123,123

基于改進空間插值的無線電環(huán)境地圖生成技術[通信與網絡][通信網絡]

無線電環(huán)境地圖（REM）為認知無線網絡動態(tài)頻譜接入提供了精準、全面的信息支撐，由于現(xiàn)場樣本數(shù)據的實測受到環(huán)境、設備和人為等因素的限制，其樣本規(guī)模難以保證應用的需求。因此，利用空間相似性，將離散數(shù)據點擴展為面結構數(shù)據的空間插值方法研究有積極的意義和應用價值。在傳統(tǒng)MSM算法基礎上，提出了RMSM算法，從優(yōu)化權值計算、靈活地使用局部特征和高效的近鄰搜索法方面進行改進，通過搭建15 m×20 m的實驗場景，進行樣本數(shù)據采集和算法測試驗證。結果表明RMSM算法與傳統(tǒng)算法比較，其誤差降低了1.96 dB，穩(wěn)定性提高了55.37%，改進效果明顯。

發(fā)表于：2018/4/3 13:45:00

基于四階循環(huán)多譜的頻譜感知算法[通信與網絡][通信網絡]

目前，大部分基于能量檢測和信號循環(huán)平穩(wěn)的頻譜感知算法能夠在平穩(wěn)噪聲環(huán)境中取得優(yōu)異的檢測性能，在非平穩(wěn)噪聲環(huán)境中的檢測性能則急劇下降。為了更好地消除頻譜感知過程中非平穩(wěn)噪聲的影響，利用信號四階循環(huán)多譜抑制非平穩(wěn)噪聲的性質，提出了一種基于四階循環(huán)多譜的頻譜感知算法。該算法首先計算四階循環(huán)多譜的切片形式；然后通過簡化的四階循環(huán)多譜幅度平方和對協(xié)同用戶截取的信號進行檢測；最后計算其峰值系數(shù)，實現(xiàn)對主用戶信號存在性的判斷。仿真結果表明，在非平穩(wěn)噪聲環(huán)境中，所提出的算法比傳統(tǒng)的頻譜感知算法識別概率更高，性能更好。

發(fā)表于：2018/4/2 13:02:00

一種車聯(lián)網分簇方法與簇內中繼選擇方法[通信與網絡][汽車電子]

針對車聯(lián)網低時延、高可靠性的通信需求，提出了基于簇穩(wěn)定的車輛分簇方法，有效增加通信時間，提高通信可靠性。在此基礎上，研究功率受限的情況下車聯(lián)網簇內數(shù)據分發(fā)的中繼選擇問題，提出了一種基于功率預分配的中繼選擇方法。該方法簇內車輛協(xié)作采用HDAF轉發(fā)協(xié)議，在中繼選擇之前先對源節(jié)點和潛在中繼節(jié)點進行功率分配，求取系統(tǒng)中斷概率最小的功率分配因子，然后比較融入功率優(yōu)化因子的各個節(jié)點的等效信道增益，選擇出最優(yōu)中繼節(jié)點集合。數(shù)值結果表明：基于簇穩(wěn)定的車輛分簇方法相比基于地理位置的分簇方法具有更高的穩(wěn)定性。同時，提出的中繼選擇方法在相同條件下比傳統(tǒng)的單中繼選擇方案和全中繼選擇方案具有更小的中斷概率。

發(fā)表于：2018/4/2 11:28:00

實時的移動互聯(lián)網攻擊盲檢測與分析算法[嵌入式技術][通信網絡]

大規(guī)模移動互聯(lián)網攻擊檢測算法需要攻擊行為的先驗信息或者需要對攻擊行為進行監(jiān)督學習，降低了攻擊檢測算法的實時性與實用性，為此提出了一種實時的移動互聯(lián)網攻擊盲檢測與分析算法。首先，提取每個時段網絡流量的最大特征值，結合最大特征值與模型階數(shù)選擇技術檢測每個時段是否存在攻擊行為；然后，通過特征值分析技術來識別攻擊的類型，識別出特征值的變化細節(jié)；最終，設計了相似性分析方案來分析攻擊的端口與時間等細節(jié)信息?；谡鎸崒嶒炁c公開網絡流量數(shù)據集的仿真結果表明，該算法獲得較高的攻擊檢測準確率。

發(fā)表于：2018/3/30 11:02:00

一種無人機三維航跡規(guī)劃算法研究[嵌入式技術][航空航天]

在研究無人機三維航跡規(guī)劃問題時，針對基于傳統(tǒng)人工蜂群算法易陷入局部最優(yōu)值、后期收斂速度變慢、尋優(yōu)效率低的問題，提出了一種改進人工蜂群算法的無人機航跡規(guī)劃方法。首先，在建立包括經緯度、海拔高度信息的三維飛行區(qū)域模型后，加入了地形約束模型，并引入新的綜合航跡代價評價方式。然后，在算法中引入自適應搜索策略、新型概率選擇策略與Logistic混沌搜索算子來增強其對原始信息的開采能力，提高其收斂速度以及加強其魯棒性。最后，通過三維航跡規(guī)劃仿真和面對突發(fā)威脅的局部航跡再規(guī)劃仿真對所提算法的有效性進行了驗證。結果表明，改進后的算法提高了全局收斂能力，在收斂速度和精度上優(yōu)于遺傳算法和傳統(tǒng)人工蜂群算法，適合用來解決無人機的三維航跡規(guī)劃問題。

