针对实际海杂波信号非线性非平稳的特点,提出基于集成经验模态分解(EEMD)的海杂波去噪方法.利用EEMD将含有目标信号的海杂波数据分解成一系列从高频到低频的固有模态函数(IMF),通过各个IMF的自相关,分选出有用信号和噪声分量,对噪声占主导作用的IMF选用Savitzky Golay(SG)滤波方法进行消噪,将滤波后的模态分量和剩余的分量进行重构得到削噪后的信号.结合最小二乘支持向量机(LSSVM)建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,比较去噪前和去噪后的均方根误差,利用均方根误差评价去噪效果.实验结果表明,EEMD算法对海杂波数据去噪是有效的,去噪后所得的均方根误差0.0028比去噪前所得的均方根误差0.0119降低了一个数量级.
提出了一种基于差分DCT域系数对直方图的图像拼接篡改检测方法.该方法首先对图像进行DCT变换,而后分别计算DCT系数矩阵的水平、垂直、主对角线、副对角线四个方向的差分DCT系数矩阵,并对得到的差分DCT系数矩阵进行系数对直方图化,提取特征向量.最后,利用支持向量机对真实图像和篡改后的图像进行分类识别.实验结果表明,在相关的测试数据集上,和现存的一些算法相比,该方法不仅具有较低的计算复杂度,同时,其检测性能在目前所有提出的算法中达到最高,性能优良.
本文针对两个证明者之间可证明安全的基于位置密钥交换协议展开研究.首次将基于位置密钥交换分为P2V(Prover-to-Verifier)模式和P2P(Prover-to-Prover)模式,并给出P2P模式下基于位置密钥交换的安全定义.随后,在1维空间下设计了可证明安全的基于位置P2P密钥交换协议P2PKE1,并以此为基础构造了d(1≤d≤3)维空间下基于位置P2P密钥交换协议P2PKEd.同时,分别提出了具有密钥确认性质的基于位置P2P密钥交换协议P2PKEd-c和无密钥托管的基于位置P2P密钥交换协议P2PKEd-e.最后,从安全性和效率两方面对所设计的协议进行了讨论.
传统时差定位方法一般是在假设传感器位置信息准确已知的前提下进行的.然而在实际情形中,传感器位置信息往往含有随机误差,这些误差会严重影响对目标的定位精度.针对这一问题,提出了一种传感器位置误差情况下的多维标度时差定位算法.首先利用传感器位置和时差构造对称标量积矩阵,然后利用子空间理论建立关于目标位置的伪线性方程,最后通过设计加权矩阵来减少传感器位置误差对目标定位精度的影响.采用一阶小噪声扰动理论求出了目标位置估计的偏差及协方差矩阵,并通过仿真实验验证了该算法的有效性.
针对删除信道中发生错误的数据包,提出联合信道编码的LBCMP迭代纠错方法,该方法充分利用错误数据包中含有的正确信息,将LT编码包作为冗余纠错包与线性分组码相结合,并采用MP迭代译码方法进行纠错.理论分析及实验结果表明,采用LBCMP迭代方法可以减少为恢复错误数据包所需要的信源编码包数量.
针对SAR成像矩阵转置效率偏低的问题,提出了矩阵分块三维映射法.该方法基于带有bank划分的存储介质并利用其数据访问特性,通过矩阵分块和跨bank优先数据访问方式将二维数据矩阵映射至存储介质的三维存储空间,能够充分发挥存储介质的数据访问效率.实测结果表明,该方法使二维数据的访问效率都接近于顺序访问的效率,极大提高了SAR成像的矩阵转置效率.
