为了提高分析信号的信噪比,本文提出了一种基于变分模态分解的变步长归一化最小均方自适应滤波降噪方法.该方法对原信号进行变分模态分解并区分信号分量和噪声分量,再对噪声分量进行间隙阈值降噪处理并将其作为参考信号输入自适应滤波器,通过自适应算法迭代处理得到降噪后的信号分量,并通过重构算法得到最终降噪后的信号.本文还在变分模态分解的基础上使用小波阈值降噪和间隙阈值降噪方法按不同方案进行降噪处理并得到最佳算法,将其与所提算法进行对比.实验结果表明,本文所提自适应滤波降噪方法的降噪效果比阈值降噪最佳方法效果更好.
互补序列应用于多载波码分多址系统因理论上可同时消除多径干扰和多址干扰而备受关注.基于中国剩余定理,本文提出一种周期为合数长的屏蔽二元互补序列偶的构造方法.构造得到的屏蔽二元互补序列偶可扩展互补序列的存在范围.为了进一步研究屏蔽二元互补序列偶,本文提出一种新的区组设计——屏蔽差族偶,并将屏蔽差族偶与屏蔽二元互补序列偶建立了等价关系,为应用屏蔽差族偶这一新的区组设计研究屏蔽二元互补序列偶提供了理论依据.
最佳高斯整数序列应用于通信系统不仅能抑制干扰,还可获得高的传输速率和频谱利用率.本文基于循环差集给出了构造自由度为2的最佳高斯整数序列的充要条件,比较现有文献,可获得更高能量效率的最佳高斯整数序列.同时,利用上采样和过滤技术扩展了最佳高斯整数序列的长度和自由度.本文方法能得到大量适于高速通信系统的最佳高斯整数序列,扩展了通信地址码的选择范围.
针对非协作通信下多径信道直接序列扩频信号伪随机(PN,Pseudorandom)码的估计难题,本文在分析信号二阶统计特性的基础上,提出了一种基于最大似然(ML,Maximum Likelihood)的PN码和多径信道联合盲估计的方法.该方法首先建立PN码和信道序列的最大似然数学模型,然后通过交替转换数学模型和使用迭代最小二乘投影(ILSP,Iterative Least Square Projection)算法实现PN码和多径信道的联合估计.为了进一步降低算法复杂度和避免矩阵求逆,本文给出了算法的自适应求解方式.此外,针对低信噪比下信道估计误差引起PN码的估计精度下降的问题,本文提出了一种基于迭代总体最小二乘投影的改进算法.所提算法不受PN码码型限制,并通过仿真实验验证了算法的有效性.
动态蛋白质网络的构建和复合物挖掘问题是目前研究的热点.针对现有的算法在解决前述问题上的不足,文中考虑了蛋白质的活性周期和连接强度,首先提出了一种基于动态图的蛋白质网络构建算法.然后基于密度聚类设计了一种在动态蛋白质网络上挖掘复合物的算法(PCMA).整个挖掘过程包含三个步骤:基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法的蛋白质复合物生成;基于合并增益的蛋白质复合物合并和基于归属度的复合物调整.在多个公开的生物数据集上进行了实验,实验结果表明,所提算法在查全率、查准率和F-measure方面的性能都要优于现有的算法,且对输入参数不敏感.在保证蛋白质复合物挖掘准确性的前提下,算法的时间复杂度处于一个合理的范围之内.
为提高具有帧间位移平移特性的视频图像的信噪比和去噪时效,本文提出了基于非局部自相似序列集的视频图像盲去噪算法.选取与待去噪视频图像前后相邻的若干图像帧,在每一图像帧中寻找具有典型特征的图像块群,并通过在前一帧图像中查找和该图像块群具有最小差异度的块群来确定帧间的精确位移;将待去噪视频图像划分成若干图像块,根据帧间位移快速构建每个图像块的自相似序列集;随后将每个自相似序列集中的二维图像块整合成三维矩阵后进行三维变换,并对变换系数进行自适应阈值处理;再将三维逆变换后的图像块融合生成去噪图像.实验结果表明,在噪声方差未知的情况下,本文算法所得去噪视频图像具有较好的信噪比和视觉效果,并且有较高的运行效率.
