基于Contourlet变换的抵抗几何攻击的视频水印算法

如何有效地抵抗几何形变攻击已成为数字水印技术的研究重点之一.提出了一种基于Contourlet变换的能够有效抵抗几何形变攻击的视频水印方案.在水印嵌入方案中,运用平均交流能量(AAE),并使用Contourlet变换的空-频特性嵌入水印.在水印提取方案中,运用了最佳白化滤波器,有效提高了相关检测的性能.大量的实验结果表明,该水印方案在保证视频视觉质量的同时具有很强的抵抗几何形变攻击的能力,对于时间维上的低通滤波、去帧等其他攻击也具有很强的鲁棒性.     

海杂波的非广延分布模型

传统上常使用统计模型为海杂波建模,发现虽然统计模型可以很好地拟合实际海杂波的幅度分布,但是由于它不能很好反映出海杂波的物理特性,因此获得的分布参数不能用来检测弱小目标.针对上述缺点,采用Tsallis分布模型对海杂波数据进行建模,发现Tsallis分布不仅能够很好地拟合实际海杂波数据,而且获得的分布参教可以有效检测海杂波背景下的弱小目标.最后通过对Tsallis分布中的非广延参数q进行分析,发现海杂波具有介于随机模型与混沌模型之间的幂率敏感性.     

变换域通信系统的分形门限研究

变换域通信系统中,存在无法准确辨识的各种复杂干扰和难以找到对各种干扰均适用的阈值问题.基于分形理论的谱峰检测思想,提出分形门限概念,采用以盒维数为判据的谱峰检测算法,对干扰频谱的起点、终点进行判断,据此对干扰进行剔除,从而达到降低误码率的目的.仿真实验表明:该算法能显著降低变换域通信系统的误码率,特别对TDCS抗70%部分带宽干扰,改善尤为明显,达1dB以上;而对于TDCS抗线性调频干扰条件下,在大干信比时,对误码率的减小最为明显,约为1.7dB.该算法简单可靠,对提高变换域通信系统的抗干扰能力具有实用价值.     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计,得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

基于改进的VI-CFAR算法的分布式CFAR检测

VI-CFAR是一种结合CA-CFAR，GO-CFAR和SO-CFAR的检测算法，它在均匀环境和非均匀环境下都具有较强的自适应性。在前后沿滑窗均存在干扰目标情况下，采用有序统计平均（OSCA）CFAR替代SO-CFAR，有效的提高了Ⅵ-CFAR在这种多目标环境下的鲁棒性．研究了采用改进的Ⅵ-CFAR算法作为局部检测器的并行分布式CFAR系统，融合准则采用“与”融合和“或”融合准则。给出仿真结果，并进行了讨论。     

基于免疫克隆选择算法的多用户检测技术研究

为了解决最佳检测器计算复杂度较高的难题，提出一种精简有效的克隆选择算法。把人工免疫系统和神经网络系统的信息处理机制引入到CSA提出了免疫克隆选择算法。所提ICSA通过使用随机Hopfield神经网络制备疫苗构成新的免疫算子，把新的免疫算子结合到克隆选择算法中，不仅加快了克隆选择算法的收敛速度，并提高了克隆选择算法的全局收敛能力。然后在CDMA系统利用此算法设计了新的多用户检测器。仿真结果证明了ICSA检测器能够快速收敛到全局最优解，并且无论抗多址干扰和抗远近效应能力都优于传统方法和一些应用优化算法的多用户检测器。     

基于GANN的机翼盒段试验件传感器的优化配置

对机翼盒段试验件进行了结构分析,采用有限单元方法,建立了其结构的有限元模型,并进行了冲击压电响应数值仿真。构造了一种基于损伤检测的压电智能结构传感器优化配置的遗传神经网络(GANN)方法,采用该方法对机翼盒段试验件压电传感器进行了优化配置,得到了传感器对应于其初始布置模式下的最优配置,为该结构试验件的实际压电传感器的优化配置提供指导依据。仿真结果也表明,对于更多传感器的初始布置模式,采用该遗传神经网络方法可有效减少更多传感器的数量,从而降低成本。     

一类非线性系统的多故障检测方法研究

针对一类非线性系统,提出了一种基于最优滤波的多故障检测观测器设计方法。引入神经网络逼近系统非线性部分,由Lyapunov稳定性理论设计神经网络权值调整规则.采用对等空间方法设计最优滤波矩阵滤除干扰故障噪声,从而对目标故障进行检测和跟踪。仿真结果验证了该方法的正确性和可行性。     

基于子空间方法的自适应半盲多用户检测

提出MC-CDMA系统下一种基于子空间方法的自适应半盲多用户检测算法。该算法通过利用小区内所有用户的扩频码设计了一种基于MOE准则的半盲检测器。针对Chebyshev逼近算法受到来自噪声子空间分量的影响导致性能下降的问题,提出一种子空间约束Chebyshev逼近算法,并使用该算法自适应得到权向量。为了减少计算复杂度,采用修正的PASTd算法自适应跟踪信号子空间。仿真实验验证了该算法的有效性和可行性。     

传感器网络中异常数据实时检测算法

如何实时检测传感器网络中异常数据是一项非常重要的工作。通过对线性自回归的分析法,给出传感器数据流的预测模型及其预测机制。当预测出现失败时,给出了一种预测模型自动调整策略,以降低预测误差。基于该预测模型,提出了一种异常数据检测方法,通过计算当前时刻的预测误差与平均预测误差的比值,比较该比值与预先设定的阈值的大小,以检测该时刻数据是否为异常数据。基于该方法,提出了异常事件检测和数据压缩处理的算法。仿真结果验证了预测模型的正确性和有效性,表明该模型能够实时检测异常事件和压缩数据处理。