二值无线传感网络下异常活动的分布式检测

针对无线传感网络下的异常活动检测问题,提出了异常活动分布式检测方法(distributed abnormal activity detection approach,DetectingAct). DetectingAct将活动的定义从轨迹扩展到轨迹和持续时间的组合,将异常活动定义为在数据分布上与正常活动,即数据中反复出现的活动,偏差较大的活动,利用节点自身计算资源和存储资源进行检测. DetectingAct采用时间相关的频繁项集挖掘算法(duration-dependent frequent pattern mining algorithm,DFPMA )从数据中挖掘正常活动. 算法采用了非监督学习方法,避免了监督学习需要大量标记数据的缺点;按分布式存储机制(distributed knowledge storage mechanism,DKSM)将正常活动模式存入各节点;用分布式检测算法(distributed abnormal activity detection algorithm,DAADA )检测活动. 理论分析和实验结果表明,分布式检测方法相比传统的活动检测算法,实时性更强,平均检测长度为轨迹的78.2%,精度更高,准确率达到96.9%.      

空间非均匀噪声下应用Bootstrap技术的信源数检测

针对阵列系统接收数据有限且存在空间非均匀噪声的信源数估计问题,提出一种基于Bootstrap技术和空间正交性的新方法.该方法首先估计任意信号的入射角度,然后对阵列协方差矩阵进行特征分解,提出了以特征向量和阵列流型矢量内积为基础的一系列假设检验,数据分布未知,并且应用Bootstrap方法估计零假设下提出的检测统计量分布.通过仿真证明了所提方法,在低信噪比(SNR)和小快拍数的情况下有较好的性能.     

EBPSK调制脉冲雷达信号的探测性能

研究了EBPSK(extended binary phase shift keying)调制脉冲雷达信号的探测性能.首先分析了该雷达系统信号在几种情况下基于CFAR(constant false alarm rate)的目标检测概率,表明在未知目标距离情况下,EBPSK调制雷达信号的探测性能优于传统LFM雷达信号的探测性能,在短波信道中,EBPSK脉冲雷达信号不存在多普勒频扩.该信号的模糊函数是对称的,所以不存在距离-多普勒耦合效应.其次,EBPSK调制雷达系统的调制器灵活多变,可根据要求设置不同的调制参数以改变信号的测距精度与目标探测性能.最后,通过仿真实验验证了理论分析的合理性,在较大脉冲回波时延估计误差的前提下,EBPSK信号的脉冲压缩性能高于LFM的脉冲压缩性能,且获得相同的探测性能,当时延大于0.05μs时,EBSPK脉冲雷达信号所需SNR比LFM脉冲雷达信号要少;当时延为0.5μs时,EBSPK脉冲雷达信号所需SNR比LFM脉冲雷达信号少25 d B.     

基于有限积分法的电磁兼容吸波材料反射率的建模仿真

针对电磁兼容吸波材料反射率试验测试成本较高、理论方法难以精确预测的问题,提出了基于有限积分法的吸波材料反射率的建模仿真方法.使用该方法计算了矩形同轴测试装置空载反射系数,以及分别加载铁氧体瓦和角锥泡沫吸波材料后的反射系数.吸波材料的介电常数和磁导率使用二阶通用色散模型进行拟合.对于铁氧体瓦,仿真得到的反射率略优于实测值,与产品提供的反射率曲线相比,在谐振点处相差10 d B.对于角锥泡沫吸波材料,仿真结果与实测值在有效测试频率范围内相差7 d B.对仿真结果与实验结果的差别进行分析,证明了该方法的可行性.     

基于可见光源与独立成分分析法的实时人眼检测系统

提出一种基于特征与外貌混合检测确定人眼区域的实时人眼检测方法. 首先,依据可见光源在人眼角膜上反射形成耀点特性,通过图像处理算法提取潜在耀点位置,利用人眼几何特征的确定可能人眼候补区域;然后,提取人眼数据库中具有不同外貌特征的200幅人眼图像,采用FastICA算法估计出提取人眼图像的有效成分分析(ICA)基向量;最后,通过计算人眼候选区域在基向量上投影角度判断出左、右人眼区域准确位置. 实验结果表明,在人脸面部旋转、佩戴眼镜、大范围头部运动和不同光照强度下,实时人眼检测具有较高的检测正确率和较好的鲁棒性.      

基于802.15.6的分组检测算法设计与仿真

针对BAN(body area network)系统传输数据分组具有突发性的特点,设计了一种基于数字匹配滤波器和自适应门限判决的分组检测方法.根据数字匹配滤波器的原理和BAN调制信号的特点分析获得了相关峰值的计算方法,采用自适应门限判决的方法对相关峰值进行判决实现分组检测,并利用Matlab对算法性能进行了仿真.仿真结果表明,采用的分组检测算法在一定频偏范围内均具有较高的检测概率.     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.      

基于Fourier描述子的唇形分类方法

针对唇读识别中唇形状态的描述问题,提出一种基于Fourier描述子的唇形分类方法.该方法通过迭代演算获得嘴唇的位置与大小,先通过边缘侦测法找出唇形边缘;再由Fourier描述子找出唇形外形的重要特征值,进而表达唇形状态的有效信息;最后将转换出的Fourier描述子经过正规化处理后,输入到人工神经元网络中进行分类.实验结果表明,该方法的唇形分类正确率较高,且耗时较少,为唇读识别中各状态的确定提供了依据.     

Multi-ISM联盟的网络安全系统协作模型及算法

针对现有网络入侵检测系统(NIDS)存在智能程度低、自适应能力弱、协同性差、负载不均衡等局限性,引入了免疫软件人(ISM)智能体的理论,提出了一种基于multi-ISM联盟的网络入侵检测与防御系统的分布式社区协作控制模型及其算法.该模型系统采用了部分-全局规划(PGP)策略以及multi-ISM间的协作、协调和协商机制,融合了网络协作模型与层次模型的优点,从性能上改善了当前分布式入侵检测系统(DIDS)难以适应高带宽、大流量的动态网络环境等问题.实验结果表明:该模型系统相比其他的DIDS,在检测性能和误报率等方面具有明显优势,对于服务器系统资源的占用率不是很大,同时它还能够较好地解决网络信任社区内与社区间的协同防御和预警问题.     

基于高斯受限玻尔兹曼机的非线性过程故障检测

针对非线性工业过程,提出了一种基于高斯受限玻尔兹曼机(GRBM)模型的故障检测方法.该方法从海量过程数据中提取出GRBM隐层特征信息,通过隐层特征再构建出重构数据,并依据重构误差在残差空间中构建检测统计量,形成了非线性过程故障检测算法.仿真结果表明,基于GRBM的故障检测方法不仅比传统的核主元分析(KPCA)方法具有更好的故障检出率,并且针对大数据量问题具有更强的处理能力.