大提升OFDM通信系統(tǒng)的安全性。
針對(duì)網(wǎng)絡(luò)流量異常檢測(cè)過(guò)程中提取的流量特征準(zhǔn)確性低、魯棒性差導(dǎo)致流量攻擊檢測(cè)率低、誤報(bào)率高等問(wèn)題,該文結(jié)合堆疊降噪自編碼器(SDA)和softmax,提出一種基于深度特征學(xué)習(xí)的網(wǎng)絡(luò)流量異常檢測(cè)方法。首先基于粒子群優(yōu)化算法設(shè)計(jì)SDA結(jié)構(gòu)兩階段尋優(yōu)算法:根據(jù)流量檢測(cè)準(zhǔn)確率依次對(duì)隱藏層層數(shù)及每層節(jié)點(diǎn)數(shù)進(jìn)行尋優(yōu),確定搜索空間中的最優(yōu)SDA結(jié)構(gòu),從而提高SDA提取特征的準(zhǔn)確性。然后采用小批量梯度下降算法對(duì)優(yōu)化的SDA進(jìn)行訓(xùn)練,通過(guò)最小化含噪數(shù)據(jù)重構(gòu)向量與原始輸入向量間的差異,提取具有較強(qiáng)魯棒性的流量特征。最后基于提取的流量特征對(duì)softmax進(jìn)行訓(xùn)練構(gòu)建異常檢測(cè)分類器,從而實(shí)現(xiàn)對(duì)流量攻擊的高性能檢測(cè)。實(shí)驗(yàn)結(jié)果表明:該文所提方法可根據(jù)實(shí)驗(yàn)數(shù)據(jù)及其分類任務(wù)動(dòng)態(tài)調(diào)整SDA結(jié)構(gòu),提取的流量特征具有更高的準(zhǔn)確性和魯棒性,流量攻擊檢測(cè)率高、誤報(bào)率低。
移動(dòng)邊緣計(jì)算(MEC)中計(jì)算卸載決策可能暴露用戶特征,導(dǎo)致用戶被鎖定。針對(duì)此問(wèn)題,該文提出一種基于Lyapunov優(yōu)化的隱私感知計(jì)算卸載方法。首先,該方法定義卸載任務(wù)中的隱私量,并引入隱私限制使各MEC節(jié)點(diǎn)上卸載任務(wù)的累積隱私量盡可能??;然后,提出假任務(wù)機(jī)制權(quán)衡終端能耗和隱私保護(hù)的關(guān)系,當(dāng)系統(tǒng)因隱私限制無(wú)法正常執(zhí)行計(jì)算卸載時(shí),在MEC節(jié)點(diǎn)生成虛假的卸載任務(wù)以降低累積隱私量;最后,建立隱私感知計(jì)算卸載模型,并基于Lyapunov優(yōu)化原理求解。仿真結(jié)果表明,基于Lyapunov優(yōu)化的隱私感知卸載算法(LPOA)能使用戶的累積隱私量穩(wěn)定在0附近,且總卸載頻率與不考慮隱私的決策一致,有效保護(hù)了用戶隱私,同時(shí)保持了較低的平均能耗。
跨廣域網(wǎng)的虛擬機(jī)實(shí)時(shí)遷移是多數(shù)據(jù)中心云計(jì)算環(huán)境的重要技術(shù)支撐。當(dāng)前跨廣域網(wǎng)的虛擬機(jī)實(shí)時(shí)遷移受到帶寬小和無(wú)共享存儲(chǔ)的限制而面臨著技術(shù)挑戰(zhàn),如鏡像數(shù)據(jù)遷移的安全性和一致性問(wèn)題。為此,該文提出基于哈希圖(HashGraph)的跨數(shù)據(jù)中心虛擬機(jī)實(shí)時(shí)遷移方法,運(yùn)用去中心化的思想,實(shí)現(xiàn)數(shù)據(jù)中心之間可靠和高效的鏡像信息分布式共享。通過(guò)HashGraph中Merkle DAG存儲(chǔ)結(jié)構(gòu),改善了重復(fù)數(shù)據(jù)刪除在跨數(shù)據(jù)中心遷移虛擬機(jī)鏡像時(shí)的缺陷。與現(xiàn)有方法相比,該文方法縮短了總遷移時(shí)間。
SIMON系列算法自提出以來(lái)便受到了廣泛關(guān)注。積分分析方面,Wang,F(xiàn)u和Chu等人給出了SIMON32和SIMON48算法的積分分析,該文在已有的分析結(jié)果上,進(jìn)一步考慮了更長(zhǎng)分組的SIMON64算法的積分分析?;赬iang等人找到的18輪積分區(qū)分器,該文先利用中間相遇技術(shù)和部分和技術(shù)給出了25輪SIMON64/128算法的積分分析,接著利用等價(jià)密鑰技術(shù)進(jìn)一步降低了攻擊過(guò)程中需要猜測(cè)的密鑰量,并給出了26輪SIMON64/128算法的積分分析。通過(guò)進(jìn)一步的分析,該文發(fā)現(xiàn)高版本的SIMON算法具有更好抵抗積分分析的能力。