针对低压配电网箱表关系存在人工核查成本高、异常案例少、难以实现异常规律捕获的问题,采用极端不平衡分类学习方法实现低压异常箱表关系识别的泛化应用推广.通过电压原理识别出部分异常箱表关系样本集,随后构建CNN(卷积神经网络)异常箱表关系识别模型,通过样本三分类赋权值实现类别均衡处理;并在模型推广应用过程中,采用强化学习实现离线模型的在线泛化学习,并以分组模型交互学习和竞争优化的方式筛选出最优泛化识别模型.实验证明,通过人工核查和数据反馈,该方法可实现模型对异常样本数据分布规律的自拟合学习,提高模型对不同应用环境的泛化性,进一步降低人工现场核查工作量,保障低压台区用户拓扑网络关系的准确性.
本文研究了带切割工序生产企业的工件调度优化问题.以最小化所有工件的最大完工时间为目标,建立了考虑一对多加工约束的混合流水调度问题的两阶段数学模型.设计了基于问题特征的协同奔袭灰狼算法,制定了新的编码规则和狼群分级策略,改进了探狼游走策略,并提出了猛狼协同奔袭策略.通过改进的标准算例对GA、GWO和CDGWO算法进行参数敏感性测试及求解对比.求解小规模问题时算法差异不明显,但是随着问题规模的增大,CDGWO求解效果性能稳定且进化效率较好.
聚类集成旨在通过融合多个不同的基聚类结果得到一个统一的类簇划分.针对现实环境中的模糊和不确定性数据,本文提出了一种基于阴影集的多粒度三支聚类集成算法.算法首先使用FCM聚类产生一组有差异性的基聚类成员,并通过阴影集构造三支聚类.然后引入多粒度粗糙集构建了四个近似集合,将每一个类簇划分为一个核心域和三个边界域.最后对边界域中的数据依次划分到核心域中,无法划分的对象则留在边界域,最终得到了三支聚类集成的结果.实验结果表明,本算法在准确率、调整兰德系数和归一化互信息方面,与多种现有的聚类集成算法相比得到了更好的聚类集成结果.
三维掌纹能显著地减少应用过程中潜在的安全隐患,近年来吸引了越来越多的关注.然而,现有的三维掌纹识别方法大多借助人工设计的描述符来进行匹配,这往往需要先验知识.本文提出一种基于学习策略的局部方向特征二进制编码来完成三维掌纹识别.该方法利用形状指数来描述三维掌纹的局部几何特征,并且在形状指数图像上计算Gabor滤波器响应并将响应差值组合起来形成特征向量.提出利用哈希学习模型得到特征映射函数并将响应差值特征向量转换为方向特征二进制编码,并对方向特征二进制编码图采用分块策略形成特征直方图来进行匹配.在香港理工三维掌纹数据库上的实验结果表明,本文方法在识别率上要优于目前流行的其他三维掌纹识别方法,从而验证了本文方法的有效性.
行人重识别旨在跨监控设备下检索出特定的行人目标. 为捕捉行人图像的多粒度特征进而提高识别精度,基于OSNet基准网络提出一种多粒度特征融合网络(Multi-granularity Feature Fusion Network for Person Re-Identi-fication, MFN)进行端对端的学习. MFN由全局分支、特征擦除分支和局部分支组成,其中特征擦除分支由双通道注意力擦除模型构成,此模型包含通道注意力擦除模块(Channel Attention-based Dropout Moudle, CDM)和空间注意力擦除模块(Spatial Attention-based Dropout Moudle, SDM). CDM对通道的注意力强度排序并擦除低注意力通道,SDM在空间维度上以一定概率擦除最具有判别力的特征,两者通过并联方式相互作用,提高模型的识别能力. 全局分支采用特征金字塔结构提取多尺度特征,局部分支将特征均匀切块后级联成一个单一特征,提取关键局部信息. 大量实验结果表明了本文方法的有效性,在Market1501、DukeMTMC-reID和CUHK03-Labeled(Detected)数据集上,mAP/Rank-1分别达到了90.1%/95.8%、81.8%/91.4%和80.7%/82.3%(78.7%/81.6%),大幅优于其他现有方法.
本文提出一种有效的基于线段匹配与结构先验的城市建筑立面三维“线-面”结构快速重建算法.本文算法利用在当前图像中检测的初始线段将图像分割为互不重叠的区域,然后在点-线约束空间内对每个区域的竖直边进行匹配并通过全局多平面拟合的方式获取建筑初始主平面;在此基础上,利用结构先验(如共线、共面等)对图像中潜在线段匹配(或空间线段)进行推断与优化,进而获取每个区域对应的空间平面.实验结果表明,本文算法仅利用两幅图像即可重建以“线-面”形式表达的城市建筑立面完整结构,整体上具有较高的效率与精度.
