基于深度残差适配网络的通信辐射源个体识别

为解决通信辐射源识别中传统的人工特征提取方法鲁棒性不足和深度学习方法需要大量带标签目标域数据的问题, 提出一种基于深度残差适配网络的通信辐射源个体识别方法。应用深度学习技术实现从源域到目标域上的迁移识别, 只需要将带标签的源域数据和无标签的目标域数据进行训练。原始通信辐射源信号经过预处理后输入网络训练, 将源域和目标域的分布差异和网络的损失函数作为优化目标, 反复迭代得到最终模型。在实际采集的通信辐射源数据集上的实验结果证明了该方法的可行性和有效性。     

基于遗传算法的光电干扰任务分配模型

 为评估光电干扰目标的威胁度，选取了目标的类型、速度、高度、距离、角度和目标的航路捷径等指标，构建了干扰任务分配模型，应用遗传算法对分配任务模型进行了求解，并通过实例验证方法的可行性。     

基于干扰机组网主瓣干扰的单脉冲雷达航迹欺骗干扰技术

以组网干扰对抗现代雷达为研究背景,针对单脉冲雷达航迹欺骗问题,提出了基于干扰机组网主瓣干扰的航迹欺骗干扰技术。分析了单脉冲雷达干扰基本原理和航迹欺骗要点,给出了组网主瓣干扰航迹欺骗机理和实现过程。首先通过干扰信号传输路径和相位控制,构造两点源相干干扰条件,建立两台干扰机在雷达主瓣内形成可控欺骗点迹的基本模型。在此基础上,设计干扰机组网工作模式,采用组内协同和组间接力的方式对干扰模型进行扩展,形成持续性高逼真欺骗航迹。仿真结果证明了该技术的可行性和有效性。     

具有双陷波特性的小型Vivaldi超宽带天线

设计了一种具有双陷波特性的小型化Vivaldi天线。通过在天线的辐射贴片上开一对E字型结构和在馈电处开电容性负载环路(capacitively loaded loop, CLL)结构,可以有效滤除无线局域网(wireless local area networks, WLAN)(5.15~5.825 GHz)、卫星X波段(7.25~7.75 GHz)的干扰。天线的工作带宽为3.3～12.8 GHz,天线结构简单紧凑,具有非常小的尺寸,仅为26 mm×13 mm×0.762 mm。从天线的表面电流方面,解释了天线的陷波原理,并且加工了天线实物。实测的驻波比、增益和方向图与仿真结果一致,验证了该天线在超宽带波段内具有良好的陷波特性、增益特性和全向性,可以应用于小型化超宽带系统中。该天线对于设计陷波Vivaldi天线也具有一定的指导意义。     

基于模糊逻辑和机动检测的AGIMM跟踪算法

针对机动目标高机动和多阶段运动的特性,单模型跟踪算法难以实现精确跟踪的问题,提出一种基于模糊逻辑和机动检测的AGIMM跟踪算法。考虑现有的AGIMM算法网格模型收敛速度慢和机动检测方法过于依赖模型后验概率的问题,首先引入模糊逻辑算法计算机动检测的可信度,然后利用机动检测可信度信息、目标的机动信息和模型的后验概率调整跟踪模型集的结构,克服了AGIMM算法模型收敛速度慢的不足,实现了模型与目标运动模式的快速匹配。仿真结果表明:与AGIMM算法和固定结构交互式多模型算法相比,文中提出的算法使得不同条件下的位置跟踪误差分别至少降低5.6%和15.1%,说明该算法具有更快的模型收敛速度和更高的目标跟踪精度。     

基于IRT的大动态反射系数微动目标检测算法

当雷达回波信号中同时存在强弱差异较大的微动目标时,弱反射目标分量常常会被噪声和强反射目标所掩盖,导致弱反射目标难以被检测。为解决该问题,提出一种大动态反射系数微动目标检测算法。首先该算法利用逆Radon变换(inverse Radon transform, IRT)来获取强微动分量的参数估计值,然后通过逐次消去强分量来增强弱分量,从而使得弱分量更容易被检测。本文算法能够实现反射系数差异较大的多个微动目标的检测,同时能够准确估计出其微动参数。仿真实验证明了本文算法的正确性，同时对本文算法的性能进行了分析。     

