目标检测是计算机视觉领域内的热点课题，在机器人导航、智能视频监控及航天航空等领域都有广泛的应用.本文首先综述了目标检测的研究背景、意义及难点，接着对基于深度学习目标检测算法的两大类进行综述，即基于候选区域和基于回归算法.对于第一类算法，先介绍了基于区域的卷积神经网络（Region with Convolutional Neural Network，R-CNN）系列算法，然后从四个维度综述了研究者在R-CNN系列算法基础上所做的研究：对特征提取网络的改进研究、对感兴趣区域池化层的改进研究、对区域提取网络的改进研究、对非极大值抑制算法的改进研究.对第二类算法分为YOLO（You Only Look Once）系列、SSD（Single Shot multibox Detector）算法及其改进研究进行综述.最后根据当前目标检测算法在发展更高效合理的检测框架的趋势下，展望了目标检测算法未来在无监督和未知类别物体检测方向的研究热点.

在解析物联网两层基本涵义的基础上,提出了包括底层网络分布、汇聚网关接入、互联网络融合、终端用户应用四部分的物联网系统架构;设计了由网络通信协议、网络控制平台、应用终端平台组成的面向物联网的网络协议体系,并从硬件和软件两个层面讨论了实现物联网的关键技术;在分析当前物联网标准、技术、安全以及应用方面存在问题的基础上提出了未来物联网发展的六个重要理念.

为解决传统粒子群优化算法易出现早熟的不足,提出了精英反向学习策略,引入精英粒子,采用反向学习生成其反向解,扩大搜索区域的范围,可增强算法的全局勘探能力.同时,为避免最优粒子陷入局部最优而导致整个群体出现搜索停滞,提出了差分演化变异策略,采用差分演化算法搜索最优粒子的邻域空间,可增强算法的局部开采能力.在14个测试函数上将本文算法与多种知名的PSO算法进行对比,实验结果表明本文算法在解的精度与收敛速度上更优.

行人检测是计算机视觉中的研究热点和难点,本文对2005-2011这段时间内的行人检测技术中最核心的两个问题—特征提取、分类器与定位—的研究现状进行综述.文章中首先将这些问题的处理方法分为不同的类别,将行人特征分为底层特征、基于学习的特征和混合特征,分类与定位方法分为滑动窗口法和超越滑动窗口法,并从纵横两个方向对这些方法的优缺点进行分析和比较,然后总结了构建行人检测器在实现细节上的一些经验,最后对行人检测技术的未来进行展望.

MIMO(Multiple-Input Multiple-Output)雷达作为一种新型雷达体制在21世纪初正式提出后,引起了国内外众多学者和研究机构的浓厚兴趣.本文从现有的研究成果出发,首先对MIMO雷达基本理论进行了概要性总结;而后从MIMO雷达系统结构、信号设计、目标检测、参数估计以及高分辨性能五方面探究其潜能本质,同时指出MIMO雷达走向实用化所面临的制约因素;最后在综合分析的基础上展望了MIMO雷达的发展趋势.

目标检测在基于传统手工特征及深度学习算法上已经取得较大发展，然而针对小目标检测的研究近几年才开始出现，研究成果较少，且大都是在已有目标检测算法基础上进行改进，以提高小目标检测的检测精度.小目标像素点少，本身携带的特征少，多次下采样后就更难进行特征提取，因而小目标检测面临极大挑战.小目标检测在自动驾驶、遥感图像检测、刑侦等领域都有广泛应用需求，对于小目标检测技术的研究有重要的实用价值.本文对小目标检测的现有研究成果进行了详细综述.首先，将现有算法按照检测需要的阶段数分为一阶段、二阶段、多阶段，描述了RetinaNet、CornerNet-Lite、特征金字塔网络（Feature Pyramid Network，FPN）等算法的原理并进行了对比分析.其次，本文描述了小目标检测技术在不同领域的应用情况，并汇总了MS COCO、PASCAL VOC、DOTA、KITTI等数据集及算法性能评价指标.最后，总结了小目标检测面临的挑战，并展望了未来的研究方向.

