一种基于粒子群算法的DC-NOMA系统遍历容量优化方案

为提升设备到设备（Device-to-Device,D2D）辅助的协作非正交多址接入（Non-orthogonal Multiple Access,NOMA）中继系统的性能,以最大化系统遍历容量为目标建立优化模型,利用粒子群优化（Particle Swarm Optimization,PSO）算法设计最优功率分配策略,求出每个用户的最佳功率分配因子,从而得到系统遍历容量的最优值。仿真结果表明,所提出的基于PSO的功率分配方案不仅能提高系统容量,还可以降低用户的中断概率。     

自适应卷积神经网络在面部表情识别中的应用

针对无法对面部表情进行精确识别的问题,提出了基于ResNet50网络融合双线性混合注意力机制的网络模型。针对传统池化算法造成图像特征提取残缺、模糊等问题,提出了一种基于Average-Pooling算法的自适应池化权重算法,同时基于粒子群算法对卷积神经网络模型超参数进行自适应调节,从而进一步提升模型识别精度。基于改进的网络模型,设计了一款实时面部表情识别系统。经验证,在Fer2013数据集和CK+数据集上,改进的模型在测试集中的识别精度分别为73.51%和99.86%。     

基于噪声融合的黑盒攻击优化方法

当前,基于迁移性的黑盒攻击通常使用较高的扰动系数生成具有较强可迁移性的对抗样本,导致对抗扰动较易被防御者察觉,因此提出了一种基于噪声融合的黑盒攻击优化方法来提高对抗样本的隐蔽性。该方法从常用的图像噪声中筛选出了最适用于优化对抗样本迁移性的噪声,并降低了对抗样本的黑盒攻击能力与扰动系数的耦合程度,即在不修改扰动系数的情况下增强了对抗样本的可迁移性。在Image Net数据集中的实验结果表明,通过噪声增强后的对抗攻击在黑盒攻击强度上有显著提升。此外,通过实验从高斯噪声、高斯白噪声、泊松噪声、椒盐噪声、乘性噪声和单形噪声中筛选出了最佳噪声,其能根据相同的扰动系数将待优化攻击算法的黑盒成功率平均提升12.64%。     

低轨通信星座星间链路特点研究

随着全球宽带通信需求的增长,世界各国提出并建设了多种低轨通信星座,我国的卫星互联网系统也在紧张建设中,星间链路将是通信星座系统的重要组成部分。为研究星间链路特点和建链需求,以极轨通信星座为例,从几何角度给出了星间链路指向角和距离的数值计算公式,分析了顺行轨道星间链路的变化规律,并进一步研究了异轨星间反向缝建链的特点。研究结果表明,选取合适的星座参数,可以实现卫星跨反向缝的接续建链,从而保证反向缝两侧卫星之间始终存在可用的通信链路。     

改进的免疫粒子群算法在TDOA定位中的应用

针对无线传感器网络中的TDOA节点无源定位估计中的非线性优化问题,提出了一种改进的免疫粒子群优化(Immune Particle Swarm Optimization, IPSO)的TDOA定位算法。该算法在自适应粒子群算法的基础上,引入免疫过程,增加了粒子种群的多样性,平衡局部搜索能力和全局搜索能力,有效地解决粒子易陷入局部最优问题,更快收敛到全局最优解。仿真结果表明,提出的算法相比于标准粒子群算法、自适应粒子群算法、Chan算法,当基站数量仅为4～5个、半径达到100 m时定位精度仍然较高,当加入随机噪声时,性能更加稳定,鲁棒性较好。     

一种基于修正激活函数的CNN车载毫米波雷达目标检测方法

为了提高车载毫米波雷达在复杂城市道路环境中目标检测的抗杂波与干扰能力,本文利用卷积神经网络（CNN）特征参数提取和目标分类特性,提出了一种改进的基于CNN的车载毫米波雷达目标检测方法。该方法首先将毫米波雷达回波信号距离-多普勒二维数据运用滑窗进行分割,并采用CNN网络模型处理分割后的二维矩阵,训练二维CNN网络模型及其参数,使其具有提取回波特征并基于特征参数模型进行目标分类的能力,从而实现目标检测功能。通过对卷积神经网络模型结构进行优化,增加批量归一化层,优化Dropout层使得低权重特征失活,自适应地删减部分神经元节点修正该层非线性激活函数,进一步降低了CNN模型目标检测的虚警概率。实验结果表明,在相同虚警概率条件下,CNN网络检测方法目标发现概率优于传统的单元平均恒虚警检测方法,并且在低信噪比的条件下仍然能够保持较高的发现概率;在同等发现概率水平下,修正后CNN网络检测方法的虚警概率较修正前可提高约1个数量级。     

