时间反转滤波器组多载波水声通信方法

针对水声滤波器组多载波(Filter Bank MultiCarrier,FBMC)传统均衡方法效率低、复杂度高等问题,提出了单阵元无源时间反转镜(Passive Time Reversal Mirror,PTRM)和虚拟时间反转镜(Virtual Time Reversal Mirror,VTRM)的均衡算法,该算法利用时间聚焦原理可以降低水声信道带来的符号间干扰(Inter Symbol Interference,ISI),并且不需要在FBMC符号中插入导频,进一步提高了通信速率.通过仿真和外场实验验证了水声FBMC系统采用单阵元PTRM和VTRM的有效性,结果表明,这两种均衡方法能够有效减少ISI,提高系统可靠性能。      

三角模糊数去模糊化对VIKOR妥协解的影响研究

针对准则值和准则权重均为三角模糊数的多准则决策问题,研究了不同三角模糊数去模糊化方法适用的数学运算规则,应用VIKOR方法进行三角模糊数去模糊化的必要环节和前提条件,分析了去模糊化对群体效用值和个体遗憾值以及对妥协解的影响机制,给出了一种拓展的VIKOR方法的决策步骤,最后运用算例说明了方法的实施过程和有效性。     

基于混沌神经网络的单向Hash函数

提出了一种基于混沌神经网络的单向Hash函数，该方法通过使用以混沌分段线性函数作为输出函数的神经网络和基于时空混沌的密钥生成函数实现明文和密钥信息的混淆和扩散，并基于密码块连接模式实现对任意长度的明文序列产生128位的Hash值.理论分析和实验结果表明，提出的Hash函数可满足所要求的单向性，初值和密钥敏感性，抗碰撞性和实时性等要求. 关键词： 混沌神经网络 Hash函数 分段线性混沌映射 时空混沌     

一种快速稀疏贝叶斯学习的水声目标方位估计方法研究

针对以具有时序结构的稀疏贝叶斯学习(Temporally multiple sparse Bayesian learning,TMSBL)为重构算法的水声目标DOA (Direction-of-arrival)估计方法存在运算速度慢的问题,结合块稀疏贝叶斯学习(Block-spare Bayesian learning,BSBL)理论框架下DOA估计模型与特点,采用MacKay提出的定点方法(Fixed-point method)对TMSBL算法中的核心超参量进行求解,提出一种快速的水声目标方位估计稀疏贝叶斯学习的方法,该方法具有运算速度快,重构概率高的特点,并通过实验仿真从运算时间、失败率和均方根误差等方面与TMSBL算法进行比较,验证了该方法的可行性与有效性。