随着云计算在学术界和工业界的兴起,云计算也不可避免的带来了一些安全问题.本文对云计算的安全需求进行了总结,指出云计算不仅在机密性、数据完整性、访问控制和身份认证等传统安全性上存在需求,而且在可信性、配置安全性、虚拟机安全性等方面具有新的安全需求.我们对云计算的两个典型产品Amazon Web Services和Windows Azure的安全状况进行了总结,并阐述了针对云计算的拒绝服务攻击和旁通道攻击.基于云计算的安全需求和面临的攻击,对现有安全机制进行了优缺点分析,系统的总结了现有的安全机制.

基于求解TSP问题,提出一种离散型萤火虫群优化(DGSO)算法,该算法结合TSP问题特点,给出一种有效编码和解码方法,并定义适合编码的个体间距离计算公式和编码更新公式.同时,为增强算法求解TSP问题的局部搜索能力,加快算法的收敛速度,算法使用了操作简单的2-Opt优化算子.最后,通过对10个TSP问题进行仿真实验,实验结果表明本文提出的算法是在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.在大规模TSP算例中算法获得的最优值与理论最优值的误差也在1%以下.

访问控制的任务是保证信息资源不被非法使用和访问,冲突检测与消解主要解决不同信息系统安全策略不统一的问题.随着计算机和网络通信技术的发展,先后出现了自主访问控制模型、强制访问控制模型、基于角色的访问控制模型、基于任务的访问控制模型、面向分布式和跨域的访问控制模型、与时空相关的访问控制模型以及基于安全属性的访问控制模型等访问控制模型.本文从理论和应用研究两个角度分析和总结了现有访问控制技术、访问控制策略冲突检测与消解方法的研究现状,提出了目前访问控制模型及其冲突检测与消解研究在面向信息物理社会的泛在网络互联环境中存在的问题,并给出了细粒度多级安全的访问控制模型及其策略可伸缩调整方法的发展趋势.

认知雷达系统能够通过感知复杂多变的环境而自适应的调整雷达收发系统以适应当前的环境,因此可大幅提升雷达系统性能.本文在简要回顾认知雷达发展历程的基础上,逐步深入的揭示了认知雷达的本质特征及系统构成,讨论了认知雷达的关键技术,对目前的研究成果进行了分析与总结,并指出了存在的问题.最后讨论了认知雷达的未来发展方向.

传统Otsu法在确定阈值时需要穷举计算图像中每个灰度值为阈值时的类间方差.文中利用Otsu阈值的性质,提出了一个新算法以快速计算Otsu阈值.新算法搜寻出与两类类内均值的平均值的整数部分相等的阈值,从中确定一个符合Otsu准则的阈值.传统Otsu法在对梯度图像中的小目标分割时分割性能不佳,文中提出了一个Otsu阈值的改进算法,该算法使用快速计算Otsu阈值的新算法递归求解分割阈值.实验结果表明,与传统Otsu算法相比,计算Otsu阈值的快速算法速度更快,而阈值的改进算法对梯度图像中的小目标分割效果更好.

基于拟合的传统轨迹预测算法已无法满足高精度和实时性预测要求.提出基于卡尔曼滤波的动态轨迹预测算法，对移动对象动态行为进行状态估计，利用前一时刻的估计值和当前时刻的观测值更新对状态变量的估计，进而对下一时刻的轨迹位置预测.大量真实移动对象数据集上的实验结果表明：GeoLife数据集上基于卡尔曼滤波的轨迹预测算法的平均预测误差（预测轨迹点与实际轨迹点的均方根误差）为12.5米；与基于轨迹拟合的轨迹预测算法相比，T-Drive数据集预测误差平均下降了555.4米，预测准确率提升了7.1%.在保证预测时效性前提下，基于卡尔曼滤波的动态轨迹预测算法解决了轨迹预测精度较低的问题.

