基于广义窗函数和最小二乘支持向量机的混沌背景下微弱信号检测

为了从混沌背景中检测微弱信号,研究分析了复杂非线性系统的相空间重构理论,提出了一种基于广义窗函数的最小二乘支持向量机的预测法. 该方法以广义嵌入窗为基础,利用自关联函数法确定Lorenz系统的嵌入维数和时间延迟, 实现相空间重构,结合最小二乘支持向量机建立Lorenz系统的误差预测模型, 检测微弱目标信号(瞬态和周期信号).仿真实验表明,该方法的预测模型具有较小的误差, 能够有效地从混沌背景噪声中检测出微弱目标信号,减小噪声对目标信号的影响. 与传统方法相比,在降低检测门限的同时,能够有效地提高预测的精度, 在混沌噪声下信噪比为-87.41 dB的情况下,相对于传统支持向量机方法所得的均方根误差0.049(-54.60 dB时)降低近两个数量级至0.000036123(-87.41 dB时).     

分布式网络异常攻击检测模型仿真分析

针对传统的异常攻击检测方法主要以异常攻击行为规则与网络数据隶属度大小进行判别,只能针对已知异常攻击进行检测,对新型异常攻击,检测算法率低,计算数据量大的问题。提出一种新的分布式网络异常攻击检测方式,通过对分布式网络内数据进行迭代聚类将正常和异常数据进行分类,建立矩阵映射模型进行数据矩阵对比,初步对异常攻击数据进行判断。在矩阵中建立粒子密度函数,通过粒子密度变化计算其异常攻击概率,最后对其数据进行加权和波滤确定数据异常攻击特征,建立攻击检测模型。仿真实验表明,优化的分布式网络异常攻击检测模型提高了异常数据攻击检测的自适应性,在网络信号受到攻击信号干扰情况下,仍然能够准确检测出带有攻击特征的小网络异常数据。有效提高了分布式网络的检测正确率,加快了检测速度和稳定性。     

基于二阶导数谱与特征吸收窗的红外光谱定量检测方法

红外光谱分析技术已被液体、固体和气体混合物各组分的定量检测广泛应用。针对红外光谱定量检测过程中存在的计算过程复杂、受背景及噪声干扰、多组分谱线混叠的问题,一方面,通过获取谱线二阶导数去除背景及噪声干扰,并一定程度上区分混叠谱峰。在获取二阶导数谱线过程中运用Savitzky-Golay滤波器进行平滑滤波处理,并根据谱线频率特征选取Savitzky-Golay滤波器最佳滤波参数,解决了滤波参数缺乏标准化选取方法的问题。另一方面,根据被测组分的吸收分布情况生成特征吸收窗分别对待测原始吸收谱线以及二阶导数谱线加以处理,提取出在浓度计算过程中占据重要性更大的特征吸收的区域,从而排除非吸收区域中背景、噪声及其他组分对计算结果的干扰。以一组丙烷、丙烯和甲苯混合气体为例,运用二阶导数方法以及特征吸收窗方法进行定量检测,并与直接利用原始谱线的检测结果进行比较分析。实验结果表明采用二阶导数谱与特征吸收窗的定量检测方法精度更高,相对误差基本在5%以内。     

A Pattern Dictionary Method for Anomaly Detection

In this paper, we propose a compression-based anomaly detection method for time series and sequence data using a pattern dictionary. The proposed method is capable of learning complex patterns in a training data sequence, using these learned patterns to detect potentially anomalous patterns in a test data sequence. The proposed pattern dictionary method uses a measure of complexity of the test sequence as an anomaly score that can be used to perform stand-alone anomaly detection. We also show that when combined with a universal source coder, the proposed pattern dictionary yields a powerful atypicality detector that is equally applicable to anomaly detection. The pattern dictionary-based atypicality detector uses an anomaly score defined as the difference between the complexity of the test sequence data encoded by the trained pattern dictionary (typical) encoder and the universal (atypical) encoder, respectively. We consider two complexity measures: the number of parsed phrases in the sequence, and the length of the encoded sequence (codelength). Specializing to a particular type of universal encoder, the Tree-Structured Lempel–Ziv (LZ78), we obtain a novel non-asymptotic upper bound, in terms of the Lambert W function, on the number of distinct phrases resulting from the LZ78 parser. This non-asymptotic bound determines the range of anomaly score. As a concrete application, we illustrate the pattern dictionary framework for constructing a baseline of health against which anomalous deviations can be detected.     

