

郵件訂閱
立方攻擊的預(yù)處理階段復(fù)雜度隨輸出比特代數(shù)次數(shù)的增長(zhǎng)呈指數(shù)級(jí)增長(zhǎng),尋找有效立方集合的難度也隨之增加。該文對(duì)立方攻擊中預(yù)處理階段的算法做了改進(jìn),在立方集合搜索時(shí),由隨機(jī)搜索變?yōu)閹繕?biāo)的搜索,設(shè)計(jì)了一個(gè)新的目標(biāo)搜索優(yōu)化算法,優(yōu)化了預(yù)處理階段的計(jì)算復(fù)雜度,進(jìn)而使離線階段時(shí)間復(fù)雜度顯著降低。將改進(jìn)的立方攻擊結(jié)合旁路方法應(yīng)用在MIBS分組密碼算法上,從旁路攻擊的角度分析MIBS的算法特點(diǎn),在第3輪選擇了泄露位置,建立關(guān)于初始密鑰和輸出比特的超定的線性方程組,可以直接恢復(fù)33 bit密鑰,利用二次檢測(cè)恢復(fù)6 bit密鑰。所需選擇明文量221.64,時(shí)間復(fù)雜度225。該結(jié)果較現(xiàn)有結(jié)果有較大改進(jìn),恢復(fù)的密鑰數(shù)增多,在線階段的時(shí)間復(fù)雜度降低。
可搜索加密技術(shù)的提出使用戶能夠?qū)?shù)據(jù)加密后存儲(chǔ)在云端,而且可以直接對(duì)密文數(shù)據(jù)進(jìn)行檢索。但現(xiàn)有的大部分可搜索加密方案都是單用戶對(duì)單用戶的模式,部分多用戶環(huán)境下的可搜索加密方案是基于傳統(tǒng)公鑰密碼或基于身份公鑰密碼系統(tǒng),因此這類方案存在證書管理和密鑰托管問題,且容易遭受內(nèi)部關(guān)鍵詞猜測(cè)攻擊。該文結(jié)合公鑰認(rèn)證加密和代理重加密技術(shù),提出一個(gè)高效的多用戶環(huán)境下無證書認(rèn)證可搜索加密方案。方案使用代理重加密技術(shù)對(duì)部分密文進(jìn)行重加密處理,使得授權(quán)用戶可以利用關(guān)鍵字生成陷門查詢對(duì)應(yīng)密文。在隨機(jī)預(yù)言模型下,證明方案具有抵抗無證書公鑰密碼環(huán)境下兩類攻擊者的內(nèi)部關(guān)鍵詞猜測(cè)攻擊的能力,且該方案的計(jì)算和通信效率優(yōu)于同類方案。
為了更快速且精確地診斷出大規(guī)模多處理器系統(tǒng)中的故障單元,該文首次將改進(jìn)的煙花算法和反向傳播(BP)神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種新的系統(tǒng)級(jí)故障診斷算法—煙花-反向傳播神經(jīng)網(wǎng)絡(luò)故障診斷算法(FWA-BPFD)。首先,在煙花算法中引入雙種群策略、協(xié)作算子以及最優(yōu)算子,設(shè)計(jì)新的適應(yīng)度函數(shù),優(yōu)化變異算子、映射規(guī)則和選擇策略。然后,利用煙花算法全局搜索能力和局部搜索能力的自調(diào)節(jié)機(jī)制,優(yōu)化BP神經(jīng)網(wǎng)絡(luò)中的權(quán)值和閾值的尋優(yōu)過程。仿真實(shí)驗(yàn)結(jié)果表明,該文算法相較于其他算法不僅有效地降低了迭代次數(shù)和訓(xùn)練時(shí)間,而且還進(jìn)一步提高了診斷精度。