针对鲸鱼优化算法（Whale Optimization Algorithm，WOA）存在的收敛速度慢、寻优稳定性不足等问题，本文提出了精英反向学习的黄金正弦鲸鱼优化算法（Elite Opposition-Based Golden-Sine Whale Optimization Algorithm，EGolden-SWOA）.利用精英反向学习策略提高种群的多样性和质量可以有效提升算法的收敛速度，同时引入黄金分割数优化WOA的寻优方式，从而协调算法的全局探索与局部开发能力.对20个单模态和多模态测试函数进行寻优实验，并与RLPSO（Reverse-learning and Local-learning Particle Swarm Optimization）、IWOA（Improved Whale Optimization Algorithm based on nonlinear convergence factor）等多个算法进行对比，实验结果表明EGolden-SWOA具有更好的寻优精度和稳定性.进一步对EGolden-SWOA进行求解大规模问题的实验，实验结果表明EGolden-SWOA可以有效解决大规模优化问题.最后将EGolden-SWOA应用于压力容器和蝶形弹簧设计优化问题，结果表明EGolden-SWOA在工程优化方面的性能优于RCSA（Rough Crow Search Algorithm）、CPSO（Co-evolutionary Particle Swarm Optimization）等改进算法，可以有效运用于实际工程优化问题.

提出一种基于卡尔曼滤波与粒子滤波的非线性滤波算法.这种方法对于状态变量服从线性变化而观测方程为非线性的动态系统模型具有显著的效果.首先使用粒子滤波对状态变量进行初估计,然后对估计结果进行卡尔曼滤波,另外推导出该系统模型下状态变量估计误差的克拉美劳下界.通过计算复杂度分析及仿真实验验证,表明新方法与标准粒子滤波算法复杂度相当,但参数估计精度要高于标准粒子滤波以及扩展卡尔曼滤波算法,估计误差甚至要低于系统模型的克拉美劳下界.

信道编码盲识别是非合作信号处理领域的重要内容,将非合作信号处理技术从信号层扩展到了信息层,在智能通信、信息截获、信息对抗等领域具有重要作用.本文首先对广泛应用于现代数字通信系统中的卷积码、BCH码、RS码、Turbo码和扰码的盲识别算法进行了总结和归类,然后对算法原理进行了描述,并分别从计算量和误码适应能力两个方面对算法的性能进行了分析.最后,根据目前算法的不足和现实需求,指出了未来信道编码盲识别的研究方向.

针对鲸鱼优化算法容易陷入局部极值和收敛速度慢的问题，提出了一种结合自适应权重和模拟退火的鲸鱼优化算法.通过改进的自适应权重策略来调整算法的收敛速度，通过模拟退火增强鲸鱼优化算法的全局寻优能力.仿真实验中计算了18个测试函数，对比了粒子群算法、海豚回声定位算法和标准鲸鱼算法并进行统计分析，同时比较了单独结合自适应权重和模拟退火对鲸鱼优化的影响，结果表明，改进的算法在测试函数的极值计算中，计算精度和收敛速度方面都有了明显提升，验证了改进算法的有效性.

现有的信道编码识别方法通常利用解调输出的硬判决序列来进行,其容错能力有待提高.本文针对低信噪比的接收信号,提出了一种利用软判决的编码识别新算法.该算法基于含错方程模型,以方程成立的概率作为衡量解向量性能的量度,从而求解方程,完成识别.对数似然比(LLR)代数的使用使得算法具有简单的形式.仿真实验表明,与基于Walsh-Hadamard变换的传统算法相比,新算法提高了识别性能,且信噪比越低,性能提高越显著.

从图像最优对比度出发,提出直方图均衡化的一类最优化数学模型及其增强方法.针对线性规划求解基于最优对比度的图像增强法效率极低的不足,首先对传统直方图均衡化方法建立灰度级映射的最优化数学模型;其次提出了传统直方图均衡化的一种改进型灰度级映射最优化模型;最后探讨了灰度级映射最优化模型解具有的性质,以及传统直方图均衡化和可调直方图均衡化可视为本文方法的特例.实验结果表明,本文所提出直方图均衡化的一类最优化模型是合理的且能获得满意的增强效果,相比传统直方图均衡化和可调直方图均衡化方法更具普适性.

多方保密计算是信息社会隐私保护的核心技术,是国际密码学界的研究热点之一.本文首先提出了一种新的对保密数据进行编码的方案,接着利用这种新的编码方案和同态加密方案,构造了一个百万富翁问题新的解决方案,并证明了方案的安全性.新的方案更简洁、更具有普遍意义,能够对可定义全序关系的任意两个对象进行比较.最后用这个新的解决方案解决了另一个新的多方保密计算问题-两个整数的互素问题,证明了方案是安全的.