在超宽带合成孔径雷达叶簇隐蔽目标检测中,传统的UWB SAR图像变化检测方法易受图像灰度值起伏和成像条件变化的影响,致使现有的变化检测算法的性能下降.本文根据人类视觉系统的生理结构和认知特点,提出了一种基于视觉注意机制的叶簇隐蔽目标变化检测算法.该方法使用视觉注意模型,将图像的多尺度特征信息融合为单幅视觉显著图像,并利用图像局部邻域信息和目标的空间相关特性对视觉显著图中视觉注意焦点进行分层筛选和变化检测.实验结果表明:本文中基于视觉注意机制的变化检测方法可以有效检测多时相UWB SAR图像中的叶簇隐蔽目标,较之传统的基于统计原理的变化检测方法,其检测速度更快,且对场景复杂的UWB SAR图像亦具有鲁棒性.
针对采用均值类恒虚警检测方式的线性调频脉冲压缩雷达,本文提出间歇采样非均匀重复转发(ISNPR)实现多假目标压制干扰的方法.首先阐述了间歇采样转发干扰(ISRJ)产生多假目标的机理,同时对多假目标压制干扰的假目标参数进行了推导,包括假目标个数和信噪比.然后结合间歇采样重复转发干扰(ISPRJ)的数学原理,对间歇采样非均匀重复转发干扰(ISNPRJ)的多假目标压制效果进行了理论分析,并推导了干扰机参数如采样脉冲宽度、间歇采样周期、转发脉冲宽度以及发射功率的计算方法.最后对ISNPRJ的多假目标压制效果进行仿真验证,仿真结果表明该方法能够降低雷达对目标的检测概率,实现对雷达检测环节的有效压制.
针对一种变时延线性网络控制系统,采用时滞区间不均分法,将时滞分割成m个区间.在每个区间都构建不同的Lyapunov-Krasovskii泛函,并引入三重积分项,同时结合自由权矩阵法,在各自的时滞区间上采用保守性小的积分不等式来处理泛函导数,进而获得了保证网络控制系统的一种新的稳定性条件.并且,最后通过相应的数值算例验证了本文中的结论.
神经网络模型经线性化后可构建神经预测控制框架,但是,对高阶项的忽略会产生大量未建模动态.本文以回声状态网络(Echo State Network,ESN)为代表,提出基于岭回归的未建模动态补偿方法.以线性化前后ESN内部状态观测的偏差作为表征未建模动态的样本,通过岭回归估计未建模动态与ESN状态变量之间的线性依存关系.将回归得到的补偿项内化为ESN储备池吸引子的平移和旋转,体现了吸引子的吸引力对激活函数边界约束作用的有效补充.两个实例验证了补偿方法对提高控制精度具有积极作用.
在传统偏好多目标进化算法中,参考点是表达决策者的偏好信息最常用的方式,但是参考点所处位置信息有时严重影响算法的性能.针对以上问题,本文提出了一种基于权重迭代的偏好多目标分解算法(MOEA/D-PRE),主要利用权重迭代方法获取一组均匀的权重向量,并对偏好区域进行映射,使得算法在进化过程中,不用考虑参考点所处位置信息对算法性能的影响,另外提出了一种稳定可控的偏好区域模型,能响应决策者设置任意大小的偏好区域.通过对比实验表明该算法具有较好的收敛性和分布性,同时给出了满足决策者不同要求的算法模型,并且能够很好的解决参考点的位置信息对算法的影响.
针对模糊Petri网存在隶属度单一的问题,将直觉模糊集理论与Petri网理论相结合,构建直觉模糊Petri网(Intuitionistic Fuzzy Petri Nets,IFPN)模型,用于知识的表示和推理.首先构建了IFPN模型,并将其应用于知识的表示,通过在模型中引入抑止转移弧,解决了否命题的表示问题.其次提出了基于矩阵运算的IFPN推理算法,通过修改变迁触发后token值的传递规则,解决了推理过程中的事实的保留问题;通过修改变迁的触发规则,抑制了变迁的重复触发.最后对推理算法进行了分析,并举例验证了提出的IFPN模型及其推理算法的可行性,结果表明IFPN是对FPN的有效扩充和发展,其对推理结果的描述更加细腻、全面.
