A dynamic and weighted spectrum decision mechanism based on SNR Tracking in CRAHNs

The spectrum decision concept in Cognitive Radio Ad-Hoc Networks (CRAHNs) introduces important challenges. These include the time-dependent SNR observations of individual CRAHN users due to the fading and shadowing effects in the licensed channels, the necessity of fusion mechanisms for accurate decisions, and the difficulties depending on multi-hop deployment. Considering these challenges, in this paper, we propose a dynamic, cooperative and distributed spectrum decision mechanism in order to decide the channel usage in CRAHNs accurately. The proposed mechanism introduces the SNR Tracking System which considers the time-varying local SNR observations and decisions of the CRAHN users. The proposed mechanism employs a distributed Weighted Fusion Scheme (WFS), to combine the individual decisions and hence, to obtain the cooperative decision. The proposed spectrum decision mechanism adapts itself dynamically to the multi-hop architecture of the network. The performance of the proposed mechanism is compared to some conventional fusion mechanisms based on the AND, OR and MAJORITY rules, and it is shown that the proposed weighted mechanism gives lower false alarm and higher detection probabilities compared to the conventional fusion mechanisms.     

一种混合模型的时序数据异常检测方法

对设备性能指标、用户数据指标的异常检测能有效地发现系统潜在故障,本文提出了一种混合异常检测方法。该方法利用k-means将历史数据按照时间进行划分,使用grubbs算法剔除历史数据中的噪音,并计算各时间段的阈值形成动态阈值,同时利用曲线拟合和ARIMA算法对预处理后的历史数据进行训练,得到对应的模型,作为判断异常的依据。该方法结合了统计学的高效、机器学习的准确,无需对数据进行标注,该方法能自动发现单指标和多指标异常。通过在几个系统的实际运维的检验,本文提出的方法能有效地发现缺数异常和系统异常,提高告警准确率,单指标的查全率达到100%,平均查准率为95.7%,算法的效率满足生产环境中的性能要求。     

网络攻击特征库的优化设计与实现

随着网络入侵检测系统的广泛使用,作为系统核心部件的网络攻击特征库对网络入侵检测系统性能的影响越来越大。论文根据网络攻击特征库的特点对其进行了优化设计,将网络攻击特征库分解为入侵行为特征描述库和入侵确认库两个核心库,通过实验证明该设计方案可显著提高网络入侵检测系统的性能。     

一种基于直方图统计与多帧平均混合的背景提取算法

介绍了背景的提取与自适应更新的算法,提出了一种基于直方图统计与多帧平均混合的算法。这种算法克服单纯的多帧图像在车流量多、车速低时出现拖尾和模糊的现象,且相对于混合高斯模型,其计算复杂度较低。该算法已通过TI DM642DSP硬件平台实现,实验图像结果表明,该背景提取算法的速度快,且符合实际场景。     

基于密集连接卷积神经网络的入侵检测技术研究

卷积神经网络在入侵检测技术领域中已得到广泛应用,一般地认为层次越深的网络结构其在特征提取、检测准确率等方面就越精确。但也伴随着梯度弥散、泛化能力不足且参数量大准确率不高等问题。针对上述问题,该文提出将密集连接卷积神经网络(DCCNet)应用到入侵检测技术中,并通过使用混合损失函数达到提升检测准确率的目的。用KDD 99数据集进行实验,将实验结果与常用的LeNet神经网络、VggNet神经网络结构相比。分析显示在检测的准确率上有一定的提高,而且缓解了在训练过程中梯度弥散问题。     

数字地面多媒体广播外辐射源雷达目标探测实验研究

数字地面多媒体广播(DTMB)是我国具有自主知识产权的数字地面电视广播标准,该文介绍了利用武汉大学研制的多通道外辐射源雷达实验平台开展DTMB外辐射源雷达研究的情况。论述了该体制雷达的工作原理、关键技术、探测设备和外场实验,给出了目标探测初步实验结果,从实验上证实了利用DTMB信号实现目标探测的技术可行性。     

一种直扩通信信号快速检测识别方法

本文提出和论述了一种直接序列扩频通信信号的快速检测识别方法,用该方法可以对直接序列扩频通信信号的频率和相位,扩频周期,扩频码长及扩频码型进行检测和识别,最后,给出了把提案方法用于完整实验系统的测试结果。     

低信噪比下两种点目标检测算法的研究

红外图像中点目标检测技术是近年来信息处理研究的热点和难点之一。当红外图像传感器和目标之间距离很远时,目标在焦平面上成像面积很小,一般不超过探测器像元的大小,因此目标在图像中表现为点目标,且信噪比极低,目标被噪声（杂波）所淹没,给目标的检测带来了极大的困难。这一领域,前人已经进行了大量的研究工作,并提出了一些检测算法。文中也研究设计了两种红外图像点目标检测算法,并对其进行了计算机仿真实验和分析,结果表明这两种算法具有较好的检测能力。     

双频载波相位平滑码伪距差分技术研究

本文针对载波相位平滑伪距差分技术在高精度测量的应用,推导了单频和双频载波相位平滑伪距的原理,分别给出了单频和双频载波相位平滑伪距差分模型。通过试验分析,比较了单频和双频差分导航定位精度,分析了双频载波相位平滑伪距差分定位的优点,且其差分定位精度可达亚米级。     

融合WiFi、激光雷达与地图的机器人室内定位

由于室内环境受多径效应影响,单一WiFi定位效果不佳;激光雷达(LiDAR)虽然测距定位精度高,但在室内存在大量单一、重复的场景结构(如走廊)时,往往会由于无法提取有效特征进行匹配而造成大量错误定位.因此,该文提出基于卡尔曼滤波框架的WiFi、激光雷达与地图的融合定位新方法.其中,滤波器的状态定义为机器人当前与历史时刻...