时宽-波形基联合捷变的LPD通信波形

为了提升通信信号的低检测概率(low probability of detection, LPD)性能,从降低通信波形各域能量聚敛性的角度,提出时宽-波形基联合捷变(joint agility of time width and waveform bases, JATW)的波形构架。基于此构架,以切普扩频(chirp spread spectrum, CSS)和正弦扩频(sinusoidal frequency spread spectrum, SFSS)为波形基,采用变时宽(varied of time width, VTW)参数配置方法,提出基于VTW-CSS/SFSS混合波形的LPD通信波形。采用数学推导辅以数值仿真分析的方法,分析所提出波形的各域能量聚敛特征。理论分析和数值仿真结果表明,相较于CSS和SFSS,所提波形的各域能量聚敛性明显较弱, JATW的波形构架有助于提升通信波形的LPD性能。     

Compressive sensing based multiuser detector for massive MBM MIMO uplink

Media based modulation(MBM)is expected to be a prominent modulation scheme,which has access to the high data rate by using radio frequency(RF)mirrors and fewer transmit antennas.Associated with multiuser multiple input multiple output(MIMO),the MBM scheme achieves better performance than other conventional multiuser MIMO schemes.In this paper,the massive MIMO uplink is considered and a conjunctive MBM transmission scheme for each user is employed.This conjunctive MBM transmission scheme gathers aggregate MBM signals in multiple continuous time slots,which exploits the structured sparsity of these aggregate MBM signals.Under this kind of scenario,a multiuser detector with low complexity based on the compressive sensing(CS)theory to gain better detection performance is proposed.This detector is developed from the greedy sparse recovery technique compressive sampling matching pursuit(CoSaMP)and exploits not only the inherently distributed sparsity of MBM signals but also the structured sparsity of multiple aggregate MBM signals.By exploiting these sparsity,the proposed CoSaMP based multiuser detector achieves reliable detection with low complexity.Simulation results demonstrate that the proposed CoSaMP based multiuser detector achieves better detection performance compared with the conventional methods.     

基于LWSVR的繁忙机场航班滑出时间预测

针对繁忙机场航班滑出时间预测准确率低的问题,结合局部回归和加权支持向量回归,提出基于局部加权支持向量回归的离港航班滑出时间预测模型。该模型采用K最近邻方法,减小训练样本集容量,并为每个预测样本构建一个预测模型。通过计算训练样本与预测样本间的马氏距离,来优化加权支持向量回归中高斯核加权函数的带宽参数,获得加权系数。结合某机场离港航班数据仿真分析,实验结果表明模型在误差允许范围内的预测准确率达到83.33%,模型更加稳定。     

实现船舶稳性的多油舱自适应调度算法及仿真

针对油舱对船舶浮态与稳性的影响，研究了保持船舶稳性的多油舱自适应调度控制算法，并用WinCC (Windows Control Center)组态软件编写了船舶自动浮态调整仿真系统。在系统架构上，采用布尔逻辑表构建了油舱、泵、管路之间的连通关系，并根据浮态方程计算出舱群之间的调驳油量，再根据多变量多约束的自适应优化调度算法实现了油舱驳油过程中浮态的平衡。仿真结果表明调度算法可以对船舶的浮态进行有效调整，并保持船舶稳性，避免了由油舱油量分布不均给船舶带来的不利影响，保障了航行安全。     

基于背景重建的高光谱图像异常检测

针对高光谱图像异常检测中背景信息与异常目标信息难以有效区分,背景预测精度不佳的问题,提出一种新的基于背景重建的高光谱图像异常检测算法。通过字典学习方法获取高光谱图像背景光谱字典,并利用该字典对待检测图像进行稀疏重建,得到预测背景图像。将预测背景图像与原始图像做差后得到残差图像,进而利用局部RX检测算法对残差图像进行遍历,实现异常目标检测。通过对真实高光谱图像场景进行实验,证明了算法的有效性。     