测量矩阵在压缩感知中起着关键性的作用,其性能会影响原始信号的压缩与重构.现有的测量矩阵多数为随机的,它们在实际应用中有存储量大、效率低等缺点,且在硬件上难以实现,故构造确定性测量矩阵对压缩感知理论的推广与应用具有重要的意义.本文回顾了国内外学者在确定性测量矩阵构造方面的研究,着重对目前已有的构造算法进行详细的介绍和分类,最后根据多种指标综合评述了各种算法的性能.

文章在自适应多叉树防碰撞算法的基础上,通过优化阅读器所发送前缀的方法,提出了一种改进型自适应多叉树(IAMS)防碰撞算法.该算法通过计算碰撞因子来动态地选择搜索树的叉数,并对四叉树的查询前缀进行优化,从而避免了大量的空闲时隙.文章通过数学分析,准确地描述了IAMS算法识别标签所需的时隙数.仿真结果表明,改进型自适应多叉树防碰撞算法具有更快的识别速度和更高的系统吞吐率.

在直觉模糊集的框架下,重点研究了目标属性值为区间数且权重完全未知,决策者对方案具有偏好信息的问题,提出一种属性权重不确定的直觉模糊多属性决策的威胁评估方法.首先,针对上述问题,建立了直觉模糊区间判断矩阵,给出了目标属性为区间数的指标值规范化处理方法;其次,分析了决策者对方案中所涉及的目标属性、属性权重及决策者权威度,建立了群决策的方案偏好模型;再次,针对目标属性值在某一区间内变化的特点,给出了直觉模糊区间值的接近度与理想解的定义,建立了最优属性权重约束优化模型;最后,以典型的威胁评估实例验证了该方法可同时反映主观和客观信息对目标威胁评估的影响,可有效避免因部分传感器失效或受外界环境因素影响以及决策者主观经验所带来的偏差,实际目标威胁评估结果验证了该方法的优越性.

灰狼优化算法是最近提出的一种较有竞争力的优化技术.然而，它的位置更新方程存在开发能力强而探索能力弱的缺点.受差分进化和粒子群优化算法的启发，构建一个修改的个体位置更新方程以增强算法的探索能力；受粒子群优化算法的启发，提出一种控制参数a随机动态调整策略.此外，为了提高算法的全局收敛速度，用混沌初始化方法产生初始种群.采用18个高维测试函数进行仿真实验，结果表明：对于绝大多数情形，在相同最大适应度函数评价次数下，本文算法的性能明显优于标准灰狼优化算法.

应用证据理论的一个关键问题是生成基本概率指派 (BPA),目前如何生成BPA仍然是一个有待解决的问题.本文提出一种基于区间数的BPA生成方法,首先建立样本属性的区间数模型,然后用区间数的距离表示样本属性之间的差异性,在此基础上提出了一种相似度,最后对相似度进行归一化得到BPA.通过鸢尾花数据集 (Iris Data Set) 的分类实验验证了该方法的有效性,结论表明整体识别率为96%.本文方法简单实用,数据样本较少情况下也能有效确定BPA.

目前基于图像块稀疏表示的超分辨率重构算法对所有图像块都用同一字典表示,不能反映不同类型图像块间的差别.针对这一缺点,本文提出基于图像块分类稀疏表示的方法.该方法先利用图像局部特征将图像块分为平滑、边缘和不规则结构三种类型,其中边缘块细分为多个方向.然后利用稀疏表示方法对边缘和不规则结构块分别训练各自对应的低分辨率和高分辨率字典.重构时对平滑块利用简单双三次插值方法,边缘和不规则结构块由其对应的高、低分辨率字典通过正交匹配追踪算法重构.实验结果表明,与单字典稀疏表示算法相比,本文算法对图像边缘部分重构质量明显改善,同时重构速度显著提高.

针对热轧带钢表面缺陷检测中存在的检测速度慢、检测精度低等问题，提出了一种改进的YOLOv3算法模型.使用加权K-means聚类算法来优化确定先验框参数，提高先验框（priors anchor）与特征图层（feature map）的匹配度；同时，调整YOLOv3算法的网络结构，融合浅层特征与深层特征，形成新的大尺度检测图层，提高网络对带钢表面缺陷的检测精度.实验结果表明，改进后的YOLOv3算法在NEU-DET数据集上平均精度均值达到了80%，较原有的YOLOv3算法提高了11%；同时检测速度保持在50fps，优于目前其它深度学习带钢表面缺陷检测算法.