元胞多目标遗传算法在求解两目标优化问题时是比较高效的.但是,初步实验显示其在求解三目标优化问题(例如DTLZ系列)时,表现不是十分令人满意.为了进一步提高算法的性能,引入了正交设计的思想,提出了基于正交设计的多目标元胞遗传算法.在改进算法的迭代过程中,先对父代个体进行分段,之后按照正交表来对这些片段进行重新组合产生多个子代个体,然后从这些子代个体中找出适应度较优的进入下一代种群.实验结果表明,引入正交设计思想能够提高算法性能,与其他优秀算法进行比较的结果说明,改进算法求解三目标问题(DTLZ系列)也是具有竞争力的.
反馈粒子滤波器(FPF)是一种连续时间最优贝叶斯估计器.针对FPF对系统采样率要求较高的问题,提出一种基于径向基函数-Galerkin法求解的反馈粒子滤波器.该算法推导了反馈增益势函数所满足偏微分方程的弱形式,结合径向基函数对势函数进行近似,利用Galerkin法和蒙特卡罗积分得到了反馈增益近似解,并给出了一种径向基参数选取方法,从数值上分析了径向基函数参数选取对于滤波精度的影响.仿真算例表明反馈粒子滤波器在低系统采样率下会严重发散,而本文算法能够避免这一问题,且提高了FPF在低系统采样率下的滤波精度和稳定性.
对模块化可重构服务机器人群在医院中应用所产生的任务规划问题进行了分析和建模,提炼出一个多目标、多约束的多维组合优化问题.设计了改进二进制蜜蜂算法(IBBA)进行组合方案寻优.作为一种启发式群智能优化算法,其特点在于:(1)全局搜索和局部搜索的功能划分明确且并行实施;(2)在基本算法框架中融入了组合方案的表示与进化方法、多目标处理方法、约束处理方法等要素;(3)在算法原型的基础上改进了局部搜索策略.针对一个实际算例进行了优化计算,算法在可行性、稳定性、计算结果质量、计算效率、单目标优化等方面取得了较好表现,并从算法机制中得到了合理解释.扩展了模块化可重构机器人的研究范畴,为多目标、多约束的多维组合优化问题提出了通用的建模方法和优化算法.
针对数据高速缓存短时间内频繁访问连续区段的特征,该文提出了一种基于热点硬件自搜索和历史访问轨迹的数据高速缓存低功耗方法.该方法通过动态搜索热点片段,缓存目标热点行在高速缓存中的位置信息,过滤标签存储器和冗余数据存储器的访问.运行EEMBC测试基准的实验结果表明,与基于MRU(Most Recently Used)的路预测方法相比,该方法Cache的动态功耗可降低30.77%,性能提升26.21%.
传统软件缺陷预测方法在解决跨项目缺陷预测过程中适应能力不足,主要是因为源项目和目标项目之间存在不同的特征分布.为了解决这个问题,提出一种新的加权贝叶斯迁移学习算法,算法首先收集训练数据和测试数据的特征信息,然后计算特征差异,将不同项目数据之间差异转化为训练数据权重,最后基于这些权重数据建立预测模型.在8个开源项目数据集上进行实验比较,实验结果表明与其他方法相比本文方法显著提高跨项目缺陷预测性能.
面向服务软件的部署优化问题是典型的NP难题.本文构建了基于性能改善的软件部署优化模型,设计了一种蚁群优化算法ACO-DO进行近似最优解的快速求解.该算法通过设计基于部署优化问题的启发式、改进部署方案的构建顺序、增加局部搜索过程实现蚁群算法求解效率的提升.通过不同规模的实例实验,验证了ACO-DO算法能够取得比现有的混合整数线性规划算法、蚁群算法和遗传算法更好的性能.
本文首次研究了1.2kV碳化硅(Silicon Carbide,SiC)MOSFET在非钳位重复应力(Unclamped Repetitive Stress,URS)应力下的退化现象,并通过软件仿真和电荷泵测试技术对该现象进行了深入的分析.研究结果表明:URS应力会使得器件积累区由于碰撞电离产生大量的电子空穴对,其中的热空穴将在电场的作用下注入到氧化层中,使氧化层中出现许多空间正电荷,这些空间正电荷的存在使得器件的导通电阻与阈值电压出现下降,关态漏电流出现上升.