針對(duì)軟件定義網(wǎng)絡(luò)(SDN)中OpenFlow協(xié)議匹配字段固定且數(shù)量有限,數(shù)據(jù)流轉(zhuǎn)發(fā)缺少有效的轉(zhuǎn)發(fā)驗(yàn)證機(jī)制等問題,該文提出一種基于數(shù)據(jù)平面可編程的軟件定義網(wǎng)絡(luò)報(bào)文轉(zhuǎn)發(fā)驗(yàn)證機(jī)制。通過為數(shù)據(jù)報(bào)文添加自定義密碼標(biāo)識(shí),將P4轉(zhuǎn)發(fā)設(shè)備加入基于OpenFlow的軟件定義網(wǎng)絡(luò),在不影響數(shù)據(jù)流正常轉(zhuǎn)發(fā)的基礎(chǔ)上,對(duì)網(wǎng)絡(luò)業(yè)務(wù)流精確控制和采樣??刂破黩?yàn)證采樣業(yè)務(wù)報(bào)文完整性,并針對(duì)異常報(bào)文下發(fā)流規(guī)則至OpenFlow轉(zhuǎn)發(fā)設(shè)備,對(duì)惡意篡改、偽造等異常數(shù)據(jù)流進(jìn)行轉(zhuǎn)發(fā)控制。最后,構(gòu)建基于開源BMv2的P4轉(zhuǎn)發(fā)設(shè)備和基于OpenFlow的Open vSwitch轉(zhuǎn)發(fā)設(shè)備的轉(zhuǎn)發(fā)驗(yàn)證原型,并構(gòu)建仿真網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,該機(jī)制能夠有效檢測(cè)業(yè)務(wù)報(bào)文篡改、偽造等轉(zhuǎn)發(fā)異常行為,與同類驗(yàn)證機(jī)制相比,在安全驗(yàn)證處理開銷保持不變的情況下,能夠?qū)崿F(xiàn)更細(xì)粒度的業(yè)務(wù)流精確控制采樣和更低的轉(zhuǎn)發(fā)時(shí)延。
由于無線傳感網(wǎng)絡(luò)(WSN)存在能量和帶寬的限制,在網(wǎng)絡(luò)中直接傳送模擬信號(hào)受到了極大地制約,因此對(duì)模擬信號(hào)量化是節(jié)省網(wǎng)絡(luò)能量和保證有效帶寬的重要手段。為此,該文以融合中心的重構(gòu)絕對(duì)均值誤差最小為原則,設(shè)計(jì)一種網(wǎng)絡(luò)量化及能量?jī)?yōu)化方法。首先,針對(duì)單傳感器,在能量固定的情況下推導(dǎo)了最優(yōu)量化位數(shù)及在量化位數(shù)固定的情況下推導(dǎo)了最優(yōu)能量分配。其次,在單傳感器的基礎(chǔ)上,進(jìn)一步推導(dǎo)多傳感器情況下最優(yōu)量化位數(shù)及最優(yōu)能量分配。以上兩種情況都考慮了傳感器測(cè)量噪聲及信道衰落損耗。最后,通過數(shù)值仿真方法驗(yàn)證了文中所提方法的正確性,并將其與等能量分配進(jìn)行了比較,獲得了較好的效果。
車聯(lián)網(wǎng)(VANETs)是組織車-X(X:車、路、行人及互聯(lián)網(wǎng)等)之間的無線通信和信息交換的大型網(wǎng)絡(luò),是智慧城市重要組成部分。其消息認(rèn)證算法的安全與效率對(duì)車聯(lián)網(wǎng)至關(guān)重要。該文分析王大星等人的VANETs消息認(rèn)證方案的安全不足,并提出一種改進(jìn)的可證安全的無證書聚合簽名方案。該文方案利用橢圓曲線密碼構(gòu)建了一個(gè)改進(jìn)的安全無證書聚合認(rèn)證方案。該方案降低了密碼運(yùn)算過程中的復(fù)雜性,同時(shí)實(shí)現(xiàn)條件隱私保護(hù)功能。嚴(yán)格安全分析證明該文方案滿足VANETs的安全需求。性能分析表明該文方案相比王大星等人方案,較大幅度地降低了消息簽名、單一驗(yàn)證以及聚合驗(yàn)證算法的計(jì)算開銷,同時(shí)也減少了通信開銷。
