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

針對旁瓣零陷凹面約束的稀疏平面陣列優(yōu)化及算法早熟等問題，該文基于參數(shù)自適應(yīng)的思想，提出一種混合三角變異差分進化算法。通過引入旁瓣零陷凹面約束矩陣，構(gòu)建自適應(yīng)懲罰函數(shù)，時變權(quán)重組合變異策略與交叉策略，提高算法前期全局搜索能力和后期收斂能力，最終實現(xiàn)峰值旁瓣電平和旁瓣零陷凹面的平面陣列約束優(yōu)化。仿真結(jié)果表明，對比混合三角變異策略前的算法，該算法在完成稀疏陣列峰值旁瓣電平優(yōu)化的同時，能在指定旁瓣區(qū)域完成零陷凹面設(shè)計，降低有源干擾影響。

為降低現(xiàn)有的共心式矢量傳感器陣列天線間存在的嚴(yán)重互耦影響，進一步提高參數(shù)估計精度，該文提出一種稀疏拉伸式L型極化敏感陣列(SSL-PSA)，并針對該陣列提出一種2維波達方向(DOA)和極化參數(shù)聯(lián)合估計算法。首先建立稀疏拉伸式極化敏感陣列的信號模型，然后將陣列劃分為6個子陣，采用子空間旋轉(zhuǎn)不變算法(ESPRIT)算法得到多個旋轉(zhuǎn)不變因子(RIFs)，再根據(jù)旋轉(zhuǎn)不變因子間的關(guān)系，通過數(shù)學(xué)運算，得到一組方向余弦有模糊精估計值和4組無模糊粗估計值；然后重構(gòu)出對應(yīng)的4組導(dǎo)向矢量，根據(jù)導(dǎo)向矢量和噪聲子空間的正交性，確定出正確的一組無模糊粗估計值；最后通過現(xiàn)有的解模糊方法得到高精度且無模糊的DOA和極化參數(shù)估計值。該文所提陣列不存在共心結(jié)構(gòu)，相對于現(xiàn)有的含有共心式矢量傳感器結(jié)構(gòu)的陣列，大大降低了互耦影響，且可在不增加天線數(shù)目的前提下，有效擴展陣列的2維孔徑，大大提高DOA估計精度。仿真結(jié)果證明該文所提方法的有效性。

傳統(tǒng)的距離擴展目標(biāo)檢測一般在散射點密度或散射點數(shù)量先驗條件下完成，在目標(biāo)散射點信息完全未知時檢測性能會大幅降低。針對這個問題，該文提出一種基于強散射點在線估計的距離擴展目標(biāo)檢測方法(OESS-RSTD)，該方法利用機器學(xué)習(xí)中的無監(jiān)督聚類算法在線估計強散射點數(shù)量以及首次檢測門限，然后再結(jié)合虛警率，確定2次檢測門限，最后通過兩次門限檢測完成目標(biāo)有無的判決。該文分別利用仿真數(shù)據(jù)和實測數(shù)據(jù)進行了試驗驗證，并和其他算法進行了試驗對比，通過虛警概率一定時的信噪比(SNR)-檢測概率曲線驗證了該文所提方法相對于傳統(tǒng)算法有更高的穩(wěn)健性，且該方法不需要目標(biāo)散射點的任何先驗信息。

針對移動機器人導(dǎo)航過程中無法規(guī)避大型凹型障礙物問題，該文提出一種多狀態(tài)的組合導(dǎo)航算法。算法按照不同的運動環(huán)境，將移動機器人的運行狀態(tài)分類為運行態(tài)、切換態(tài)、避障態(tài)，同時定義了基于移動機器人運行速度和運行時間的狀態(tài)雙切換條件。當(dāng)移動機器人處于運行態(tài)時，采用人工勢場法(APFM)進行導(dǎo)航，并實時觀測毗鄰障礙物的幾何構(gòu)型。在遭遇障礙物時，切換態(tài)用于判斷是否滿足狀態(tài)切換條件，以進入避障態(tài)執(zhí)行避障算法。避障完成后，狀態(tài)自動切換回運行態(tài)繼續(xù)執(zhí)行導(dǎo)航任務(wù)。多狀態(tài)的提出，可有效解決傳統(tǒng)人工勢場法在大型凹形障礙物的避障過程中存在局部震蕩的問題?；谶\行速度和運行時間的雙切換條件判定算法，可實現(xiàn)多狀態(tài)間的平滑切換。實驗結(jié)果表明，該算法在解決局部震蕩問題的同時，還可降低避障時間，提升導(dǎo)航算法效率。

