一种强稳健性的抗几何攻击图像水印算法

数字图像水印的抗几何攻击能力一直是研究的热点和难点。提出了一种基于奇异值分解的抗几何攻击图像水印算法,算法利用了奇异值良好的稳定特性,通过对宿主载体和水印图像的奇异值进行混合运算嵌入水印,同时引入了FastICA算法,在满足算法强稳健性和透明性的同时,保证了快速的收敛性和盲提取要求,属于新观点创新。实验结果表明,算法能很好地抵抗高斯低通滤波、维纳滤波、中值滤波、椒盐加噪、高斯加噪、JPEG有损压缩等多种攻击,对旋转、剪切、缩放、平移、错切几何攻击具有优于传统小波算法无法比拟的强鲁棒性,提取水印与原水印相关系数NC(Normalized Cross-Correlation)平均优于小波算法43.35%,显示了算法的独特优势。     

一种基于三维小波的视频水印空时算法

针对数字视频的版权保护,以及基于数字视频的信息隐藏,提出了一种基于三维小波的视频水印空时算法。它利用了视频场景镜头分割技术和三维小波变换的空时多分辨水印嵌入策略,以及根据最大似然准则的水印检测算法。针对视频的版权保护,作为版权标志的水印图像先用两个序列扩频预处理成一个图像序列,扩频后的水印图像序列自适应地嵌入到视频镜头的三维小波系数上。该基于三维小波域的水印策略充分利用了视频序列良好的空时多分辨特点,水印算法可靠。针对视频水印的几种特殊攻击,仿真实验证明了该算法具有很强的鲁棒性。     

带约束的卷积语音信号频域盲分离方法

在实际的室内环境中,多通道的语音混合是一个卷积混合信号,在频域利用ICA进行分离时,不同频点上分解出的源信号的次序不确定,需要用后处理方法确定源的对应关系。提出了一种利用波达方向(DOA)作为约束条件的频域盲源分离方法,可以在线地解决频域中的次序不确定性,并且不需要已知传感器及源信号位置等先验知识。仿真结果表明,该方法能够有效地分离卷积混合语音信号,比现有相关的方法更精确。     

加性噪声背景下基于ICA的线性系统辨识算法

在加性噪声背景下,将线性系统辨识问题纳入到独立分量分析(ICA)瞬时混合模型中,提出了一种新的结合ICA技术的线性系统辨识算法.该算法无需对噪声信号的统计特性进行任何先验假定,根据ICA模型中瞬时混合矩阵的先验知识,准确估计出系统输出的加性噪声,从观测数据减去该噪声后,利用最小二乘理论实现算法对未知系统的参数估计.仿真实验表明,该算法不仅有效地消除了一般算法对于噪声特性的限制,而且在低信噪比下仍能取得较为理想的辨识结果.     

基于自适应评价函数的独立成分分析算法

简要介绍独立成分分析（ICA）及其模型，然后在极大似然估计的框架下，基于两类参数模型--Gaussian混合密度模型和Pearson系统模型，研究了具有对称分布（包括超高斯分布与亚高斯分布）和非对称分布源混合信号的盲分离问题，给出了一种有效的基于灵活评价函数的ICA新算法，该算法在一定意义上实现了对源信号概率分布的真正全“盲”。与原有的ICA算法相比，该算法具有更广泛应用范围。模拟实验验证了算法的有效性。     

基于LDPC的不均等错误保护H.264抗误码算法

从最新的H.264视频压缩标准出发,提出一种基于数据分类和LDPC的不均等错误保护的策略。根据H.264数据分类中信息比特重要性的不同,对其进行不均等错误保护,即对信道中优先级较高的数据,采用码率低,抗误码性能更好的LDPC编码传输,以提高传输效率。仿真结果表明,这种联合的信源信道编码算法在AWGN信道下具有比以前的一般算法(如Turbo码)更好的适应性和更强的健壮性。     

一种新的基于峰度的盲源分离开关算法

盲源分离(BSS)算法通常需预先假设源信号的概率密度函数(PDF)，并由此获得关键的激活函数(AF)，进而从混合信号中分离出源信号。但若假设的概率密度函数与真实概率密度函数差异较大，源信号将不能被正确分离。基于峰度的盲源分离开关算法无需假设源信号的概率密度函数，可直接对独立分量分析(ICA)中的激活函数进行自适应学习。计算机仿真证明，该算法可有效进行盲源分离。     

一种新的基于混合策略的动态组密钥管理方案

针对大型动态组通信,提出一种基于Iolus LKH SKDC混合策略的组密钥管理方案。该方案中全局组控制器通过密钥树来管理各个子组控制器,每个子组内采用改进的LKH SKDC方案管理子组成员;子组管理器根据成员ID值,利用单向散列函数计算成员所在路径上各节点密钥值。该方案具有分组管理和集中管理的优点以及良好的可伸缩性,它使LKH方案中的单点失效问题限制在子组范围内,不会对全局产生影响。理论分析和数值结果表明,该方案中子组管理器的密钥存储和动态更新开销大大减少,且用户在加入和退出子组时不会随机产生更新密钥,具有较好的综合性能。     

基于独立成分分析的时间序列谱聚类方法

为了对时间序列数据进行聚类分析, 提出了一种基于独立成分分析的时间序列多路归一化割谱聚类方法, 并给出了利用独立成分分析对时间序列数据进行特征提取和降维的理论解释. 该方法首先利用独立成分分析对时间序列数据进行特征提取, 然后利用多路归一化割谱聚类方法完成对时间序列特征数据的聚类分析, 从而得到了一种新的基于特征的时间序列聚类方法. 为了验证该方法的可行性和有效性, 将其应用于仿真时间序列数据和实际的股票时间序列数据聚类分析中, 取得了较好的数值结果.     

