基于类间功率谱差的FRFT-TDCS门限判决算法

针对分数阶傅里叶变换域通信系统采用传统门限判决算法难以有效剔除多分量线性调频干扰的问题,根据高斯白噪声和多分量线性调频干扰分数阶傅里叶变换域功率谱特征,提出了基于类间功率谱差的门限判决算法。该算法利用了分数阶傅里叶变换不影响高斯白噪声的统计特性,在分数阶傅里叶变换域的三维频谱上自适应地确定门限值,既可以有效对多分量线性调频干扰频谱剔除,又解决了分数阶傅里叶变换的变换阶次对门限判决带来的不利影响。仿真结果表明,该算法在双极性调制和循环移位键控调制下,对多分量线性调频干扰剔除的有效性,尤其在大干信比情况下,误码率的提升尤为明显,对提高分数阶傅里叶变换域通信系统抗多分量线性调频干扰的能力具有一定的实用价值。     

基于区块链技术的医疗管理信息化应用分析

医疗管理信息化是适应我国人口众多、医疗资源稀缺的特殊国情下提高全民健康水平的重要手段.该文探讨了在我国医疗管理信息化发展中存在的一系列问题以及区块链技术在医疗管理信息化中的重要应用.论文指出区块链技术解决了医疗信息资源的互联互通、信息保密和不可篡改性以及信息共享等问题,这为我国互联网+医疗的进一步发展提供了重要的技术支撑.     

基于信号特征空间的TDCS干扰分类识别

针对变换域通信系统中干扰信号的分类识别问题,提出了一种基于信号特征空间的支持向量机(signal feature space-support vector machine, SF-SVM)干扰分类算法。首先,基于干扰信号模型和信号空间理论对干扰信号进行特征提取,并建立信号特征空间,进而针对二分类和多分类问题提出了SF-SVM分类算法,设计了干扰信号的多分类识别器。仿真结果表明,与干扰信号的传统分类算法相比,SF-SVM不仅提高了分类精度,而且缩短了训练时间;设计的多分类识别器在信噪比达到8dB时,对6种干扰信号识别性能及对变换域通信系统性能都有所提升。     

基于认知驱动的变换域通信智能抗干扰方法

为满足未来无人系统通信智能抗干扰的实际需要,针对传统变换域通信系统(transform domain communication system, TDCS)自身开放性有限、干扰应对能力不足等问题,设计了基于认知引擎驱动的智能系统架构,并针对各认知引擎驱动子模块提出了3种改进方法，包括基于稀疏逼近的未知干扰处理、基于稀疏表示的变换学习干扰识别以及针对性的干扰变换稀疏分析方法。实验结果表明,识别子模块与传统的分类器相比,整体的干扰识别率提高了5.2%,并且可实现无监督的学习;同时,针对典型干扰的重构精度在90%以上,实现了不同干扰类型的最优变换处理,显著提高了系统的抗干扰性能,传输误码率逼近理想水平。     

基于变邻域粒子群的短波频率选择算法

为了快速寻找短波频段内的目标频点,结合宽带频谱感知技术,提出了基于变邻域粒子群搜索(V N S-PS O)的短波双向探测频率选择算法.现有的探测频率选择算法依据频点的平均信噪比进行评估选优,未考虑短波信道的小尺度随机衰落特性,难以满足实时选频的要求.文中VNS-PSO算法依据大尺度衰落的相关特性,采用最大分离法得到初始探测频点集,以此来划分相关邻域;针对邻域内频点质量选择性衰落特点,采用粒子群优化算法搜索邻域内频点,得到邻域内最优解;通过变换邻域,得到全局最优解.仿真实验表明:"最快速度"建链时,VNS-PSO算法较VNS-RS、AASS、RSS算法M TOBC分别降低17.1％、18％、85.5％,当CPOS=0.9,建链时间分别降低2.5％,42.6％,81.7％,缩短了建立可通链路的时间;"最优频点"建链时,VNS-PSO算法较VNS-RS、AASS、RSS算法M TOBC分别降低11％、12.5％、45％,当CPOS=0.9,建链时间分别降低22.2％、22.4％、44.4％,短时间可找到最优频点.     

基于随机控制的非寿险保费定价策略

该文探讨在完全竞争的保险市场条件下如何制定最佳非寿险保费策略,以促进非寿险保险公司的发展。主要运用随机最优控制理论,分别在采取期望最终财富和采取期望效用两种模式下,分析了在相对保费率设定和相机抉择设定下的非寿险保费定价策略,得到了一致的最优保费定价策略;并将该最优保费定价策略应用于简单目标函数分析。结果表明:最优保费定价策略是一致的;最优保费定价策略是要么制定一个很高的保费率,要么制定一个低于某一常数的相对保费率;最优保费率取决于平均损失率和市场平均保费等因素。     

基于冲突分解的短波频点真实在线双拍卖算法

针对短波认知电台在网络高负载情况下频点冲突严重的问题, 依据短波频点衰落特性, 结合真实在线双拍卖模型, 提出了基于冲突分解的真实在线双拍卖(trueful online double auction based on conflict decomposition, TODA-CD)模型。在TODA-CD模型中, 卖家模型考虑不同链路间差异性, 重构卖家定价模型, 提升了链路可靠性; 买家模型以预期收益最大化为优化目标, 首先利用广度优先搜索算法生成频点冲突树, 解析短波认知网络内频点冲突关系, 然后设置频点抢占切换惩罚函数, 计算不同切换方案预期收益, 重构买家竞拍价格, 以第二密封价格拍卖完成频谱交易, 最终实现网络内频点指配的抢占最优。仿真结果表明, 在网络高负载情况下, TODA-CD算法能够有效提高频谱利用率, 降低抢占切换次数, 从而提高系统收益。