針對(duì)實(shí)時(shí)系統(tǒng)能耗管理中動(dòng)態(tài)電壓調(diào)節(jié)(DVS)技術(shù)的應(yīng)用會(huì)導(dǎo)致系統(tǒng)可靠性下降的問(wèn)題,該文提出一種基于改進(jìn)鳥群(IoBSA)算法的動(dòng)態(tài)能耗管理法。首先,采用佳點(diǎn)集原理均勻地初始化種群,從而提高初始解的質(zhì)量,有效增強(qiáng)種群多樣性;其次,為了更好地平衡BSA算法的全局和局部搜索能力,提出非線性動(dòng)態(tài)調(diào)整因子;接著,針對(duì)嵌入式實(shí)時(shí)系統(tǒng)中處理器頻率可以動(dòng)態(tài)調(diào)整的特點(diǎn),建立具有時(shí)間和可靠性約束的功耗模型;最后,在保證實(shí)時(shí)性和穩(wěn)定性的前提下,利用提出的IoBSA算法,尋求最小能耗的解決方案。通過(guò)實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)BSA等常見算法相比,改進(jìn)鳥群算法在求解最小能耗上有著很強(qiáng)的優(yōu)勢(shì)及較快的處理速度。
合理高效地優(yōu)化調(diào)度救災(zāi)物資對(duì)提升地震應(yīng)急救援效果具有重要意義。地震應(yīng)急需要同時(shí)兼顧時(shí)效性、公平性和經(jīng)濟(jì)性等相互沖突的多個(gè)調(diào)度目標(biāo)。該文對(duì)地震應(yīng)急物資調(diào)度問(wèn)題建立了帶約束的3目標(biāo)優(yōu)化模型,并設(shè)計(jì)了基于進(jìn)化狀態(tài)評(píng)估的自適應(yīng)多目標(biāo)粒子群優(yōu)化算法(AMOPSO/ESE)來(lái)求解Pareto最優(yōu)解集。然后根據(jù)“先粗后精”的決策行為模式提出了由興趣最優(yōu)解集和鄰域最優(yōu)解集構(gòu)成的Pareto前沿來(lái)輔助決策過(guò)程。仿真表明該算法能有效地獲得優(yōu)化調(diào)度方案,與其他算法相比,所得Pareto解集在收斂性和多樣性上具有性能優(yōu)勢(shì)。
該文提出一種新型的集成TSK模糊分類器(IK-D-TSK),首先通過(guò)并行學(xué)習(xí)的方式組織所有0階TSK模糊子分類器,然后每個(gè)子分類器的輸出被擴(kuò)充到原始(驗(yàn)證)輸入空間,最后通過(guò)提出的迭代模糊聚類算法(IFCM)作用在增強(qiáng)驗(yàn)證集上生成數(shù)據(jù)字典,從而利用KNN對(duì)測(cè)試數(shù)據(jù)進(jìn)行快速預(yù)測(cè)。IK-D-TSK具有以下優(yōu)點(diǎn):在IK-D-TSK中,每個(gè)0階TSK子分類器的輸出被擴(kuò)充到原始入空間,以并行方式打開原始(驗(yàn)證)輸入空間中存在的流形結(jié)構(gòu),根據(jù)堆棧泛化原理,可以保證提高分類精度;和傳統(tǒng)TSK模糊分類器相比,IK-D-TSK以并行方式訓(xùn)練所有的子分類器,因此運(yùn)行速度可以得到有效保證;由于IK-D-TSK是在以IFCM & KNN所獲得的數(shù)據(jù)字典的基礎(chǔ)上進(jìn)行分類的,因此具有強(qiáng)魯棒性。理論和實(shí)驗(yàn)驗(yàn)證了模糊分類器IK-D-TSK具有較高的分類性能、強(qiáng)魯棒性和高可解釋性。
針對(duì)暗通道先驗(yàn)去霧算法的不足,如天空區(qū)域透射率估計(jì)過(guò)小和在景深突變處易發(fā)生光暈效應(yīng),該文提出一種新穎且高效的去霧算法。首先通過(guò)幾何分析建立霧圖對(duì)應(yīng)無(wú)霧圖像暗通道圖的平面扇形模型,然后設(shè)定一種新型的高斯均值函數(shù),對(duì)其標(biāo)準(zhǔn)差進(jìn)行自適應(yīng)處理,用以估計(jì)扇形模型的上下邊界值,通過(guò)引入均值不等關(guān)系對(duì)兩側(cè)邊界進(jìn)行逼近,擬合出最優(yōu)無(wú)霧圖像暗通道圖,進(jìn)一步求得最佳透射率,同時(shí)也改進(jìn)局部大氣光的探索方法并復(fù)原出最終結(jié)果。實(shí)驗(yàn)表明,與其它一些經(jīng)典算法相比較,所提算法能廣泛適用于各類圖像,去霧程度徹底且效果清晰自然,具有較低的時(shí)間復(fù)雜度,有利于實(shí)時(shí)處理。