為了提高強非線性信號的噪聲消除和信道均衡能力，在核學(xué)習(xí)自適應(yīng)濾波方法的基礎(chǔ)上，該文提出一種基于驚奇準(zhǔn)則的多尺度核學(xué)習(xí)仿射投影濾波方法(SC-MKAPA)。在核仿射投影濾波算法的基礎(chǔ)上，對核組合函數(shù)結(jié)構(gòu)進行改進，將多個不同高斯核帶寬作為可變參數(shù)，與加權(quán)系數(shù)共同參與濾波器的更新；利用驚奇準(zhǔn)則將計算結(jié)果稀疏化，根據(jù)仿射投影算法的約束條件對驚奇測度進行改進，簡化其方差項，降低了計算的復(fù)雜度。將該算法應(yīng)用于噪聲消除、信道均衡以及MG時間序列預(yù)測中，與多種自適應(yīng)濾波算法及核學(xué)習(xí)自適應(yīng)濾波算法進行仿真結(jié)果的對比分析，驗證了該算法的優(yōu)越性。

針對脈沖噪聲中的信號檢測問題，該文提出一種基于指數(shù)函數(shù)的非線性變換函數(shù)設(shè)計與優(yōu)化方法。該方法利用指數(shù)函數(shù)衰減速度可調(diào)的優(yōu)點，適用于脈沖噪聲的各種分布模型。通過引入效能函數(shù)，將非線性函數(shù)設(shè)計問題轉(zhuǎn)化為以效能最大化為目標(biāo)的閾值與底數(shù)參數(shù)優(yōu)化問題。由于效能是關(guān)于待優(yōu)化參數(shù)的連續(xù)可導(dǎo)且單峰函數(shù)，該優(yōu)化問題可采用數(shù)值優(yōu)化方法如單純形法快速穩(wěn)健地求解。性能分析表明，針對脈沖噪聲常用的對稱α穩(wěn)定分布、Class A分布和高斯混合分布，該文方法均能取得基本最優(yōu)檢測性能，基于實測大氣噪聲仿真的通信誤碼率也明顯優(yōu)于傳統(tǒng)的削波器和置零器。因此，該文為各種分布的脈沖噪聲提供了一個統(tǒng)一的最優(yōu)抑制解決方法。

發(fā)射機的指紋特征具有復(fù)雜性，現(xiàn)有的認識水平制約了特定輻射源識別(SEI)的性能。為此，該文提出一種基于矢量圖的SEI方法，應(yīng)用深度學(xué)習(xí)技術(shù)實現(xiàn)了多種復(fù)雜特征的聯(lián)合提取。該文首先分析了多種發(fā)射機畸變在矢量圖上的視覺表現(xiàn)；在此基礎(chǔ)上，以矢量圖灰度圖像作為信號表示，構(gòu)建深度殘差網(wǎng)絡(luò)提取圖像中的視覺特征。該方法克服了現(xiàn)有認知的局限，兼具高信息完整性和低計算復(fù)雜度。實驗結(jié)果表明，與現(xiàn)有算法相比，該方法能夠顯著改善SEI的性能，識別增益約為30%。

該文針對干擾源以及竊聽節(jié)點均隨機分布的通信場景，分析了認知無線電啟發(fā)式非正交多址接入(CR-NOMA)網(wǎng)絡(luò)中次用戶通信對的安全通信性能。采用隨機幾何理論，將竊聽節(jié)點和干擾節(jié)點建模為服從特定分布的齊次泊松點過程(PPP)。首先，在保證主用戶通信對通信可靠性的前提下，得到了發(fā)端設(shè)定的功率分配系數(shù)，進一步得到了次用戶通信對的連接中斷概率和安全中斷概率的閉式表達式。隨后，得到了功率分配系數(shù)隨主用戶可靠性能約束的變化規(guī)律。最后，研究了次用戶對的中斷概率隨著竊聽節(jié)點密度、發(fā)端發(fā)送功率的變化情況，結(jié)果表明干擾信號的增強在降低網(wǎng)絡(luò)可靠性能的同時，換來了安全性能的提高。仿真結(jié)果驗證了理論分析的正確性。