考虑需求侧响应的综合能源系统可靠性评估

为了进一步激发综合能源系统的多能互补特性和挖掘需求侧可参与系统优化调度的调节潜力,提升综合能源系统的可靠性水平,提出一种考虑需求响应的综合能源系统可靠性评估方法。首先,根据负荷响应特性引入价格型和替代型两类需求响应,分别建立基于电价弹性矩阵的价格型需求响应模型,及考虑不同能源需求在同一时间点上相互转换的替代型需求响应模型;其次,建立以系统购买能源成本最小与负荷削减惩罚成本最小为目标的优化调度模型,并在Matlab平台上调用CPLEX进行求解;然后,基于时序蒙特卡洛模拟法获得各设备状态并设计出可靠性评估流程;最后,通过北方某工业园区综合能源系统进行算例分析,比较了系统在不同运行方式下的可靠性指标与经济性水平。算例仿真结果表明,引入价格型和替代型需求响应可协调优化各时段用能需求,能够有效提高综合能源系统的可靠性和经济性。     

GA-DE混合优化算法在双频非周期阵列波束综合中的应用

针对双频非周期阵列波束综合问题,提出了一种将遗传算法与差分进化算法结合的优化算法(GA-DE混合优化算法)。该优化算法在每轮迭代时先利用差分进化算法生成与遗传算法相同规模的种群,将该种群与原种群混合后保留适应度较好的个体,然后再由遗传算法进行迭代优化;同时对遗传算法的选择、交叉、变异算子做出改进,提升了算法的全局搜索能力和收敛速度。通过与其他算法对比验证,混合优化算法可以优化得到更优的副瓣电平和增益,仿真结果表明该算法具有良好的性能。利用混合优化算法在保证阵列增益的条件下,以降低峰值副瓣电平为目标优化Ku/Ka双频混排标准化子阵和Ku/Ka双频混排整阵。优化后Ku和Ka整阵在扫描范围内最大峰值副瓣电平分别为-13.10 dB和-13.13 dB,最小增益分别为44.81 dB和44.58 dB,达到了指标要求,优化结果说明混合优化算法可以有效抑制非周期阵列栅瓣的出现和降低阵列的峰值副瓣电平。     

基于时域频域分析结合的调谐激光吸收光谱检测参数优化

随着调谐激光吸收光谱(tunable laser absorption spectroscopy, TLAS)技术在气体检测中的应用越来越广泛,二次谐波信号的质量与检测参数紧密相关,因而分析检测参数的优化方法很有意义。本文根据谱线预处理中的滤波参数、系统采样时间、锁相放大器的时间常数对信号的影响以及参数间的联系,总结检测参数的选取规律。根据滤波原理和不同浓度下信号的均方根误差(root mean squared error,RMSE)值选择合适的滤波阶数和窗宽。选择信噪比(signal-to-noise ratio,SNR)、RMSE、信号与噪声频域幅度之比(ratio of amplitude in frequency domain of signal to noise,f_SNR)3种评价指标的曲线变化趋势进行时频分析,得到最佳采样周期数为30,结合实验系统具体参数可计算最佳采样时间。通过信号主频带与截止频率的关系和滤波效果选择合适的时间常数。综合分析3个检测参数并总结选取方法,可提高二次谐波信号的质量。本文提出的参数选取方法对提高二次谐波在实际应用中的准确度有...     

BLAC:注意力机制时序网络流量异常检测模型

入侵检测的难点之一是如何准确识别流量数据的异常特征。文中提出一个基于卷积神经网络（CNN）、双向长短期记忆网络（Bi-LSTM）和注意力（Attention）的时序流量异常检测模型,即BLAC。为提高BLAC模型的特征提取准确度,使用CNN提取流量数据中的空间特征,利用Bi-LSTM提取流量数据的完整时间特征,解决Attention难以对复杂时间序列数据位置信息进行编码的问题。通过对Attention权重的可视化分析,推测出异常在窗口中发生的时间点。使用雅虎的Webscope S5数据集进行对比试验,结果表明,BLAC模型的性能优于其他SOTA模型,其中关键指标召回率高达98.69%,表示二分类精确度的F1得分达到97.73%。