為解決傳感器網(wǎng)絡(luò)在空間目標(biāo)分布式跟蹤過程中的異步采樣及通信延遲問題,該文提出一種異步分布式信息濾波算法(ADIF)。首先,局部傳感器與相鄰節(jié)點(diǎn)之間以一定的拓?fù)浣Y(jié)構(gòu)傳遞帶采樣時(shí)標(biāo)的局部狀態(tài)信息和量測(cè)信息,然后將收到的異步信息按時(shí)間排序,使用ADIF算法進(jìn)行計(jì)算,分別對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)。該方法實(shí)現(xiàn)簡(jiǎn)單,傳感器間通信的次數(shù)少,支持網(wǎng)絡(luò)拓?fù)涞膶?shí)時(shí)變化,適用于空間目標(biāo)監(jiān)測(cè)中的多目標(biāo)跟蹤問題。該文分別對(duì)空間單目標(biāo)、多目標(biāo)跟蹤進(jìn)行了仿真,結(jié)果表明算法可以有效解決異步傳感器濾波問題,分布式濾波精度一致逼近于集中式結(jié)果。
已有的節(jié)點(diǎn)影響力度量方法均存在一定的局限性。該文基于三度影響力原則,綜合考慮局部度量的適宜層次及大規(guī)模網(wǎng)絡(luò)的可擴(kuò)展性,提出一種基于3級(jí)鄰居的節(jié)點(diǎn)影響力度量方法(TIM)。該方法將節(jié)點(diǎn)2, 3級(jí)具有傳播衰減特性的鄰居視為整體,用于度量節(jié)點(diǎn)的影響能力。利用傳染病模型及獨(dú)立級(jí)聯(lián)模型,在3個(gè)真實(shí)數(shù)據(jù)集驗(yàn)證了該方法的有效性。實(shí)驗(yàn)結(jié)果表明,基于3級(jí)鄰居的節(jié)點(diǎn)影響力度量方法在影響力一致性、區(qū)分度、排序性等指標(biāo)中表現(xiàn)優(yōu)越,且能夠有效求解影響力最大化問題。
無線局域網(wǎng)(WLAN)室內(nèi)入侵檢測(cè)技術(shù)是目前智能檢測(cè)領(lǐng)域的研究熱點(diǎn)之一,而傳統(tǒng)基于數(shù)據(jù)庫構(gòu)建的入侵檢測(cè)技術(shù)沒有考慮復(fù)雜室內(nèi)環(huán)境中WLAN信號(hào)的時(shí)變性,從而導(dǎo)致WLAN室內(nèi)入侵檢測(cè)系統(tǒng)的魯棒性較差。為了解決這一問題,該文提出一種基于多核最大均值差異(MKMMD)遷移學(xué)習(xí)的WLAN室內(nèi)入侵檢測(cè)方法。該方法首先利用離線有標(biāo)記和在線偽標(biāo)記的接收信號(hào)強(qiáng)度(RSS)特征來分別構(gòu)建源域和目標(biāo)域;其次,通過構(gòu)造最優(yōu)遷移矩陣以最小化源域和目標(biāo)域RSS特征混合分布之間的MKMMD;再次,利用遷移后的源域RSS特征與對(duì)應(yīng)標(biāo)簽來訓(xùn)練分類器,并將其用于對(duì)遷移后的目標(biāo)域RSS特征進(jìn)行分類以得到目標(biāo)域標(biāo)簽集;最后,迭代更新目標(biāo)域標(biāo)簽集直至算法收斂,進(jìn)而實(shí)現(xiàn)對(duì)目標(biāo)環(huán)境的入侵檢測(cè)。實(shí)驗(yàn)結(jié)果表明,該文所提方法在保證較高檢測(cè)精度的同時(shí),能夠有效克服信號(hào)時(shí)變性對(duì)檢測(cè)性能的影響。
由于多徑和非同源等因素的影響,傳統(tǒng)基于藍(lán)牙信號(hào)強(qiáng)度的室內(nèi)定位方法的性能精度和穩(wěn)定性都不高。針對(duì)基于藍(lán)牙信號(hào)的復(fù)雜室內(nèi)環(huán)境定位問題,該文提出基于低成本陣列天線的室內(nèi)定位方法,該方法利用單通道輪采極化敏感陣列天線對(duì)藍(lán)牙信號(hào)進(jìn)行采樣,然后結(jié)合暗室測(cè)量獲得的準(zhǔn)確陣列流形和極化快收斂稀疏貝葉斯學(xué)習(xí)(P-FCSBL)算法實(shí)現(xiàn)信源的角度估計(jì),最后通過角度實(shí)現(xiàn)定位。該方法充分利用極化信息和角度信息來實(shí)現(xiàn)目標(biāo)和多徑信號(hào)的分離,同時(shí)對(duì)單信源的同時(shí)采樣保證了估計(jì)的穩(wěn)定性。最后通過實(shí)測(cè)數(shù)據(jù)處理驗(yàn)證了該方法的有效性。