军事工程综合防护模型研究

在介绍综合防护内涵及其总体模型优化思路的基础上,以指挥工程为说明对象,针对选取防护措施的等级与费用合理分配以获最大生存概率的问题,运用动态规划原理建立了军事工程综合防护模型,建立递推关系式后,可按逆推法或顺推法进行计算。此外,还可利用模型进行灵敏度分析,为确定最优防护策略提供了方法。最后通过示例说明该模型的应用,得出了相应的结论。     

一种含参数的概率密度核估计的独立分量分析算法

分析了盲源分离算法中互信息准则与概率密度核函数的关系,利用广义高斯模型,提出了一种基于含参数的核概率密度估计的独立分量分析算法。该算法利用观测样本求峰度,通过分段函数给出相应高斯指数值,并刺用样本数据进一步修正源信号的概率密度函数。实现对分离信号评价函数的精确估计。在此评价函数基础上,采用互信息最小化准则,推导出分离矩阵的迭代更新规则。所提算法在一定程度上解决了ICA算法中信号评价函数估计的难题,且能对任意源混合信号进行有效盲分离,仿真实验验证了算法的性能。     

Novel analysis method for the spurious spectrum of direct digitalfrequency synthesizer in the presence of phase truncation

1.INTRODUCTION Directdigitalfrequencysynthesizer(DDS),withthe developmentofVLSI,hasbeenwidelyappliedin telecommunication,radar,andotherelectronicsys temssinceitwasproposedin1970s[1～4].However,aninherentshortcomingofDDSisitslargespurious outputspectrum.Onemajorcauseforspuriousspec trumisthepresenceofphasetruncation.Therefore thepreciseanalysisofspuriousspectrumduetophase truncationbecomesveryimportantindesigninghigh performanceDDS.Nicholasdevelopedamodelfor spurioussignalsofDDS,inw…     

一种基于PCA分析的DoA估计算法

阵列信号处理中,MUSIC、ESPRIT等高分辨率DoA估计算法都要通过特征值分解来获得波达方向估计,然而矩阵特征值分解的计算量较大,不利于实时处理。提出使用PCA(principal component analysis)高效迭代算法,来逼近信号子空间矢量。该算法的计算过程相对简单,并具有自组织特性,适合于神经网络实现。仿真结果表明,所提算法的DoA估计性能与MUSIC算法相当。     

一种面向卫星频谱监测的复合式干扰自动识别算法

针对卫星通信中经常出现的干扰难以识别的问题,提出一种基于快速独立成份分析(FICA)和支持向量机(SVM)的复合式干扰识别方法.该方法先用SVM对单一类型干扰信号建立分类模型库,并采用FICA对接收到的复合式干扰进行成分分离,再将分离后的不同成分分别输入SVM进行干扰识别.试验结果表明:该算法可在低干信比情况下对干扰信号进行准确的识别.     

基于扩展Infomax算法的变步长在线盲分离

由于扩展的Infomax算法需要一定的样本长度来估计信号的峭度,所以常采用离线批处理的方式,但这种方法不能处理混合矩阵发生变化的情况。通过判断系统混合矩阵是否改变,改进了在线估计峭度的模型,同时为解决在线算法中收敛速度和稳态误差的矛盾,提出了一种新的步长更新算法,该算法根据信号的分离状态与峭度曲线收敛程度的关系,采用峭度方差为参数来控制步长的变化,使得步长的选择与分离状态相结合,减小了稳态误差,仿真结果证实了该算法的有效性。     

Multi-dimensional blind separation method for STBC systems

Intercepted signal blind separation is a research topic with high importance for both military and civilian communication systems. A blind separation method for space-time block code （STBC） systems is proposed by using the ordinary independent component analysis （ICA）. This method cannot work when specific complex modulations are employed since the assumption of mutual independence cannot be satisfied. The analysis shows that source signals, which are group-wise independent and use multi-dimensional ICA （MICA） instead of ordinary ICA, can be applied in this case. Utilizing the block-diagonal structure of the cumulant matrices, the JADE algorithm is generalized to the multidimensional case to separate the received data into mutually independent groups. Compared with ordinary ICA algorithms, the proposed method does not introduce additional ambiguities. Simulations show that the proposed method overcomes the drawback and achieves a better performance without utilizing coding information than channel estimation based algorithms.