含重置条款的或有可转债路径分解式定价

为了解决或有可转债在长期没有进行债转股的情况下,可能会出现的由于发行方无力支付高额息票而被迫对债券进行赎回的问题,设计了一种包含重置条款的或有可转债。首先,通过对债券存续期内标的股票价格可能发生的路径进行分解,分析了此类条款下债券价值的路径依赖特征;在此基础上,进一步确定了回售边界以及债券价值。通过数值分析得出,本文设计的或有可转债的价值低于相同参数下的不含任何附加条款的或有可转债的价值,并且条款的可用性与目前市场上普遍存在的可赎回或有可转债相比存在一定的优势。敏感度分析结果显示,债券价值与股价年波动率之间呈负相关关系,与修正条款执行日之间呈正相关关系,因而宜根据对未来市场风险的预测来选取适当的条款执行日。     

物联网中区块链技术的应用与挑战

随着物联网技术的快速发展和广泛应用，分布式网络环境下的身份验证、数据隐私、网络安全等问题变得更加重要，而这些问题可以通过引入区块链技术来得到有效解决.该文简述了区块链的基本概念，介绍了区块链在物联网中的应用场景，并对当前一些相关工作的成果进行了综述；介绍了针对物联网场景下区块链底层技术的研究以及区块链物联网所面临的问题与挑战，希望能对未来区块链物联网的研究有一定的参考价值.     

一种结合BLS签名的可拜占庭容错Raft算法

针对Raft算法中的拜占庭容错问题，提出结合BLS签名的拜占庭容错（RaftByzantine fault tolerance，RBFT）算法.首先，利用BLS签名实现阈值签名，将投票过程转化为阈值签名过程，并将该过程与Raft算法的AppendEntries消息和RequestVote消息结合，尽可能地减弱容错过程对共识效率的影响；其次，通过增量哈希引入安全状态，保证了日志的不可篡改性；接着引入客户端对Leader节点的动态监控，以避免拜占庭Leader节点消极反馈的发生，进一步保证了算法的活性；最后，由本地多节点仿真实验表明：RBFT算法有效提升了数据吞吐量和可拓展性，并降低了交易延迟.     

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响，该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域（maximally stable extremalregion,MSER）结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图，并采用不同结合策略得到各尺度文本显著图；然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行；最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明，该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.     

栎树猝死病在中国的入侵风险评估

【目的】栎树猝死病是一种为害林木和观赏植物的毁灭性病害,发病迅速,短期内即可造成寄主植物大量死亡,寄主范围非常广泛,主要为害阔叶树树种。对其在我国的适生区范围进行预测,并系统评估其入侵风险,有助于更好地制定针对性的防治及检疫措施。【方法】采用MaxEnt生态位模型,以栎树猝死病菌现有分布点的环境变量为基础运算预测模型,结合地理信息系统ArcGIS绘制其在中国的适生预测图;并以南京林业大学有害生物入侵预防与控制重点实验室建立的多指标综合评价体系为标准,从5个准则层下设18个指标层因子,对栎树猝死病菌在我国的入侵风险进行了定性和定量的分析。【结果】MaxEnt模型测试遗漏率与预测遗漏率基本吻合,ROC(receiver operating characteristic, ROC)曲线的AUC值(area under curver, AUC)为0.974,标准差为0.008,明显高于随机分布模型,说明该模型对栎树猝死病菌在我国的适生区预测结果可信度较高,可作为后续评估依据。栎树猝死病菌在中国的适生范围在101.9°~122.9° E,18.9°~38.0° N,主要位于我国秦岭淮河以南的南方地区,集中在长江中下游平原和武夷山脉、南岭以南的沿海地区,约占中国行政区划面积的19.6%。栎树猝死病菌在中国的入侵风险指标值R为2.64,属于极高风险的有害生物。【结论】模型预测结果的可信度较高,鉴于栎树猝死病菌在我国暂无分布记录,且在多指标评价体系中被归为极高风险等级,建议在进境检疫中对其可能寄主植物实施严格检疫及2年以上的隔离试种,防止其进入中国。