針對多蜂窩多用戶異構(gòu)無線網(wǎng)絡(luò)干擾管理和效率提升問題，該文研究了基于干擾效率最大的下行鏈路基站(BS)-用戶匹配和功率分配問題。首先，考慮宏用戶和微蜂窩用戶的服務(wù)質(zhì)量，將問題建模為多變量混合整數(shù)非線性規(guī)劃問題。其次將原問題分解為基站選擇和功率分配兩個子問題。針對基站選擇問題，利用凸優(yōu)化問題獲得最優(yōu)基站選擇策略；針對功率分配問題，利用二次變換法和Dinkelbach輔助變量法，將功率分配問題轉(zhuǎn)換為凸優(yōu)化問題求解。仿真結(jié)果表明，與現(xiàn)有算法對比，該算法具有較好的干擾效率和干擾控制性能。

針對現(xiàn)有群智感知平臺在數(shù)據(jù)和酬金交付過程中存在的安全風(fēng)險和隱私泄露問題，該文提出一種基于Tangle網(wǎng)絡(luò)的分布式群智感知數(shù)據(jù)安全交付模型。首先，在數(shù)據(jù)感知階段，調(diào)用局部異常因子檢測算法剔除異常數(shù)據(jù)，聚類獲取感知數(shù)據(jù)并確定可信參與者節(jié)點。然后，在交易寫入階段，使用馬爾科夫蒙特卡洛算法選擇交易并驗證其合法性，通過注冊認證中心登記完成匿名身份數(shù)據(jù)上傳，并將交易同步寫入分布式賬本。最后，結(jié)合Tangle網(wǎng)絡(luò)的累計權(quán)重共識機制，當(dāng)交易安全性達到閾值時，任務(wù)發(fā)布者可進行數(shù)據(jù)和酬金的安全交付。仿真試驗表明，在模型保護用戶隱私的同時，增強了數(shù)據(jù)和酬金的安全交付能力，相比現(xiàn)有感知平臺降低了時間復(fù)雜度和任務(wù)發(fā)布成本。

針對蠕蟲病毒通常只能感染特定操作系統(tǒng)的特點，該文研究了多操作系統(tǒng)異構(gòu)網(wǎng)絡(luò)中的病毒傳播規(guī)律及安全性能優(yōu)化策略。首先，考慮多數(shù)病毒僅限在同種操作系統(tǒng)之間的鏈路中傳播，在SIRS病毒傳播模型中引入異構(gòu)邊比例參數(shù)，通過系統(tǒng)平衡點求解和基本再生數(shù)分析，研究異構(gòu)邊對單系統(tǒng)病毒傳播和網(wǎng)絡(luò)安全性能的影響。其次，按照動態(tài)目標(biāo)防御思想和技術(shù)，設(shè)計了非異構(gòu)邊隨機中斷、非異構(gòu)邊隨機重連和單操作系統(tǒng)節(jié)點隨機跳變3種網(wǎng)絡(luò)安全優(yōu)化策略，分析了3種策略下異構(gòu)邊比例和基本再生數(shù)的變化及其對網(wǎng)絡(luò)安全性能的影響。最后仿真驗證了病毒傳播模型的正確性和3種策略的網(wǎng)絡(luò)安全性能優(yōu)化效果，同隨機中斷和隨機隔離策略對比，分析其對網(wǎng)絡(luò)安全性能和網(wǎng)絡(luò)業(yè)務(wù)承載能力的影響。

該文提出一種基于包含離散混沌系統(tǒng)、連續(xù)混沌系統(tǒng)的混沌系統(tǒng)集的混沌加密算法，該加密算法可以根據(jù)加密強度需求選擇不同的混沌系統(tǒng)組合，利用圖像像素的像素均值及像素坐標(biāo)值為參數(shù)控制混沌密鑰產(chǎn)生，增強混沌密鑰與明文數(shù)據(jù)之間的聯(lián)系。在加密基礎(chǔ)上，將密文按位切割成3個數(shù)據(jù)后偽裝隱藏在一個處理后的公開圖像內(nèi)，改變了密文外觀特性。通過對加密后的圖像進行圖像直方圖分析、相鄰像素相關(guān)性分析及圖像信息熵分析，表明該加密算法有效，在圖像保密傳輸中具有應(yīng)用潛力。