基于信道狀態(tài)信息(CSI)的室內(nèi)定位技術(shù)近幾年備受關(guān)注。已提出的室內(nèi)定位方案主要在適用性和定位精度等方面進(jìn)行不斷地創(chuàng)新和改進(jìn)。該文提出一種被動(dòng)式的1發(fā)2收指紋室內(nèi)定位系統(tǒng)。用兩個(gè)固定接收端采集CSI數(shù)據(jù),信號(hào)預(yù)處理階段對(duì)CSI幅值進(jìn)行奇異值去除與低通濾波,用線性擬合的方法對(duì)CSI相位進(jìn)行校正,將兩個(gè)接收端采集處理得到的CSI幅值和相位信息共同作為指紋,最終通過全連接神經(jīng)網(wǎng)絡(luò)對(duì)指紋樣本進(jìn)行訓(xùn)練,并與采集到的實(shí)時(shí)數(shù)據(jù)進(jìn)行匹配識(shí)別。實(shí)驗(yàn)表明,采用兩個(gè)接收端以及幅值和相位結(jié)合定位的方法,匹配識(shí)別率達(dá)到了98%,定位精度達(dá)到0.69 m。證明該系統(tǒng)能精確有效地實(shí)現(xiàn)室內(nèi)定位。
該文使用極坐標(biāo)正弦變換(PST)特征對(duì)圖像進(jìn)行Copy-move篡改檢測(cè),將待檢測(cè)圖像轉(zhuǎn)換成灰度圖并進(jìn)行PST特征提取,并采用改進(jìn)的快速近似最近鄰搜索算法PatchMatch對(duì)特征描述符進(jìn)行匹配,以克服匹配全局描述符帶來的處理時(shí)間較長(zhǎng)的缺點(diǎn)。實(shí)驗(yàn)分析表明,該文所提方法不僅對(duì)圖像的線性Copy-move篡改和旋轉(zhuǎn)干擾篡改有很好的效果,而且對(duì)噪聲和JPEG壓縮干擾篡改也具有一定的魯棒性。最后對(duì)綜合干擾篡改實(shí)驗(yàn)測(cè)試發(fā)現(xiàn),在綜合篡改幅度較小的情況下,準(zhǔn)確率可以達(dá)到98.0%。
類屬屬性學(xué)習(xí)避免相同屬性預(yù)測(cè)全部標(biāo)記,是一種提取各標(biāo)記獨(dú)有屬性進(jìn)行分類的一種框架,在多標(biāo)記學(xué)習(xí)中得到廣泛的應(yīng)用。而針對(duì)標(biāo)記維度較大、標(biāo)記分布密度不平衡等問題,已有的基于類屬屬性的多標(biāo)記學(xué)習(xí)算法普遍時(shí)間消耗大、分類精度低。為提高多標(biāo)記分類性能,該文提出一種基于標(biāo)記密度分類間隔面的組類屬屬性學(xué)習(xí)(GLSFL-LDCM)方法。首先,使用余弦相似度構(gòu)建標(biāo)記相關(guān)性矩陣,通過譜聚類將標(biāo)記分組以提取各標(biāo)記組的類屬屬性,減少計(jì)算全部標(biāo)記類屬屬性的時(shí)間消耗。然后,計(jì)算各標(biāo)記密度以更新標(biāo)記空間矩陣,將標(biāo)記密度信息加入原標(biāo)記中,擴(kuò)大正負(fù)標(biāo)記的間隔,通過標(biāo)記密度分類間隔面的方法有效解決標(biāo)記分布密度不平衡問題。最后,通過將組類屬屬性和標(biāo)記密度矩陣輸入極限學(xué)習(xí)機(jī)以得到最終分類模型。對(duì)比實(shí)驗(yàn)充分驗(yàn)證了該文所提算法的可行性與穩(wěn)定性。