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.

针对动态目标防御的最优策略选取问题，分析了动态目标防御环境下的攻防对抗特点，提出了动态目标防御策略的收益量化方法，基于不完全信息动态博弈构建了面向动态目标防御的单阶段和多阶段博弈模型，给出了精炼贝叶斯均衡求解算法和先验信念修正方法，获得了不同安全态势下的最优动态目标防御策略.最后，通过实例说明和验证了上述模型和方法的可行性和有效性，总结了利用动态目标防御策略进行网络防御的一般性规律.

随着压缩感知理论的兴起和发展，基于空时功率谱稀疏性的空时自适应处理（STAP）技术受到越来越广泛的关注.本文首先简单回顾了空时自适应处理技术的传统方法，接着从三个不同角度分析了空时功率谱的稀疏性并探讨了基于空时功率谱稀疏性的STAP技术的潜在优势，然后总结了基于空时功率谱稀疏性STAP基本原理和三种实现方式，根据稀疏支撑集先验信息知晓情况对现有基于空时功率谱稀疏性的STAP方法进行了分类，包括：基于阵列流形知识的STAP技术、基于空时功率谱稀疏恢复的STAP技术以及基于阵列流形知识和空时功率谱稀疏恢复的STAP技术，并对其研究现状进行了综述.最后在已有研究的基础上，着眼于提高杂波抑制和运动目标检测能力的发展需要，提出了未来该技术需要重点解决和关注的若干问题，包括稀疏性的本质机理分析、空时导向字典的设计、参数设置简单，快速和低复杂度算法设计、对模型误差稳健的算法设计、多种先验知识融合的基于空时功率谱稀疏性的STAP算法设计、基于空时功率谱稀疏性STAP方法的恒虚警检测器设计以及实测数据验证等方面.

直方图均衡化（Histogram Equalization，HE）是图像增强领域中基础性很强的方法，对其研究和改进工作至关重要.首先，本文分析了经典HE算法的缺点，也概括了五类基于直方图均衡化的图像增强技术，然后针对HE经典算法的缺点提出了两种改进方法，分别引入了直方图动态削峰技术和边缘信息融合技术，最后选取曝光不足和过曝光的两类图像验证算法的性能，采取了有效的图像客观质量评价指标对实验结果做出评价.结合主客观图像质量评价可以看出，本文提出的算法具有增强效果好、输入参数少等特点.

视频中的人体动作识别是计算机视觉领域内一个充满挑战的课题.不论是在视频信息检索、日常生活安全、公共视频监控，还是人机交互、科学认知等领域都有广泛的应用.本文首先简单介绍了动作识别的研究背景、意义及其难点，接着从模型输入信号的类型和数量、是否结合了传统特征提取方法、模型预训练三个维度详细综述了基于深度学习的动作识别方法，及比较分析了它们在UCF101和HMDB51这两个数据集上的识别效果.最后分别从视频预处理、视频中人体运动信息表征、模型学习训练这三个角度对未来动作识别可能的发展方向进行了论述.

有限集统计学理论为杂波背景下的目标跟踪问题提供了一种工程友好的理论工具.对近年来基于有限集统计学理论的目标跟踪技术研究现状进行了综述,包括最优多目标贝叶斯滤波器及其近似技术、参数未知与机动多目标跟踪技术、航迹生成方法、单目标联合检测与跟踪滤波器及基于有限集观测的单目标滤波器等,对相关应用亦有所介绍.最后在已有研究发展的基础上,着眼于提高目标跟踪精度和增强目标跟踪鲁棒性的发展需要,提出了基于有限集统计学理论的目标跟踪技术需重点解决和关注的若干问题,包括多目标跟踪性能评价、弱小目标跟踪、多机动目标跟踪、多传感器融合跟踪以及联合目标检测、跟踪与分类等方面.