基于余弦代价函数的双模盲均衡算法

盲均衡算法不需要训练序列，就能够有效降低码间串扰（ISI），但是在脉冲噪声环境下，现有单滤波器均衡算法不能有效平衡收敛速率与均衡误差，算法收敛后ISI仍然较高。针对上述问题，提出了一种基于余弦代价函数的凸组合双模盲均衡算法。该算法将2个盲均衡器并联使用，其中一个作为快速滤波器以保证收敛速率，另一个作为慢速滤波器以降低均衡误差。为了进一步抑制脉冲噪声，将分数低阶统计量引入到基于余弦代价函数的盲均衡算法和基于判决反馈准则的盲均衡算法中，并分别作为快速滤波器和慢速滤波器的权向量更新算法。仿真实验表明：当噪声设置为25 dB的高斯白噪声时，新算法收敛后ISI会低于常模盲均衡算法CMA和基于余弦代价函数的盲均衡算法CCF，星座图也较为清晰；当噪声环境为28 dB的α稳定分布噪声时，新算法利用分数低阶统计量以抑制脉冲噪声，能够得到较低的ISI和清晰的星座图，而凸组合结构兼顾了稳态误差与收敛速率，在进一步降低稳态误差的同时确保了较快的收敛速率。     

基于符号执行的格式化字符串漏洞自动验证方法研究

格式化字符串漏洞是一种常见的危害较大的软件漏洞.现有格式化字符串漏洞自动验证系统未充分考虑参数存储位置位于栈以外空间的情况,造成对该部分漏洞可利用性的误判.针对该问题,论文设计实现了一种基于符号执行的格式化字符串漏洞自动验证方法,首先根据参数符号信息检测当前格式化字符串函数漏洞,然后分别构建参数存储于不同内存空间情况下的漏洞验证符号约束,最后利用约束求解自动得到漏洞验证代码,实现了格式化字符串漏洞的自动验证.在Linux系统下对不同类型测试程序进行了实验,验证了方法的有效性.     

可证明安全的射频识别双向认证协议

由于射频识别系统中读写器和标签是在不安全的无线信道中进行通信,而且随着移动读写终端的出现,使得读写器和服务器通信也不安全,容易受到假冒攻击、窃听攻击、中间人攻击等安全威胁,针对此问题提出了基于中国剩余定理的射频识别双向认证协议。该协议利用对称加密、模运算等方式提高信息传输的安全性,引入时间戳来抵抗中间人攻击,并利用中国剩余定理对各方进行认证,最后采用随机更新密钥的方式进行密钥更新,并通过形式化证明的方法和常规攻击分析的方式来验证协议安全性。将该协议与其他协议进行安全性、计算量和存储量的比较,结果表明:文中协议安全性高、计算量小且存储量适中,在射频识别领域安全方面具有一定的应用价值。     

基于堆栈式LSTM网络的通信辐射源个体识别

针对现有通信辐射源个体识别方法预处理过程复杂及特征提取较难的问题,提出了一种基于堆栈式长短期记忆(long short-term memory, LSTM)网络的辐射源个体识别算法。该算法直接使用IQ时间序列信号训练LSTM网络,即可实现对通信辐射源个体的高效识别,避免了复杂的信号预处理过程。为使LSTM网络能更好地适用于通信辐射源个体识别,利用3层LSTM网络提取辐射源深层特征,并通过实验优化了网络参数。然后对该算法的实际应用泛化性进行了实验探究,结果表明该算法在其他辐射源数据集上也取得了较好的效果。最后,通过实验对算法进行了验证,结果表明相比于传统算法,在样本数较多时,该算法的识别准确率可以达到98%,而且简单快速智能,便于工程化与实用化。