为解决工业网络安全防护中工艺数据异常检测误报率较高的问题,本文提出一种基于时间序列的异常检测方法.该方法对工艺数据进行相关性分析、向量映射等处理,再采用堆叠自编码神经网络(SAE)对工艺数据特征进行降维,根据工艺数据在传输序列间的相互关联性,设计基于长短期记忆神经网络(LSTM)的异常检测模型,最后进行工艺数据异常检测仿真实验验证分析.实验结果表明,基于时间序列的异常检测模型能有效提高工艺数据异常检测准确率,并且误报率要低于传统隐马尔可夫异常检测模型,同时获得较好的异常检测实时性.
针对目前一些正确识别率高的SVM(Support Vector Machines)分类器、超球SVM分类器、深度学习分类器在一些典型样本集上应用时仍然有2%左右的错误识别率和增量学习功能不强的问题,本文提出了一种具有合适拒识机制的高正确识别率分类器设计方案和相应的增量学习算法,较好地解决了上述问题.主要工作包括:同类特征集合的紧密包裹集构造算法;基于同类特征集合和紧密包裹集的同类特征区域紧密包裹面的求解算法;设置所有紧密包裹面之外的公共区域为分类器的拒识区域的方法;当增加新类别、增减训练样本时,以上算法的增量学习算法.用uci数据集做对比实验表明,在拒识率小于1.3%的情况下,本文方法设计的分类器正确识别率大于99.13%.
狮群算法是一种具有较强寻优能力的群智能算法.为了克服基本狮群算法中因狮王替换的长周期性导致收敛速度较慢,幼狮选择策略较盲目导致的前期遍历性不足,幼狮步长扰动因子受解空间影响过大和算法后期局部收敛速度慢等缺陷;本文在原始狮群算法的基础上改良了狮王的替换策略和幼狮选择的概率,引入信息熵分别控制不同幼狮的步长,引入狮王稳定因子解决幼狮后期选择的盲目性,并适当调整狮群整体构成方式.由信息熵的值来度量狮群算法中幼狮选择的不确定性,通过设置不同的扰动因子达到控制算法中不同幼狮的移动范围,实现算法的自适应调节并增大算法的鲁棒性.仿真实验、桁架优化算例和TSP问题求解对比验证了改进算法的有效性.该研究为组合优化问题的求解提供了一种新的思路和方法.
动态异构冗余(Dynamic Heterogeneous Redundancy, DHR)模型的安全性分析是拟态防御的核心问题之一.本文针对DHR模型安全性量化分析问题提出了执行体-漏洞矩阵和服务体-漏洞矩阵模型,实现了DHR系统的形式化描述.提出了攻击序列法和服务体法的两种计算方法,从系统攻击成功率和被控制率对DHR系统进行安全性分析,推导出非合谋(合谋)盲攻击和非合谋(合谋)最优攻击4种场景下安全性指标的计算公式.通过仿真实验分析了DHR模型各因素对系统安全性的影响,给出了增强DHR系统安全性的具体建议.所提方法能用于DHR系统的安全性量化分析和比较,为DHR系统构建提供量化决策支撑.
机器学习方法在高分辨率遥感图像场景分类任务中已经得到大规模应用,但当前研究主要围绕数据特征和神经网络结构展开,极少提及神经网络训练策略对遥感图像分类性能的影响.因此,本文选取7种自然图像分类中常用的神经网络训练策略进行实验,根据其在3个规模较大的遥感图像数据集和4个广泛使用的神经网络模型上的实验表现,筛选出适用于遥感图像场景分类的神经网络训练策略.通过消融研究详细评估多个神经网络训练策略对遥感图像场景分类性能的影响,通过分析总体分类精度、混淆矩阵、Kappa系数得到有效的神经网络训练策略,并证明神经网络训练策略对遥感图像场景分类性能的有效性;根据叠加实验的结果分析,7种训练策略的组合可以在不同网络模型和数据集上表现出良好的适用性.