深度學(xué)習(xí)在人工智能領(lǐng)域已經(jīng)取得了非常優(yōu)秀的成就,在有監(jiān)督識(shí)別任務(wù)中,使用深度學(xué)習(xí)算法訓(xùn)練海量的帶標(biāo)簽數(shù)據(jù),可以達(dá)到前所未有的識(shí)別精確度。但是,由于對(duì)海量數(shù)據(jù)的標(biāo)注工作成本昂貴,對(duì)罕見類別獲取海量數(shù)據(jù)難度較大,所以如何識(shí)別在訓(xùn)練過程中少見或從未見過的未知類仍然是一個(gè)嚴(yán)峻的問題。針對(duì)這個(gè)問題,該文回顧近年來的零樣本圖像識(shí)別技術(shù)研究,從研究背景、模型分析、數(shù)據(jù)集介紹、實(shí)驗(yàn)分析等方面全面闡釋零樣本圖像識(shí)別技術(shù)。此外,該文還分析了當(dāng)前研究存在的技術(shù)難題,并針對(duì)主流問題提出一些解決方案以及對(duì)未來研究的展望,為零樣本學(xué)習(xí)的初學(xué)者或研究者提供一些參考。
當(dāng)前的顯著性目標(biāo)檢測(cè)算法在準(zhǔn)確性和高效性兩方面不能實(shí)現(xiàn)良好的平衡,針對(duì)這一問題,該文提出了一種新的平衡準(zhǔn)確性以及高效性的顯著性目標(biāo)檢測(cè)深度卷積網(wǎng)絡(luò)模型。首先,通過將傳統(tǒng)的卷積替換為可分解卷積,大幅減少計(jì)算量,提高檢測(cè)效率。其次,為了更好地利用不同尺度的特征,采用了稀疏跨層連接結(jié)構(gòu)及多尺度融合結(jié)構(gòu)來提高模型檢測(cè)精度。廣泛的評(píng)價(jià)表明,與現(xiàn)有方法相比,所提的算法在效率和精度上都取得了領(lǐng)先的性能。
該文提出一種基于虛擬光學(xué)的視覺顯著目標(biāo)高分辨率可控放大重建方法。原始圖像放置于虛擬光路物平面,首先通過衍射逆計(jì)算獲得原始圖像在虛擬衍射面的光波信號(hào),再對(duì)虛擬衍射面光波用球面波照射后作正向衍射計(jì)算,通過改變觀測(cè)平面位置可重建出不同放大率的原始圖像。仿真測(cè)試結(jié)果表明,與一般的插值放大方法相比,所獲得的放大后的圖像特別是在顯著性區(qū)域表示出良好的視覺感知效果。將包含人臉的低分辨率降質(zhì)圖像作為待重建信號(hào),所重建人臉的顯著性區(qū)域如眼睛、鼻子等比一般重建方法更清晰。用水平集方法結(jié)合顯著圖分割出原始圖像中的局部顯著區(qū)域并作放大重建和輪廓提取,輪廓表現(xiàn)出良好的光滑性。
圖像間的風(fēng)格遷移是一類將圖片在不同領(lǐng)域進(jìn)行轉(zhuǎn)換的方法。隨著生成式對(duì)抗網(wǎng)絡(luò)在深度學(xué)習(xí)中的快速發(fā)展,其在圖像風(fēng)格遷移領(lǐng)域中的應(yīng)用被日益關(guān)注。但經(jīng)典算法存在配對(duì)訓(xùn)練數(shù)據(jù)較難獲取,生成圖片效果差的缺點(diǎn)。該文提出一種改進(jìn)循環(huán)生成式對(duì)抗網(wǎng)絡(luò)(CycleGAN++),取消了環(huán)形網(wǎng)絡(luò),并在圖像生成階段將目標(biāo)域與源域的先驗(yàn)信息與相應(yīng)圖片進(jìn)行縱深級(jí)聯(lián);優(yōu)化了損失函數(shù),采用分類損失代替循環(huán)一致?lián)p失,實(shí)現(xiàn)了不依賴訓(xùn)練數(shù)據(jù)映射的圖像風(fēng)格遷移。采用CelebA和Cityscapes數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)評(píng)測(cè),結(jié)果表明在亞馬遜勞務(wù)平臺(tái)感知研究(AMT perceptual studies)與全卷積網(wǎng)絡(luò)得分(FCN score)兩個(gè)經(jīng)典測(cè)試指標(biāo)中,該文算法比CycleGAN, IcGAN, CoGAN, DIAT等經(jīng)典算法取得了更高的精度。