小时间尺度的网络流量的混沌性被噪声掩盖难以预测,本文通过局部投影降噪得到可预测的混沌性流量趋势.针对网络流量存在的时变性和长周期性,提出一种最优样本子集在线模糊最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)预测方法:以与预测样本时间上以及欧式距离最近的样本点构成最优样本子集,并对其模糊化处理,最后采用模糊LSSVM训练获得预测模型.通过分块矩阵降低预测模型在线更新的运算复杂度.对真实网络流量的降噪以及预测的结果表明本文方法能够快速准确的预测网络流量趋势.

本文提出一种基于稀疏编码的多核学习图像分类方法.传统稀疏编码方法对图像进行分类时,损失了空间信息,本文采用对图像进行空间金字塔多划分方式为特征加入空间信息限制.在利用非线性SVM方法进行图像分类时,空间金字塔的各层分别形成一个核矩阵,本文使用多核学习方法求解各个核矩阵的权重,通过核矩阵的线性组合来获取能够对整个分类集区分能力最强的核矩阵.实验结果表明了本文所提出图像分类方法的有效性和鲁棒性.对Scene Categories场景数据集可以达到83.10%的分类准确率,这是当前该数据集上能达到的最高分类准确率.

针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.

基于支持向量机（SVM）的入侵检测方法受时间和空间复杂度约束，在高维特征空间计算时面临"维数灾害"的问题.为此，本文提出一种基于自编码网络的支持向量机入侵检测模型（AN-SVM）.首先，该模型采用多层无监督的限制玻尔兹曼机（RBM）将高维、非线性的原始数据映射至低维空间，建立高维空间和低维空间的双向映射自编码网络结构，进而运用基于反向传播网络的自编码网络权值微调算法重构低维空间数据的最优高维表示，从而获得原始数据的相应最优低维表示；最后，采用SVM分类算法对所学习到的最优低维表示进行入侵识别.实验结果表明，AN-SVM模型降低了入侵检测模型中分类的训练时间和测试时间，并且分类效果优于传统算法，是一种可行且高效的轻量级入侵检测模型.

针对现有暗通道图像去雾算法存在的天空色彩失真，景物边缘光晕效应等问题，本文提出了基于暗通道理论的改进去雾算法.由于暗原色先验理论不适用于天空区域，本文将引导滤波用于天空区域的细化分割，准确估计包含天空区域图像的大气光照强度，解决了天空色彩失真问题；其次，利用中值滤波得到详细边缘信息，进而得到更为清晰的透射率，有效抑制了景物边缘光晕问题；最后针对去雾后图像偏暗的问题，在HSV空间对亮度分量V通道进行增强处理.实验结果表明，针对带雾图像，本文算法能够有效地去雾，改善天空区域色彩失真以及景物边缘光晕问题.

黑色通道优先算法在处理单幅户外场景图像去雾方面取得了一定的效果,但是该方法需要消耗大量的存储和计算资源,另外对天空区域的处理不够准确.本文仍然基于黑色通道先验知识,对图像边缘和非边缘分别采用不同的模板处理得到透射图,并通过分割天空区域或者雾最浓区域求得准确的大气光值,利用该方法可以恢复出和原方法基本一致甚至更准确的结果,并且可以大大减少消耗,提升计算速度.

数值仿真发现,通过设置Duffing振子初值和参考信号初相使其满足一定关系,Duffing振子从大周期态向混沌态的转变(正向相变),比较其从混沌态向大周期态的转变(逆向相变),对周期策动力的幅值体现出了更稳健的敏感性.据此,提出了一种利用Duffing振子逆向相变实现弱正弦信号检测的方法,分析了其可行性,并通过仿真与传统的检测方法进行了对比.数据表明,相同条件下,所提检测方法具有更高的检测精度.此外,根据相空间分布特点,提出了一种相轨迹运动状态的判别方法.该判别方法计算量小,并具有较好的实时性,通过仿真验证了该方法的正确性.

随着新型无线业务的不断发展,频谱供需矛盾日益明显.认知无线电网络被认为是实现动态频谱共享、缓解频谱供需矛盾的重要途径,近年来相关研究受到了广泛关注.本文对认知无线电网络中的频谱分配研究进展进行了分析.论文首先介绍了认知无线电网络的技术背景,分析了认知无线电网络中频谱分配的关键问题和算法设计目标.在此基础上总结了主流频谱分配模型的设计思想与技术特点,并详细描述了各模型经典分配算法的实现机制.最后,对频谱分配研究趋势进行了展望.