基于最优滤波器的强混沌背景中谐波信号检测方法研究

强混沌背景中的微弱谐波信号检测有重要的工程研究意义. 目前的检测方法主要是基于Takens理论的混沌相空间重构方法, 然而这些方法往往对信干噪比要求高, 且对高斯白噪声敏感等. 本文注意到混沌信号的二阶统计特性是不变的, 根据这个特点提出了一种基于最优滤波器的强混沌背景中的微弱谐波信号检测方法. 该方法首先构建一个数据矩阵, 在频域上对每个频率通道分别检测谐波信号, 从而将信号检测问题转化为最优化问题, 然后利用最优化理论设计滤波器, 使待检测频率通道的信号增益保持不变, 而尽量抑制其他频率通道的信号, 最后通过判断每一频率通道的输出信干噪比来检测谐波信号. 与传统方法相比, 本文方法有如下优点: 1)可以检测更低信干噪比下的微弱谐波信号; 2)可检测的信号幅度范围更大; 3)抗白噪声性能更强. 仿真结果证明了本文方法的有效性.     

一种利用十字窗口识别红外弱小目标的新方法

为有效地识别红外图像中的弱小目标,在分析传统识别方法的基础上,提出了一种利用十字窗口识别红外弱小目标的新方法.该方法在待识别点上、下、左、右四个方向以目标大小选取四个参考点构造十字形识别窗口,根据待识别点与参考点之间的灰度梯度识别该像素点是否为目标像素.该方法无需预测背景,可以在低信噪比、强度变化剧烈的图像中获得较高的识别率与较低的虚警率.实验结果表明了该算法的有效性.     

混沌噪声背景下微弱脉冲信号的检测及恢复

构建了一种在混沌噪声背景下检测并恢复微弱脉冲信号的模型.首先,基于混沌信号的短期可预测性及其对微小扰动的敏感性,对观测信号进行相空间重构、建立局域线性自回归模型进行单步预测,得到预测误差,并利用假设检验方法从预测误差中检测观测信号中是否含有微弱脉冲信号.然后,对微弱脉冲信号建立单点跳跃模型,并融合局域线性自回归模型,构成双局域线性(DLL)模型,以极小化DLL模型的均方预测误差为目标进行优化,采用向后拟合算法估计模型的参数,并最终恢复出混沌噪声背景下的微弱脉冲信号.仿真实验结果表明本文所建的模型能够有效地检测并恢复出混沌噪声背景中的微弱脉冲信号.     

基于高斯马尔科夫模型的高光谱异常目标检测算法研究

随着光谱成像技术的发展,高光谱异常检测在遥感图像处理中的应用越来越广泛。传统RX异常检测算法忽略影像空间相关性,而且由于没有经过有效数据降维,运算耗费大,对于高光谱数据有效性不高。高光谱影像在空间和光谱上符合高斯-马尔科夫模型。通过建立马尔科夫参数能够直接计算协方差矩阵的逆矩阵,避免了高光谱海量数据的庞大计算。提出一种基于三维高斯-马尔科夫随机场模型的改进RX异常检测算法。该方法用高斯-马尔科夫随机场模型模拟高光谱影像数据,用最大似然近似法估计高斯-马尔科夫随机场参数,由高斯-马尔科夫随机场参数直接构造检测算子,并以待检测像元为中心设置局部优化窗口,称为马尔科夫检测窗。取窗口内数据计算均值向量和协方差逆矩阵,得到中心像元的异常度,通过移动窗口进行逐像元检测。应用AVIRIS高光谱数据对传统RX算法、高斯-马尔科夫模型背景假设异常检测算法和该算法进行了仿真实验对比。结果表明,该算法能够有效提高高光谱异常检测效率,降低虚警率。运行时间较传统RX算法提高了45.2%,体现出更好的计算效率。     

基于回形窗的弱小多目标图像分割方法

提出一种红外弱小多目标图像分割方法,用一个回形窗口和对比度阈值分割图像.对天空背景下低信噪比的红外弱小多目标图像序列能够有效的分割,抑制噪音干扰.将该方法与传统的图像分割方法做了比较,并对用不同阈值,不同窗口分割时的分割结果进行了分析.实验表明,该算法在执行效率和检测概率上能够取得满意的结果.     