特征子空間學(xué)習(xí)是圖像識(shí)別及分類任務(wù)的關(guān)鍵技術(shù)之一,傳統(tǒng)的特征子空間學(xué)習(xí)模型面臨兩個(gè)主要的問題。一方面是如何使樣本在投影到特征空間后有效地保持其局部結(jié)構(gòu)和判別性。另一方面是當(dāng)樣本含噪時(shí)傳統(tǒng)學(xué)習(xí)模型所發(fā)生的失效問題。針對(duì)上述兩個(gè)問題,該文提出一種基于低秩表示(LRR)的判別特征子空間學(xué)習(xí)模型,該模型的主要貢獻(xiàn)包括:通過低秩表示探究樣本的局部結(jié)構(gòu),并利用表示系數(shù)作為樣本在投影空間的相似性約束,使投影子空間能夠更好地保持樣本的局部近鄰關(guān)系;為提高模型的抗噪能力,構(gòu)造了一種利用低秩重構(gòu)樣本的判別特征學(xué)習(xí)約束項(xiàng),同時(shí)增強(qiáng)模型的判別性和魯棒性;設(shè)計(jì)了一種基于交替優(yōu)化技術(shù)的迭代數(shù)值求解方案來保證算法的收斂性。該文在多個(gè)視覺數(shù)據(jù)集上進(jìn)行分類任務(wù)的對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明所提算法在分類準(zhǔn)確度和魯棒性方面均優(yōu)于傳統(tǒng)特征學(xué)習(xí)方法。
為提高信號(hào)采樣值之間的相關(guān)性和降低噪聲對(duì)感知性能的影響,該文提出基于信號(hào)包絡(luò)自相關(guān)矩陣的頻譜感知算法。首先對(duì)采樣信號(hào)等間隔時(shí)長(zhǎng)截取,以相鄰間隔的采樣值計(jì)算信號(hào)自相關(guān)性,并構(gòu)造出近似自相關(guān)矩陣。其次依據(jù)矩陣次對(duì)角線元素性質(zhì)構(gòu)造了統(tǒng)計(jì)量。分別計(jì)算了該統(tǒng)計(jì)量的檢測(cè)概率分布函數(shù)與虛警概率分布函數(shù),分析了頻譜感知算法的檢測(cè)性能,算法優(yōu)化了信號(hào)相關(guān)性的計(jì)算,降低了噪聲對(duì)感知性能的影響。最后通過仿真驗(yàn)證了不同參數(shù)對(duì)檢測(cè)概率和虛警概率的影響,并提出了進(jìn)一步提高檢測(cè)性能的措施。
該文針對(duì)雙層非正交多址系統(tǒng)(NOMA)中基于能量效率的資源優(yōu)化問題,該文提出基于雙邊匹配的子信道匹配方法和基于斯坦科爾伯格(Stackelberg)博弈的功率分配算法。首先將資源優(yōu)化問題分解成子信道匹配與功率分配兩個(gè)子問題,在功率分配問題中,將宏基站與小型基站層視作斯坦科爾伯格博弈中的領(lǐng)導(dǎo)者與追隨者。然后將非凸優(yōu)化問題轉(zhuǎn)換成易于求解的方式,分別得到宏基站和小型基站層的功率分配。最后通過斯坦科爾伯格博弈,得到系統(tǒng)的全局功率分配方案。仿真結(jié)果表明,該資源優(yōu)化算法能有效地提升雙層NOMA系統(tǒng)的能量效率。