發(fā)表于：2018/3/30 10:46:00

平面大規(guī)模天線陣列的竊聽檢測方案[通信與網絡][信息安全]

物理層安全機制可以為無線通信提供有效的保密機制，為后期保密通信降低系統(tǒng)復雜度。提出了一種基于大規(guī)模平面天線陣列的物理層安全機制，即主動竊聽的檢測方案。該方案針對時分雙工模式下的萊斯信道模型，僅在假設合法用戶萊斯因子和基站噪聲功率已知的情況下，即可有效檢測竊聽用戶。仿真結果表明，所提出的檢測方案性能隨著天線個數(shù)、萊斯因子的增加而提高。此外，該方案的性能不隨用戶的位置而改變，可在三維空間全方位地檢測竊聽。

發(fā)表于：2018/3/29 10:03:00

基于DM368的嵌入式數(shù)據記錄儀的設計與實現(xiàn)[嵌入式技術][航空航天]

針對導彈彈上空間有限、對載體的重量和功耗有著嚴格限制等要求，研制了一種具有高可靠性、低功耗、小型化的彈載數(shù)據記錄儀。本系統(tǒng)主要實現(xiàn)對導彈飛行過程中的場景視頻信息進行H.264格式硬件壓縮存儲以及對飛行姿態(tài)等數(shù)據進行實時記錄并存儲至高速大容量SD卡，極大地方便了飛行試驗后數(shù)據的讀出和處理。

發(fā)表于：2018/3/29 9:55:00

抑制風噪聲的頻點離散值加權GCC-PHAT時延估計算法[測試測量][其他]

針對麥克風陣列使用GCC-PHAT算法估計信號到達時差對加性噪聲敏感，以及基于信噪比估計的連續(xù)值加權GCC-PHAT算法無法消除環(huán)境中類似風噪聲的變化噪聲干擾的情況，提出了一種抑制風噪聲的頻點加權GCC-PHAT算法。通過分析已有算法的不足，新算法選擇使用離散頻點加權，并通過信號頻點間相干性量化值和時域關聯(lián)性計算權值，去除風噪聲干擾頻點；同時估計聲源信號活躍度，調整算法運算量。實驗表明，與已有的GCC-PHAT算法相比，新算法能有效消除風噪聲對估計結果的干擾，同時降低運算負載。

發(fā)表于：2018/3/28 13:15:00

基于AP布置優(yōu)化和K-means聚類算法的室內定位研究[測試測量][其他]

傳統(tǒng)室內定位中聚類算法被動依賴定位環(huán)境中接入點（Acess Point，AP）數(shù)量，導致定位效率低、誤差大，室內位置指紋定位研究中AP布局是影響定位精度的關鍵性因素。因此，采用Intel芯片的嵌入式微系統(tǒng)和美國Signal Hound生產的SA44B型測量接收機共同組成傳感器網絡，根據電波路徑損耗建立室內定位的目標函數(shù)，采用單純形法和模擬退火算法融合算法對目標函數(shù)進行優(yōu)化，從而達到最合理的AP室內位置布局，而后改進K-means聚類算法將優(yōu)化后的AP位置坐標作為初始聚類中心，來提高系統(tǒng)的定位效率和精確度。實驗結果表明，與傳統(tǒng)K-means算法相比，經過AP位置最優(yōu)化后的聚類定位算法精度提高了13.8%。

發(fā)表于：2018/3/28 13:04:00

一種基于動態(tài)規(guī)劃的機動目標檢測前跟蹤方法[測試測量][汽車電子]

針對傳統(tǒng)動態(tài)規(guī)劃檢測前跟蹤算法僅適用于勻速直線運動目標或慢機動目標的局限性，提出了一種將交互式多模型（IMM）濾波與基于動態(tài)規(guī)劃的檢測前跟蹤算法相結合的機動目標處理算法。該算法應用于近程毫米波雷達探測環(huán)境下，根據被測目標的實際運動情況建立了勻加速運動、勻速轉彎運動及勻速運動模型，在動態(tài)規(guī)劃算法基礎上考慮了多種運動模型以及模型之間的轉換和預測，避免了因模型不匹配導致的跟蹤效果變差的問題。仿真結果顯示，相比于傳統(tǒng)動態(tài)規(guī)劃檢測算法，該算法能夠更加有效地實現(xiàn)對機動目標的檢測和跟蹤，適于工程應用。

發(fā)表于：2018/3/27 11:52:00