為了解決光學(xué)加密技術(shù)中混沌序列分布不均勻，抗選擇明文攻擊能力弱以及菲涅爾域雙隨機相位編碼系統(tǒng)對第1個衍射距離不敏感等問題，該文基于螺旋相位變換和新型廣義Fibonacci混沌系統(tǒng)，提出一種光學(xué)圖像加密算法。在菲涅爾域的雙隨機相位編碼中對明文圖像進行相位編碼和螺旋相位變換，克服系統(tǒng)對第1塊隨機模板和衍射距離不敏感的缺陷，提高光學(xué)密鑰敏感性。添加安全圖像與明文進行加權(quán)干涉，進一步提高光學(xué)密鑰敏感性和密鑰維度。構(gòu)造可產(chǎn)生均勻混沌序列的廣義Fibonacci混沌系統(tǒng)生成隨機模板，解決密鑰體積過大分發(fā)傳遞困難問題，克服Logistic混沌分布不均勻的缺點，提高密鑰傳輸效率及密鑰敏感性。同時用明文哈希值SHA-256生成混沌初值和螺旋相位變換參數(shù)，使得密鑰流隨明文自適應(yīng)變化，達到“一次一密”的效果，提高算法抵抗選擇明文攻擊能力和明文敏感性，雪崩效應(yīng)更強。實驗對比表明該算法明文及密鑰敏感性高，密鑰空間大，魯棒性好，能有效抵御各種攻擊，是一種高安全性的光學(xué)圖像加密方法。

RGB-D圖像顯著性檢測是在一組成對的RGB和Depth圖中識別出視覺上最顯著突出的目標(biāo)區(qū)域。已有的雙流網(wǎng)絡(luò)，同等對待多模態(tài)的RGB和Depth圖像數(shù)據(jù)，在提取特征方面幾乎一致。然而，低層的Depth特征存在較大噪聲，不能很好地表征圖像特征。因此，該文提出一種多模態(tài)特征融合監(jiān)督的RGB-D圖像顯著性檢測網(wǎng)絡(luò)，通過兩個獨立流分別學(xué)習(xí)RGB和Depth數(shù)據(jù)，使用雙流側(cè)邊監(jiān)督模塊分別獲取網(wǎng)絡(luò)各層基于RGB和Depth特征的顯著圖，然后采用多模態(tài)特征融合模塊來融合后3層RGB和Depth高維信息生成高層顯著預(yù)測結(jié)果。網(wǎng)絡(luò)從第1層至第5層逐步生成RGB和Depth各模態(tài)特征，然后從第5層到第3層，利用高層指導(dǎo)低層的方式產(chǎn)生多模態(tài)融合特征，接著從第2層到第1層，利用第3層產(chǎn)生的融合特征去逐步地優(yōu)化前兩層的RGB特征，最終輸出既包含RGB低層信息又融合RGB-D高層多模態(tài)信息的顯著圖。在3個公開數(shù)據(jù)集上的實驗表明，該文所提網(wǎng)絡(luò)因為使用了雙流側(cè)邊監(jiān)督模塊和多模態(tài)特征融合模塊，其性能優(yōu)于目前主流的RGB-D顯著性檢測模型，具有較強的魯棒性。

為克服傳統(tǒng)模糊聚類算法應(yīng)用于圖像分割時，易受噪聲影響，對聚類中心初始值敏感，易陷入局部最優(yōu)，模糊信息處理能力不足等缺陷，該文提出基于近鄰搜索花授粉優(yōu)化的直覺模糊聚類圖像分割算法。首先設(shè)計一種新穎的圖像空間信息提取策略，進而構(gòu)造融合圖像空間信息的直覺模糊聚類目標(biāo)函數(shù)，提高對于噪聲的魯棒性，提升算法處理圖像中模糊信息的能力。為了優(yōu)化上述目標(biāo)函數(shù)，提出一種基于近鄰學(xué)習(xí)搜索機制的花授粉算法，實現(xiàn)對于聚類中心的尋優(yōu)，解決對于聚類中心初始值敏感，易陷入局部最優(yōu)的問題。實驗結(jié)果表明所提算法能在多種噪聲圖像上取得令人滿意的分割效果。