針對(duì)異構(gòu)云無線接入網(wǎng)絡(luò)(H-CRAN)網(wǎng)絡(luò)下基于網(wǎng)絡(luò)切片的在線無線資源動(dòng)態(tài)優(yōu)化問題,該文通過綜合考慮業(yè)務(wù)接入控制、擁塞控制、資源分配和復(fù)用,建立一個(gè)以最大化網(wǎng)絡(luò)平均和吞吐量為目標(biāo),受限于基站(BS)發(fā)射功率、系統(tǒng)穩(wěn)定性、不同切片的服務(wù)質(zhì)量(QoS)需求和資源分配等約束的隨機(jī)優(yōu)化模型,并進(jìn)而提出了一種聯(lián)合擁塞控制和資源分配的網(wǎng)絡(luò)切片動(dòng)態(tài)資源調(diào)度算法。該算法會(huì)在每個(gè)資源調(diào)度時(shí)隙內(nèi)動(dòng)態(tài)地為性能需求各異的網(wǎng)絡(luò)切片中的用戶分配資源。仿真結(jié)果表明,該文算法能在滿足各切片用戶QoS需求和維持網(wǎng)絡(luò)穩(wěn)定的基礎(chǔ)上,提升網(wǎng)絡(luò)整體吞吐量,并且還可通過調(diào)整控制參量的取值實(shí)現(xiàn)時(shí)延和吞吐量間的動(dòng)態(tài)平衡。
利用無線信道的特征通過物理層技術(shù)實(shí)現(xiàn)信息的安全傳輸是保密通信的一種方式。時(shí)間反轉(zhuǎn)傳輸特有的時(shí)空聚焦特性使其具有天然的抗干擾和抗竊聽能力,在單發(fā)射天線條件下也能獲得較好的保密傳輸性能。該文研究?jī)捎脩魰r(shí)間反轉(zhuǎn)下行多址安全傳輸系統(tǒng)中,發(fā)送濾波器脈沖響應(yīng)的優(yōu)化問題。根據(jù)互惠原則將兩個(gè)發(fā)送濾波器的聯(lián)合優(yōu)化問題轉(zhuǎn)換為各濾波器的獨(dú)立優(yōu)化問題,進(jìn)一步將其轉(zhuǎn)換為尋找最大特征值及其對(duì)應(yīng)的特征向量的問題,并通過迭代算法進(jìn)行求解。仿真結(jié)果表明,針對(duì)保密和速率優(yōu)化預(yù)處理濾波器后,系統(tǒng)的可達(dá)保密速率明顯優(yōu)于采用常規(guī)時(shí)間反轉(zhuǎn)預(yù)處理濾波器時(shí)的系統(tǒng)和直接傳輸系統(tǒng)。
循環(huán)冗余校驗(yàn)(CRC)與信道編碼的級(jí)聯(lián)使用,可以有效改善譯碼的收斂特性。在新一代無線通信系統(tǒng),如5G中,碼長(zhǎng)和碼率都具有多樣性。為了提高編譯碼分段長(zhǎng)度可變的級(jí)聯(lián)系統(tǒng)的譯碼效率,該文提出一種可變計(jì)算位寬的CRC并行算法。該算法在現(xiàn)有固定位寬并行算法的基礎(chǔ)上,合并公式遞推法中反饋數(shù)據(jù)與輸入數(shù)據(jù)的并行計(jì)算,實(shí)現(xiàn)了一種高并行度的CRC校驗(yàn)架構(gòu),并且支持可變位寬的CRC計(jì)算。與現(xiàn)有的并行算法相比,合并算法節(jié)省了電路資源的開銷,在位寬固定時(shí),資源節(jié)約效果明顯,同時(shí)在反饋時(shí)延上也有將近50%的優(yōu)化;在位寬可變時(shí),電路資源的使用情況也有相應(yīng)的優(yōu)化。
欺騙式干擾通過發(fā)射與真實(shí)衛(wèi)星信號(hào)相似的信號(hào)誤導(dǎo)接收機(jī)產(chǎn)生錯(cuò)誤的定位結(jié)果,具有極大的危害。該文針對(duì)轉(zhuǎn)發(fā)式欺騙干擾,提出一種基于信號(hào)重構(gòu)的單天線欺騙干擾抑制方法。該方法首先通過參數(shù)估計(jì)方法估計(jì)出欺騙信號(hào)載波頻率和碼相位,然后構(gòu)建欺騙信號(hào)子空間正交投影矩陣以抑制干擾。仿真實(shí)驗(yàn)結(jié)果表明該方法對(duì)欺騙干擾具有良好的抑制效果,能夠保障接收機(jī)在干擾環(huán)境中實(shí)現(xiàn)有效定位,并具有較低的運(yùn)算復(fù)雜度。