基于轮廓的图像匹配是计算机视觉领域中的重要问题,但是目前尚未有较成熟的算法能够很好地解决局部轮廓匹配问题及非相似变换和非刚体变换引起的轮廓形变问题.根据局部轮廓结构在产生形变时具有相对稳定性的规律及融合轮廓局部信息和全局信息的轮廓描述思想,本文提出了一种具有尺度、旋转、平移不变性,形变鲁棒性和初始点无关性的局部尺度轮廓描述算法.在此基础上,针对线性匹配方法效果不佳以及传统DTW技术约束路径的线性度不满足轮廓采样特性要求的问题,提出一种基于改进DTW技术的轮廓匹配算法,即结合轮廓采样特性设置九宫格的路径约束条件,以旋转角度为参数,计算全局最佳匹配路径.实验结果表明,对于存在尺度、平移、旋转及形变关系的两轮廓,该方法能较好地实现轮廓间的局部匹配,并且其匹配准确率平均约为92%,较HD算法提高了30%,较传统DTW算法提高了26%.
针对家庭辅助生活应用场景下的目标意图识别和异常行为判别问题,提出了一种基于目标轨迹的行为分析方法.首先,提出了关键点和关键区域的概念,将家庭环境划分为不同的关键点和关键区域,并以此来描述和区分不同轨迹;然后,提出了利用混合高斯模型的关键点及关键区域获取算法,将轨迹转化为关键点及关键区域表示,并以此为基础进行了行为意图的识别和部分异常轨迹的判断;最后,借助主成分分析的方法弥补混合高斯聚类在异常轨迹识别方面的缺陷,提高了识别准确率.实验表明,该方法能够有效的对行为意图和异常行为进行识别.
能否保持修复后图像的结构连贯性和邻域一致性决定了修复性能的优劣.为提高现有样本块修复算法性能,本文提出基于Curvelet变换的样本块图像修复算法.首先利用Curvelet变换估计待修复图像的4方向特征.然后利用颜色信息与方向信息共同衡量样本块间的相似度,在此基础上构造颜色-方向结构稀疏度函数.同时根据构造的加权颜色-方向距离寻找合适的多个匹配块,并利用多个匹配块在构造的颜色和方向空间内的邻域一致性约束下稀疏表示目标块,同时根据目标块所处区域特性自适应确定误差容限.实验结果表明提出算法较现有算法可获得更优的修复效果,尤其是在修复富含结构纹理破损类型的图像时.
本文提出一种三维片上系统(3D SoC)的测试策略,针对硅通孔(TSV,Through Silicon Vias)互连技术的3D SoC绑定中和绑定后的测试进行优化,由于测试时间和用于测试的TSV数目都会对最终的测试成本产生很大的影响,本文的优化策略在有效降低测试时间的同时,还可以控制测试用的TSV数目,从而降低了测试成本.实验结果表明,本文的测试优化策略与同类仅考虑降低测试时间的策略相比,可以进一步降低约20%的测试成本.
针对目前基于模函数的隐写研究现状,提出n维超立方体模映射隐写算法.根据模运算性质定义一个n维模函数,将n个像素值映射到一位an进制数值,从而可以实现将一位an进制信息隐藏到n个像素中.选择不同的参数a可以得到不同的嵌入率和载密图像视觉质量,选择较大的参数n且a为偶数时可以得到更好的载密图像视觉质量.理论分析和实验结果表明,本文算法与众多隐写算法相比,不仅具备这些算法的功能,而且具有更好的载密图像视觉质量、安全性和更强的实用性.