一种最差情况下性能最优化的特征分析自适应波束形成方法

自适应波束形成在弱目标检测和空域滤波中应用广泛。然而在实际海洋环境中,失配情况比较普遍,往往会导致传统自适应波束形成方法性能明显下降。针对此问题,本文基于特征分析重构观测信号协方差矩阵来抑制干扰对弱目标检测的影响,在此基础上进一步利用凸优化算法来提高波束形成方法的鲁棒性。数值仿真和海试数据处理结果表明,本文所提方法在抑制干扰对弱目标影响的基础上,在阵元位置平均误差不超过入射信号中心频率对应波长的40%的情况下,仍可以鲁棒地检测目标信号。同时,该方法显著提高了自适应波束形成方法的输出信干噪比,且受对角加载量取值的影响较小。      

基于优化探测窗口的光斑质心探测方法

 哈特曼-夏克波前传感器进行波前探测时，用子孔径光斑强度的一阶矩来计算光斑质心位置，子孔径窗口作为探测窗口，但探测时子孔径窗口内噪声对一阶矩有很大的影响，会使质心探测精度产生很大的误差。因此在计算质心位置时探测窗口的选取对探测精度有重要影响，必须选取合适的探测窗口来提高光斑质心探测精度。为此，在传统算法的基础上提出优化探测窗口的方法来提高质心探测精度,仿真和实验结果表明新方法提高了质心探测的精度，未经处理的高噪声恢复波前的波前残差峰谷值是2.851 4λ，均方根值是0.606 3λ，优化探测窗口后波前残差的峰谷值是1.636 2 λ，均方根值是0.367 1 λ，重构误差减小了40％。证明了算法的可行性和稳定性。     

Sensitivity enhancement of distributed polarization coupling detection in Hi-Bi fibers

The intensity and position of the coupling points in high birefringence(Hi-Bi)fibers can be detected effectively using distributed polarization coupling(DPC)detection.The detection sensitivity can decrease due to mechanical vibration disturbance and environment noise.Thus,a method based on empirical mode decomposition is proposed to detect weak mode coupling points.The simulation and experimental results illustrate that the proposed method can suppress the noise effectively and improve sensitivity significantly.The method can identify coupling points as weak as-60 dB embedded in noise automatically and effectively.The algorithm is applicable for DPC,and the experimental sensitivity is improved by 10 dB.     

基于滑动窗口子空间的混沌信号降噪算法

基于子空间投影理论，利用混沌信号特性，提出了一种基于滑动窗口子空间投影的混沌信号降噪算法，通过相空间重构和多次迭代运算，较好地解决了低信噪比下的混沌信号降噪问题。对算法的复杂性作了研究，并对重构维数、延迟时间、迭代次数等参数的选择进行了讨论。利用Lorenz模型进行仿真得到了比较好的效果，与传统算法相比，新算法具有降噪效果较好、局部特性损失较少、精度较高等优点。     

Functional Kernel Density Estimation: Point and Fourier Approaches to Time Series Anomaly Detection

We present an unsupervised method to detect anomalous time series among a collection of time series. To do so, we extend traditional Kernel Density Estimation for estimating probability distributions in Euclidean space to Hilbert spaces. The estimated probability densities we derive can be obtained formally through treating each series as a point in a Hilbert space, placing a kernel at those points, and summing the kernels (a “point approach”), or through using Kernel Density Estimation to approximate the distributions of Fourier mode coefficients to infer a probability density (a “Fourier approach”). We refer to these approaches as Functional Kernel Density Estimation for Anomaly Detection as they both yield functionals that can score a time series for how anomalous it is. Both methods naturally handle missing data and apply to a variety of settings, performing well when compared with an outlyingness score derived from a boxplot method for functional data, with a Principal Component Analysis approach for functional data, and with the Functional Isolation Forest method. We illustrate the use of the proposed methods with aviation safety report data from the International Air Transport Association (IATA).     