高反光物體成像時反射的光強容易超出傳感器接收光強的最大量化值，使得采集圖像部分區(qū)域圖像失真，嚴(yán)重影響信息傳遞。為了改善高反光成像飽和區(qū)域中數(shù)據(jù)丟失的狀況，該文結(jié)合壓縮感知這一新的采樣理論提出基于壓縮感知高反光成像方法，利用特定測量矩陣對目標(biāo)圖像進行線性采樣，將CCD圖像傳感器的單個光強采樣值與測量矩陣中的分布數(shù)據(jù)對應(yīng)結(jié)合，對整合后的數(shù)據(jù)用算法進行恢復(fù)重建實現(xiàn)被測目標(biāo)在高光環(huán)境中成像。以峰值信噪比和灰度直方圖作為客觀評定標(biāo)準(zhǔn)。實驗表明，該成像方法魯棒性較強、可行性較高，直方圖檢測飽和像素占比為0%，峰值信噪比為58.37 dB實現(xiàn)了在高光環(huán)境下不含飽和光成像，為壓縮感知在成像應(yīng)用中提供了新的方向。

手語識別涉及計算機視覺、模式識別、人機交互等領(lǐng)域，具有重要的研究意義與應(yīng)用價值。深度學(xué)習(xí)技術(shù)的蓬勃發(fā)展為更加精準(zhǔn)、實時的手語識別帶來了新的機遇。該文綜述了近年來基于深度學(xué)習(xí)的手語識別技術(shù)，從孤立詞與連續(xù)語句兩個分支展開詳細的算法闡述與分析。孤立詞識別技術(shù)劃分為基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)、3維卷積神經(jīng)網(wǎng)絡(luò)(3D-CNN)和循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN) 3種架構(gòu)的方法；連續(xù)語句識別所用模型復(fù)雜度更高，通常需要輔助某種長時時序建模算法，按其主體結(jié)構(gòu)分為雙向長短時記憶網(wǎng)絡(luò)模型、3維卷積網(wǎng)絡(luò)模型和混合模型。歸納總結(jié)了目前國內(nèi)外常用手語數(shù)據(jù)集，探討了手語識別技術(shù)的研究挑戰(zhàn)與發(fā)展趨勢，高精度前提下的魯棒性和實用化仍有待于推進。

為了解決絕緣子目標(biāo)檢測中無法精確定位的問題，該文基于深度學(xué)習(xí)提出一種絕緣子定向識別算法，通過在軸對齊檢測框中加入角度信息，可有效解決常規(guī)深度學(xué)習(xí)算法無法精確定位目標(biāo)的問題。該算法首先將角度旋轉(zhuǎn)參數(shù)引入軸對齊矩形檢測框中構(gòu)成定向檢測框，然后將該參數(shù)偏移量作為第5參數(shù)加入到損失函數(shù)中進行迭代回歸，同時為提高檢測精度在訓(xùn)練過程中使用Adam算法替代隨機梯度下降(SGD)算法進行損失函數(shù)優(yōu)化，最終可獲得絕緣子定向檢測模型。實驗分析表明，加入旋轉(zhuǎn)角度的定向檢測框可有效對絕緣子目標(biāo)進行精確定位。

針對運動想象腦電信號(EEG)的非線性、非平穩(wěn)特點，該文提出一種結(jié)合條件經(jīng)驗?zāi)Ｊ椒纸?CEMD)和串并行卷積神經(jīng)網(wǎng)絡(luò)(SPCNN)的腦電信號識別方法。在CEMD過程中，采用各階固有模式分量(IMF)與原始信號的相關(guān)性系數(shù)作為第1個IMF篩選條件，在此基礎(chǔ)上，提出各階IMF之間的相對能量占有率作為第2個IMF篩選條件。此外，為了考慮腦電信號各個通道之間的特征和突出每個通道內(nèi)的特征，該文提出SPCNN網(wǎng)絡(luò)模型對進行CEMD過程后的腦電信號進行分類。實驗結(jié)果表明，在自行采集的腦電數(shù)據(jù)集上平均識別率達到94.58%。在公開數(shù)據(jù)集BCI competition IV 2b上平均識別率達到82.13%，比卷積神經(jīng)網(wǎng)絡(luò)提高了3.85%。最后，在自行設(shè)計的智能輪椅腦電控制平臺上進行了輪椅前進、左轉(zhuǎn)和右轉(zhuǎn)在線控制實驗，驗證了該文算法對腦電信號識別的有效性。