為了解決行波管(TWT)寬帶數(shù)字預(yù)失真(DPD)中反饋回路ADC采樣率過高的問題,該文利用信號(hào)的循環(huán)平穩(wěn)特性證實(shí)可通過欠采樣下的輸出信號(hào)估計(jì)功放的非線性模型參數(shù),然后由功放非線性模型參數(shù)和輸入信號(hào)可恢復(fù)出與高采樣率下效果相似的功放輸出信號(hào),最后通過傳統(tǒng)的間接學(xué)習(xí)結(jié)構(gòu)對(duì)功放進(jìn)行數(shù)字預(yù)失真以實(shí)現(xiàn)行波管的線性化。為了驗(yàn)證該方法,利用20 MHz LTE信號(hào)驅(qū)動(dòng)一只55 W的X波段行波管放大器(TWTA)。數(shù)字預(yù)失真反饋回路的ADC采樣率從61.44 Msps降低至6.144 Msps和3.072 Msps,但線性化效果變化不大,表明欠采樣方法是有效的。
針對(duì)多約束條件下稀布矩形平面陣列天線的優(yōu)化問題,該文提出一種基于動(dòng)態(tài)參數(shù)差分進(jìn)化(DPDE)算法的方向圖綜合方法。首先,對(duì)差分進(jìn)化(DE)算法中的縮放因子和交叉概率引入動(dòng)態(tài)變化控制策略,提高搜索效率和搜索精度。其次,改進(jìn)矩陣映射方法,重新定義映射法則,改善現(xiàn)有方法隨機(jī)性強(qiáng)和搜索精度低的不足。最后,為檢驗(yàn)所提方法的有效性進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)數(shù)據(jù)表明,該方法可以提高天線優(yōu)化性能,有效降低天線的峰值旁瓣電平。
針對(duì)基于長(zhǎng)期演進(jìn)(LTE)信號(hào)的無源雷達(dá)存在同頻基站干擾的問題,該文提出一種基于2階統(tǒng)計(jì)量的盲源分離算法,該算法是在卷積混合模型下,通過多通道最小均方(LMS)算法實(shí)現(xiàn)分離信號(hào)之間的相關(guān)性最小。由于各發(fā)射基站信號(hào)之間統(tǒng)計(jì)不相關(guān),當(dāng)分離信號(hào)之間的相關(guān)性達(dá)到最小時(shí),完成觀測(cè)信號(hào)的分離。在此基礎(chǔ)上,改進(jìn)了傳統(tǒng)無源雷達(dá)信號(hào)處理的流程,增加了分離同頻干擾基站直達(dá)波和多徑雜波的步驟,實(shí)現(xiàn)了對(duì)同頻干擾基站雜波的抑制。通過仿真分析,驗(yàn)證了算法的有效性,為基于LTE信號(hào)的無源雷達(dá)數(shù)據(jù)處理提供了參考。
針對(duì)米波(VHF)雷達(dá)的復(fù)雜多徑信號(hào)中散射分量的非高斯性嚴(yán)重影響測(cè)高的穩(wěn)定性,該文提出了穩(wěn)健的空域符號(hào)變換最大似然測(cè)高算法。該算法先對(duì)多維陣列快拍矢量進(jìn)行空域符號(hào)變換處理,以抑制散射分量野值點(diǎn)對(duì)陣列協(xié)方差矩陣及其測(cè)高算法的影響,再計(jì)算符號(hào)協(xié)方差矩陣(SCM),然后根據(jù)符號(hào)協(xié)方差矩陣的映射等效性和特征空間不變性,將符號(hào)協(xié)方差矩陣應(yīng)用到最大似然(SCM-ML)測(cè)高算法中,實(shí)現(xiàn)了穩(wěn)健的米波雷達(dá)低角測(cè)高。該算法有效抑制了多徑信號(hào)中散射分量和波束打地形成的強(qiáng)雜波的非高斯性,提高了米波雷達(dá)低角測(cè)高的穩(wěn)健性。仿真結(jié)果和實(shí)測(cè)數(shù)據(jù)驗(yàn)證了算法的穩(wěn)健性與有效性。