散斑条纹图的自适应窗口滤波方法

针对散斑噪声很难用常用的滤波方法进行滤除,在已有等值线滤波方法的基础上,提出一种更优的自适应窗口滤波方法。由于等值线窗口是在条纹方向图的基础上得到的,深入研究条纹方向的求取方法,提出了一种更为可靠的条纹方向求取算法,在得到高精度条纹方向的同时,还能估计出条纹的密度。使用等值线窗口技术,保持了窗口形状的自适应能力,然后利用对条纹密度的估计,根据条纹的宽度来确定滤波窗口的大小,实现了滤波窗口大小的自适应。最后,根据条纹方向和滤波后的图像可以直接得到条纹密度变化较大的单幅散斑图的相位结果。     

基于DGPS航迹偏差的多旋翼无人机磁干扰检测技术研究

为了解决多旋翼无人机在飞行作业过程中受到环境磁干扰导致作业异常的问题,在使用DGPS进行差分定位的基础上,提出了一种基于航迹偏差的多旋翼无人机磁干扰检测技术。其基本原理是,当多旋翼无人机受到磁场干扰时,其飞行航迹会偏离预设航线,检测其航迹的偏离距离,通过与阈值比较,可以用来判断是否存在环境磁干扰。实验结果表明该方法可以有效检测环境磁场异常,在某些情况下比传统的磁航向角误差阈值检测方法可靠性更高,虚警率更小。综合使用航迹偏差检测方法和磁航向角误差检测方法,可有效（提高）环境磁场异常检测的准确度,降低虚警率。     

镜头边界检测的动态窗口技术

提出了一种新的镜头边界检测算法.该算法借鉴信息论的观点,以互信息量和直方图的结合来衡量帧间相似度.通过一自动选取的阈值选出所有可能的镜头切换点,采用动态窗口技术将切变和渐变统一视为切变检测.通过合理的聚类消除噪音所带来的误检现象,提高了镜头的检出率.仿真实验结果表明该算法具有良好的性能.     

Adaptive Stochastic Resonance-Based Processing of Weak Magnetic Slippage Signals of Bearings

Slip is one of the most common forms of failure in aviation bearings, and it can pose a great threat to the stable operation of aviation bearings. Bearing cage speed monitoring methods based on weak magnetic detection can achieve nondestructive measurements. However, the method suffers from solid signal background noise due to the high sensitivity of the sensor. Therefore, in this paper, an adaptive stochastic resonance algorithm was proposed in response to the characteristics of the weak magnetic detection signal and the problem of solid noise. In addition, by adaptively adjusting the coefficients of the stochastic resonance system—by an improved moth flame optimization algorithm—the drawback in which the stochastic resonance method required artificially set parameters for extracting the feature frequencies of the weak magnetic signals was solved. In this process, we used parameters, such as general refined composite multi-scale sample entropy, as the adaptation function of the optimization algorithm. In the end, simulation and experimental outcomes verified the efficacy of the approach put forward.     

利用Doppler-warping变换的水下对空运动声源的线谱探测EI北大核心CSCD

提出了一种利用Doppler-warping变换的水下对空运动声源的线谱探测方法。该方法首先利用Doppler-warping变换线性化目标线谱的多普勒相位,再提取线性化后的目标线谱点,结合波束形成算法实现对目标的探测。仿真和海试数据处理结果表明,与直接提取目标线谱实现探测的方法相比,所提出方法有以下几个优势:(1)将目标线谱多普勒相位线性化,线谱跟踪更为稳定连续;(2)将目标线谱频带展宽的能量重新集中到原频率附近,在低信噪比环境下能更好地提取目标线谱;(3)将干扰线谱瞬时频率非线性化,能更好地实现干扰线谱的分离。海试数据处理结果表明,实现了对远至16.8 km处空中运动目标的水下有效探测,探测能力与抗干扰能力明显增强。