针对多个虚拟网络请求(Virtual Network Request, VNR)动态到达的网络场景,本文提出一种基于成本及功耗联合优化的软件定义网络(Software-Defined Networking, SDN)虚拟网络映射(Virtual Network Embedding, VNE)算法.在对虚拟节点及链路映射成本及功耗进行评估的基础上,建模VNE成本及功耗的代价函数,进而在满足资源需求等约束条件下,建模基于代价函数最小化的VNE模型.该优化问题为整数线性规划问题,难以直接求解;为解决此问题,提出基于时间窗的虚拟网络批处理映射策略动态处理在线请求.继而针对特定时间窗内的VNR,将其转换为虚拟节点映射子问题和虚拟链路映射子问题,并应用启发式算法对两个子问题分别进行求解,从而确定VNR映射策略.仿真结果表明,所提算法能显著减少VNE成本及功耗,提高VNR接受率.
本文提出了一种基于同步电荷提取的高效多压电能俘获电路(High Efficiency Multi-piezoelectric Energy Harvesting Circuit Based on Synchronous Electric Charge Extraction, EM-SECE).所提出的电路利用改进的正负峰值检测结构,减小了压电元件(Piezoelectric Transducer, PZT)达到电压峰值处和开关动作之间的相位差,从而提高了单个压电元件的能量收集效率.并且利用单电感的时分复用,实现基于单电感的多个压电元件振动能俘获.所提出电路具有无整流桥结构,且可以实现自供电的特点.实验结果表明,相同实验条件下,单压电EM-SECE电路的俘获功率为标准能量俘获电路(SEH)最大功率的3.09倍; 在仅用一个电感的情况下,双压电EM-SECE电路的俘获功率为两个单压电EM-SECE电路之和的97%.
针对地闪电磁脉冲计算在广域和高精度方面存在的难题,采用非均匀网格划分技术对均匀网格时域有限差分法进行改进,所提出的非均匀网格时域有限差分法适合广域地闪电磁脉冲计算.计算了100 km以内的地闪地面水平电场(Er),揭示了Er随回击距离变化所体现的波形变化规律.同时分析了大地电导率(σ)和回击速度(v)对该距离内Er的影响.结果表明:Er在2km内呈单极性脉冲,500m内在首次脉冲后出现过零现象且距离越远该现象越明显,50~100km内呈双极性连续脉冲;Er的脉冲幅值、半峰值宽度、脉冲宽度、过零幅度均随σ增大而减小,σ≤2.5×10-3 S/m时尤为明显;v对Er的影响随距离增大明显增强,100m以外的脉冲幅值和10km以外的过零幅度随v增大有明显提高.
为实现三相逆变器的高效率运行,提出了一种新型三相谐振直流环节逆变器拓扑结构,其在直流环节设置了结构简单的辅助谐振电路.分析了电路的工作流程.实验结果表明开关器件实现了软切换,而且逆变器输出电流波形无明显畸变.因此,该逆变器能实现高效率稳定运行.
硅基光电晶体管在高频通信、自动控制、电力系统领域具有广泛的应用前景.从系统验证和仿真的角度,迫切需要建立光电晶体管的等效电路模型,该模型需要包含电学特性和光学特性.本文提出了一种高频(100MHz~1GHz)硅基光电晶体管的SPICE(Simulation Program with Integrated Circuit Emphasis)等效模型,包含器件的主要光电特性,通过TCAD(Technology Computer Aided Design)仿真建立了模型中关键电学和光学参数的提取方法.基于所建立的高频光电晶体管的SPICE模型等效电路进行仿真,所得到的仿真结果能够完整描述光电晶体管的电学特性和光学特性,并验证了模型在器件模拟与电路应用上的可行性,表明本文所提出的SPICE模型和参数提取方法,对于基于高频光电晶体管的系统仿真,具有参考价值.
随着互联网规模的不断扩大以及应用场景的多元化,传统网络无法很好地满足新业务的动态多样化需求,因此国内外对未来网络展开了深入研究.本文首先介绍了未来互联网体系架构的研究现状.其次,介绍了具备“三层、两域”特征的智慧标识网络(Smart Identifier NETwork,SINET)体系架构,然后重点阐述了SINET服务机理在服务的命名与解析、路由机制、服务缓存、移动性、传输控制机制、可扩展性、绿色节能等关键技术方面取得的研究进展,并进一步详细分析了SINET服务机理的安全性.最后总结了SINET面临的挑战,对SINET服务机理在大规模场景部署中可能存在的问题做出讨论.