一种基于全新算法的盲最佳多用户检测器

提出一种模拟基因工程技术优化算法,进而基于MMSE准则提出一种全新的模拟基因工程技术优化算法的盲最佳多用户检测器SGE(Blind Optimal Multi-User Detector of Simulating Ge-netic Engineering,SGE),盲最佳多用户检测.该算法源于通过基因校正改善物种品质的思想,是一种进化算法,其算法效率远远高于遗传算法等.SGE盲最佳多用户检测只需要很少的用户信息就能够获得和Verdu多用户检测器相同的误码率性能.     

协同CDMA小波联合检测器

提出一种基于协同CDMA的小波多用户检测器,来降低多址干扰对CDMA系统性能的影响. 研究了一种协同时分双工CDMA模型,并结合小波的多分辨率分析建立了协同CDMA小波多用户检测器的模型. 根据最小均方误差线性多用户检测器的要求,通过理论分析提出一种减小代价函数的最小均方误差多用户联合检测器算法,并分析了所提出的小波多用户联合检测器在协同直接序列码分多址系统中的误码率传输特性. 计算机仿真结果表明：在平坦瑞利衰落信道下,提出的小波多用户检测器能有效能降低多址干扰的影响,提高系统容量,在低信噪比情况下效果尤为显著.     

用多元信号检测改进广义高斯噪声下的并行非线性检测器

在广义高斯噪声下,根据最大后验概率准则比较了多元信号的并行非线性检测和最佳并行线性检测. 在高斯噪声条件下,并行非线性检测器性能接近于最佳并行线性检测器. 若噪声是广义高斯的,特别是当噪声幅度集中于均值零附近时,并行非线性检测器的检测性能优于最佳并行线性检测器.     

LSCM_SUB在半盲多用户检测器中的应用

提出了应用于CDMA上行链路多用户检测器中的半盲LSCM_SUB算法.它首先利用非盲算法消除所有小区内干扰用户的影响,接着再利用LSCM_SUB算法抵消剩余的干扰.仿真实验表明,与盲LSCM算法及解相关算法相比较,该SB_LSCM_SUB算法的性能明显优于其他几种经典的盲恒模算法及解相关算法.     

多载波DS/CDMA系统中基于SADPSO算法的多用户检测

离散粒子群算法(DPSO)是一种简单有效的随机全局优化技术.它通过粒子间的合作与竞争以实现对多维复杂空间的高效搜索.为改进其收敛速度和克服"早熟收敛"问题,将模拟退火机制引入到基本DPSO算法中,提出了SADPSO算法.并将该算法应用到多载波DS/CDMA系统的多用户检测中.仿真结果表明,该检测器在误码率性能和抗"远近"效应能力方面取得到了比较满意的结果,收敛速度和精度均好于基于DPSO算法的检测器,在相同带宽相同检测算法的条件下多载波DS/CDMA 系统误码率性能优于DS/CDMA系统.     

飞机尾流雷达探测的时-频-空域联合处理

针对相参多普勒雷达,提出了一种表征飞机尾流时-频-空域特性的雷达回波信号模型. 导出了飞机尾流最佳似然比检测器及其在大脉冲数、小信噪比条件下的准最佳形式,证明了后者为时-频-空域联合处理结构,并具有不依赖于信号功率的恒虚警特性. 导出了准最佳检测器检测概率和虚警概率的解析表达式及其近似形式. 实验结果表明,时-频-空域联合处理技术可有效增强飞机尾流的雷达探测性能.     

基于LSTM-DNN模型的入侵检测方法

针对基于深度神经网络模型的入侵检测方法存在的梯度减弱或消失问题，提出了一种LSTM(Long-Short Term Memory，长短时记忆)神经网络改进的DNN(Deep Neural Networks，深度神经网络)模型．该模型主要包括LSTM神经网络和DNN2部分，LSTM神经网络通过记忆或遗忘进行数据流量特征提取，然后将其输入DNN进行训练、入侵检测．模型中采用优化算法，加快了网络收敛．实验表明，与LSTM模型相比，LSTM-DNN模型具有较好的性能，准确率更高，运行时间更短．     

一种光纤式FLO烟支检测器设计

随着生活水平的提高,消费者对产品的质量要求越来越高。当前,卷烟机器上也加了松头、缺嘴及烟支外形检测器,但该检测器工作不稳定,经常有误剔和漏剔现象,不能较好地保证产品质量。本文设计了一种光纤式FLO烟支检测器,该检测器检测灵敏,免维护,工作稳定。     

基于软干扰消除的TH-UWB迭代多用户检测算法

多址干扰已经成为影响UWB系统性能的重要因素,将Turbo理论中的迭代思想与多用户检测技术相结合,提出了一种基于软干扰抵消的迭代多用户检测算法,为进一步降低算法复杂度,对软干扰抵消后的剩余干扰进行高斯近似。仿真实验表明,在AWGN信道条件下,经过几次迭代后多址干扰被有效抑制,使用该算法的接收机性能明显优于传统接收机。     

基于循环平稳周期的交织差分最小均方误差多用户检测算法

以抑制宽带码分多址(wide code division multiple access, WCDMA)系统在快变信道中的多址干扰为目标,提出基于循环平稳周期的交织差分最小均方误差(interleaving differential minimum mean square error, IDMMSE) 多用户检测算法. 根据WCDMA系统特有的二级扩频结构,将差分最小均方误差(differential minimum mean square error, IDMMSE) 算法的权系数优化准则改为基于循环平稳周期,而不是基于简单的扩频因子. 该方法更准确地反映了多址干扰的变化规律,有利于抑制多址干扰. 另外,引入交织技术能使信源不相邻的具有相同综合扩频序列的符号在实际信道中相邻传输,从而保证DMMSE算法所需的快变信道中相邻两个符号周期内信道变化很小的假设成立. 仿真实验表明,IDMMSE算法能在一定程度上对抗多普勒频移,且误码性能优于现有自 适应MMSE算法.     