為提高全變分圖像降噪模型的降噪性能和邊緣保持性能,該文提出一種曲率差分驅(qū)動(dòng)的極小曲面濾波器。首先,在平均曲率濾波器模型基礎(chǔ)上,引入自適應(yīng)曲率差分邊緣探測(cè)函數(shù),建立曲率差分驅(qū)動(dòng)的極小曲面濾波器模型;接著,從微分幾何理論角度,闡述該能量泛函模型的物理意義和平均曲率能量減小方法;最后,在離散的圖像域,通過(guò)迭代的方式使圖像每個(gè)像素鄰域內(nèi)的曲面向極小曲面迭代進(jìn)化,實(shí)現(xiàn)能量泛函的平均曲率能量極小化,從而能量泛函的總能量也完成極小化。實(shí)驗(yàn)表明,該濾波器不僅能去除高斯噪聲、椒鹽噪聲,還能去除這兩類噪聲構(gòu)成的混合噪聲,其降噪性能和邊緣保持性能優(yōu)于同類型的其他5種全變分算法。
針對(duì)目前基于度量學(xué)習(xí)的小樣本方法存在特征提取尺度單一,類特征學(xué)習(xí)不準(zhǔn)確,相似性計(jì)算依賴標(biāo)準(zhǔn)度量等問(wèn)題,該文提出多級(jí)注意力特征網(wǎng)絡(luò)。首先對(duì)圖像進(jìn)行尺度處理獲得多個(gè)尺度圖像;其次通過(guò)圖像級(jí)注意力機(jī)制融合所提取的多個(gè)尺度圖像特征獲取圖像級(jí)注意力特征;在此基礎(chǔ)上使用類級(jí)注意機(jī)制學(xué)習(xí)每個(gè)類的類級(jí)注意力特征。最后通過(guò)網(wǎng)絡(luò)計(jì)算樣本特征與每個(gè)類的類級(jí)注意力特征的相似性分?jǐn)?shù)來(lái)預(yù)測(cè)分類。該文在Omniglot和MiniImageNet兩個(gè)數(shù)據(jù)集上驗(yàn)證多級(jí)注意力特征網(wǎng)絡(luò)的有效性。實(shí)驗(yàn)結(jié)果表明,相比于單一尺度圖像特征和均值類原型,多級(jí)注意力特征網(wǎng)絡(luò)進(jìn)一步提高了小樣本條件下的分類準(zhǔn)確率。
通過(guò)對(duì)基于復(fù)合域S-box構(gòu)造算法的深入研究,該文提出一種低面積復(fù)雜度的通用低熵高階掩碼算法。在有限域GF(24)上引入低熵掩碼思想,并采用部分模塊復(fù)用設(shè)計(jì),有效降低了基于復(fù)合域S-box求逆運(yùn)算的乘法數(shù)量。該算法能夠適用于由求逆運(yùn)算構(gòu)成的任意分組加密算法,進(jìn)一步將本方案應(yīng)用于分組加密算法高級(jí)加密標(biāo)準(zhǔn)(AES),給出了詳細(xì)的綜合仿真結(jié)果并進(jìn)行了版圖面積優(yōu)化,較傳統(tǒng)的掩碼方案相比有效減少了邏輯資源的使用,此外,對(duì)其安全性進(jìn)行了理論驗(yàn)證。
為改善包絡(luò)跟蹤(ET)發(fā)射機(jī)帶寬、效率、線性度等指標(biāo),需優(yōu)化其關(guān)鍵電路性能并校正系統(tǒng)非線性行為。針對(duì)該問(wèn)題,該文構(gòu)建電源調(diào)制器等效模型,推導(dǎo)其效率極值并闡述效率優(yōu)化方法;引入頻率補(bǔ)償網(wǎng)絡(luò)來(lái)提升電路帶寬及線性性能;基于系統(tǒng)非線性行為特征,提出包絡(luò)增強(qiáng)型數(shù)字預(yù)失真模型及線性化方案;設(shè)計(jì)實(shí)際電路并搭建包絡(luò)跟蹤系統(tǒng)。對(duì)于S頻段5/10/20 MHz帶寬6.7 dB峰均比測(cè)試信號(hào),該系統(tǒng)功放平均效率分別為61%, 54%, 44%,且矢量幅度誤差(EVM)均優(yōu)于1%,具有較好的帶寬、效率、線性度等性能,驗(yàn)證了電路優(yōu)化方法及非線性行為校正方案的可行性。