针对已有基于轻量云模型的节点信誉安全方案中存在的决策困难问题以及推荐节点的恶意行为识别问题,提出了优化的轻量云模型MLCM(Modified Light-weighted Cloud Model),并在此基础上设计实现一种新型的节点信誉安全方案.首先,在传统无线传感网信任管理信任值的处理方式的基础上,对节点的直接信任值和间接信任值进行综合处理后再利用云模型简化逆向云算子进行计算,以解决信任误判问题;其次,用云隶属度函数计算推荐信任值,在涉及推荐节点信任值计算时可以提高恶意节点识别的准确度.实验表明,该方案在克服传统的入侵容忍和敏感度之间矛盾问题的同时,还解决了攻击节点对单一节点发动攻击时造成的决策困难问题和恶意节点准确识别问题.
为抑制无线Mesh网络中的信道振荡和提升网络效用,综合分析路由端和用户端信道振荡产生的因素.引入演化博弈理论,联合改进的果蝇优化算法提出基于ESS-PFOA(Evolutionary Stable Status-Promoted Fruit-Flies Optimal Algorithm)算法的分布式信道分配策略.实验分析发现当信道振荡宽容因子β≤0.5时网络呈同构特征,β>0.5时网络向异构转化,β≥0.9时网络呈异构特征;网络效用和信道振荡抑制率与信道振荡宽容因子β紧密相关.仿真结果表明,ESS-PFOA算法的信道振荡率从0.44下降至0.08,在异构网络环境下其网络收益和信道振荡抑制率明显占优,能有效提高网络效用.
为了有效提高延迟容忍网络中的数据传输效率,节点普遍采用多副本方式转发数据,然而此种方式将造成网络中冗余数据增多,导致网络拥塞.本文提出了一种带有节点状态感知的拥塞控制策略,根据运动过程中所获知的相关历史信息,节点以直接获取及间接推荐的方式准确地感知网络中各个节点的拥塞状态,进而以分布式的方式动态地为数据选择中继节点,达到更加合理地利用有限的网络资源的目的.结果表明所提出的拥塞控制能有效地改善数据成功投递概率和网络负载率.
针对物联网感知层对时间同步的需求及节点能量有限的特点,提出一种低能耗时间同步(Low Energy Consumption Time Synchronization,LECTS)的方法,从同步消息量、同步周期和占空比角度研究同步能耗的降低.对网络进行父子群的划分,为每个群选择PS(Pairwise Synchronization)节点,群内节点持续同步,群间节点按需同步;父节点和PS节点间以同步周期和占空比双向交换N次同步消息,群内其他节点侦听同步消息,基于参数抵消的联合极大似然法估计子节点与父节点间的相位偏移和频率偏移,将群内子节点同步到父节点;在给定同步精度下,汇聚节点定期评估网络同步误差,由时间同步控制器调整网络同步周期和占空比.仿真结果表明LECTS算法在保证同步精度的同时,降低了同步能耗、提高了网络的生存周期.
基于NURBS的等几何分析方法集成了计算机辅助设计(CAD)和有限元方法的优点,CAD模型、网格划分和数值仿真均采用同样的几何描述.然而,由于单个NURBS曲面片拓扑的局限性,单片等几何分析方法难以处理介质分布不均匀以及截面形式复杂的多连通区域问题.本文基于面片拼接,将等几何分析方法用来求解此类问题的波导本征值.细分前后,NURBS曲面片拼接处的控制点和网格必须匹配.通过Galerkin法来离散波导本征值问题的Helmholtz控制方程,计算结果表明该方法具有自由度消耗小、精度高、收敛速度快等优点.
射频可变增益放大器大多基于CMOS工艺和砷化镓工艺,通过改变晶体管的偏置电压或建立衰减器增益控制结构实现增益可调.本文采用高性能的射频锗硅异质结双极晶体管,设计并制作了一款射频可变增益放大器.放大器的增益可控性通过改变负反馈支路中PIN二极管的正向偏压来实现.基于带有PIN二极管反馈的可变增益放大器的高频小信号等效电路,本文详细分析了增益可控机制,设计并制作完成了1.8GHz的可变增益放大器.测试结果表明在频率为1.8GHz时,控制电压从0.6V到3.0V的变化范围内,增益可调范围达到15dB;噪声系数低于5.5dB,最小噪声系数达到2.6dB.整个控制电压变化范围内输入输出匹配均保持良好,线性度也在可接受范围内.
