基于EMD能量占比的海面漂浮小目标特征检测

针对传统的时频分析方法对海杂波分析有限的问题，提出一种基于经验模态分解(empirical mode decomposition, EMD)能量占比的海面漂浮小目标特征检测方法。首先，采用EMD将接收回波分为独立不同尺度的若干个固有模态(intrinsic mode function, IMF)分量，实现对接收回波的频率从高频到低频的分解。然后，分别建立IMF分量与接收回波数据的相关系数，并利用平均均值-标准差之比作为筛选IMF分量的准则，自动筛选出能量较大且波动平稳的低阶IMF分量。最后，提取IMF分量在原始信号中的平均能量占比作为特征，利用蒙特卡罗方法设置门限，进行海面目标异常检测。实测数据的结果显示，所提算法的性能优于对比算法。     

针对认知无线网络大规模入侵的双重防御方案

协作频谱感知(cooperative spectrum sensing,CSS)可有效提高频谱检测的准确性,然而,当次用户中恶意用户占比较大且同时发动大规模攻击时,将严重影响CSS的准确性。文中将用户选择和置信传播有机结合,提出一种针对大规模入侵的双重防御方案。基于本地感知结果通过用户选择机制挑选可靠次用户,挑选出的可靠次用户包括诚实用户和伪装成诚实用户的恶意用户。然后以可信度为权重计算置信值均值并将其和预设门限比较,进一步滤除伪装成诚实用户的恶意用户。仿真结果表明,与已有的简单的基于信誉的方案、基于均值的方案、基于克隆节点的攻击检测算法相比,所提方案具有更好的检测性能,且置信值收敛更快。