基于线性变换的MMSE盲多用户检测法

提出了一种基于线性变换和预测的盲多用户检测方法，可同时消除MAI和ISI．它仅利用了某特定用户的扩频序列，先进行线性变换和线性预测，再进行MMSE检测．由于不进行直接信道估计，避免了信道估计误差，使算法的准确性得到了提高．     

改进的CRNN模型在警情文本分类中的研究与应用

针对某市公安110接处警文本描述进行案件分类的需求，参考现有文本分类方法在其他行业的应用，搭建了应用于警情描述的文本分类系统.通过论证常见分类网络适用场合及其优缺点，结合对警情数据中案件描述特征的分析，提出了基于改进卷积循环神经网络的模型，该模型优化了关键特征提取过程，弥补了现有模型短文本局部特征提取不足的缺陷.实验表明，该模型的准确率比常见分类模型提升了2%~3%，且能够有效保证数据局部特征的关联性，可以对案件描述所对应的案件类型进行准确分类，从而提高公安接处警平台的自动化效率.     

Fast-FHMA/MFSK系统中基于分集接收MMSE的多用户检测算法

利用快跳频信号帧间信号一致性以及分布式网络的特点,提出了基于分集合并接收的最小均方误差准则的快跳频多址多用户检测算法.算法适合同步和异步系统,具有较强的抗虚警和抗漏检能力.仿真结果表明该算法能明显提高分布式对等网络终端消除同信道干扰的能力,且相对已有中心功率控制的同步和异步多用户检测算法,该算法可以进一步改善系统的BER性能.     

基于GRU与特征嵌入的网络入侵检测

当前基于神经网络的入侵检测方法并没有将数据分类信息考虑在内，无法有效利用网络流量数据的时序信息，为此将门控循环单元（gated recurrent unit，GRU）和基于分类信息的特征嵌入技术结合起来，构建了基于GRU与特征嵌入的网络入侵检测模型。利用UNSW-NB15数据集进行模型仿真实验，结果表明该模型提高了对入侵攻击的检测率，为入侵检测中大规模数据的处理提供了一种全新的思路。     

用电子束感生电压技术检测锑化铟红外探测器

在DX-3A扫描电子显微镜上加上了低温样品架,在83K用电子束惑生电压技术(EBIV)检测了锑化铟光生伏特型红外探测器的若干性能.探测器的EBIV像可清楚地显示出光敏面扩大的程度及多元探测器中各敏感元之间的隔离不完善性.光敏面上缺陷引起的响应不均匀性也可灵敏地检测出来.对于具有腐蚀台阶的台面型探测器,从EBIV分布曲线可估计出p-n结的深度.     

基于LSTM和特征生成的网络流量分类

本文提出了一种将特征生成和长短期记忆（long short term memory,LSTM）模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络（convolutional neural network,CNN）和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。     

基于Curvelet稀疏表示的图像盲分离初始化

针对盲分离初始化问题提出一种基于Curvelet稀疏表示的图像盲分离初始化方法. 该方法充分利用信号Curvelet变换的稀疏特性,选取稀疏性最好的高频系数组,采用聚类方法估计聚轴中心,寻求混合矩阵估计值,实现对盲分离学习算法的初始化. 实验结果表明,该初始化方法能避免盲分离算法在收敛时陷入局部最小,加快收敛,并提高分离精度.     

利用复合特征进行模式识别的探雷研究

根据对探地雷达回波信号的分析,提出了一种利用复合特征训练神经网络并用其进行地雷探测的新方法.整个过程包括有预处理、特征提取及神经网络分类三个步骤.在特征提取的过程中,选取时域、频域、小波域能量及其统计量,以及Welch功率谱密度估计作为地下埋设目标的特征,在此基础上使用WILKS准则采用逐步判别的方法抽取关键特征,从而降低特征维数并将特征送入神经网络训练.使用地雷目标与其相近物体的数据进行对比试验和神经网络测试,结果表明,使用复合特征训练的神经网络可有效地将地雷与其他干扰物分开,提高了地雷的探测率,同时降低了虚警率.     

基于小波奇异性的结构故障检测

提出了一种新的基于小波奇异性的结构故障检测方法.通过对传感器检测信号进行二进离散小波变换,采用模极大值算法对信号进行去噪滤波,同时根据小波变换模极大值在不同尺度下的分布来完成故障的检测与定位.该方法可有效抑制噪声对残差信号的影响,提高故障检测的鲁棒性.最后,针对歼击机的结构故障进行了仿真,仿真结果表明了本文方法的有效性。     

基于在线训练RBF神经网络的混沌系统辨识研究

讨论混沌系统的在线辨识问题,给出了RBF神经网络的一种在线训练算法,对这种在线训练算法所涉及到的各个方面进行了分析,并把这种在线训练算法用在混沌系统的辨识中.仿真表明该算法是非常有效的.