本文提出了一种应用于生物医学的超低功耗逐次逼近型模数转换器(SAR ADC).针对SAR ADC主要模块进行超低功耗设计.数模转换(DAC)电路采用vcm-based以及分段电容阵列结构来减小其总电容,从而降低了DAC功耗.同时提出了电压窗口的方法在不降低比较器精度的情况下减小其功耗.此外,采用堆栈以及多阈值晶体管结构来减小低频下的漏电流.在55nm工艺下进行设计和仿真,在0.6V电源电压以及10kS/s的采样频率下,ADC的信噪失真比(SNDR)为73.3dB,总功耗为432nW,品质因数(FOM)为11.4fJ/Conv.
快速准确地获取电网基波正、负序分量及各次谐波分量,对并网变流器在电网非理想工况下的控制具有重要意义.为此,提出一种能够快速精确的提取电网基波正序、负序及各次谐波分量的正负序观测器技术.采用现代控制理论的状态观测方法,观测器在两相静止坐标系下实现,包含基波和各次谐波子观测器,能区分正、负序信号,可直接提取,无需额外正负序分离,不需要进行实时三角函数运算,易于数字实现.仿真和实验结果表明,文中提出的方法能够在电网不对称与存在谐波干扰的情况下准确提取出基波及各次谐波正负序分量,并且具有良好的动态性能.
考虑表面效应,基于Lindemann熔化准则,利用Miedema 模型对Sn-Ag纳米钎料合金的熔化温度及形成焓进行计算.Sn-Ag纳米合金微粒的熔化温度及形成焓均依赖于尺寸和组元成分;对于Sn3.5Ag纳米钎料合金,当微粒尺寸大小为5nm时,其熔化温度下降约为7%;而合金形成焓随晶粒粒径的减小而增加,合金稳定性降低;对于Sn3.5Ag钎料合金,当粒径尺寸为0.1μm时,合金形成焓完全为正值,对Sn-Ag钎料合金组织形成存在产生很大影响.
在本论文中,我们提出一个新的内存访问优化方法以减少由权重因子(在DCT的快速修剪计算图中的余弦系数)和输入点而产生的内存访问量,实现在DSP上的快速DCT修剪.该方法通过两个步骤来减少内存访问量:1.减少权重因子的个数;2.将快速DCT修剪的计算流程图中两个阶段中的蝴蝶运算单元合并到一个阶段中,从而形成一个高效的蝴蝶运算单元.我们在TI TMSC320C64x DSP上应用该方法来实现修剪FCT.实验结果表明,与传统的实现方法相比,修剪FCT方法在DSP上可以平均减少40%的内存访问量,平均减少48.6%的时钟周期和平均节约32.6%的由存储加权因子导致的内存访问.
Internet尽力而为的服务模式在支持群组命令传输过程中,容易产生命令之间路径竞争.定义出有效路径统计网络,并进一步定义出基于有效路径统计网络的群组多约束多目标优化问题.针对该问题,提出基于启发式群组命令传输模型.实验从群组命令传输成功率验证该模型对支持群组命令传输的合理性.
采用规则分组的方法解决确定型有限自动机(Deterministic Finite Automata,DFA)状态爆炸问题,随着分组数目的增加,匹配效率大大降低.本文提出正则表达式的输入驱动特性理论,并基于此提出了基于规则模板的分组算法——模板有限自动机.模板有限自动机算法基于规则模板对规则集进行分组,各分组分别构建匹配引擎.理论分析和实验表明,与典型的DFA改进算法相比,预处理时间和存储空间有2~3个数量级别的缩减,且匹配效率没有明显降低.
