Gyrator变换域下基于超混沌相位掩模的光学水印方法

针对光学变换水印算法中光学实现的轴对准问题和光学密码系统的安全性问题,提出一种基于超混沌映射和Gyrator变换的光学水印方法。利用Chen 4D超混沌系统构造超混沌相位掩模,然后通过菲涅耳波带板和径向希尔伯特掩模构造的涡旋光,对超混沌相位板进行照明,最后借助Gyrator变换将加密后的水印图像植入宿主灰度图像,实现Gyrator变换域下的光学信息隐藏。通过Gyrator逆变换提取目标图像中植入的水印信息。实验结果表明,该算法能够从高不可感知性的目标图像中提取高质量的水印信息,加密的目标图像信噪比高,与宿主图像的相关性强,能够有效地抵御强度系数为0.06和0.8的椒盐噪声和高斯噪声的攻击,对低于50%遮挡率和80压缩因子的攻击具有良好的稳健性。加密后的目标图像与原始宿主图像具有相似的统计分布,较好地实现了信息隐藏。     

基于神经网络的高铁通信切换优化方法研究

分析了传统高铁LTE-R网络建设的业务需求。针对列车行驶中频繁出现的A3切换事件,此事件使得专网小区出现数据上传、下载速率低,话音接通率、掉线率劣化等问题,提出了一种基于改进的人工蜂群算法和径向基函数神经网络的越区切换优化方法。通过分析高铁列车的实时运行速度和传输损耗,对列车运行中切换触发时延和切换迟滞门限这两个参数进行了预测和动态优化,以提升高铁列车在运行中用户终端的切换成功率和鲁棒性。实验中以长吉线高铁某区间为例进行测试,采集列车在不同运行速度下的实际参数进行训练。实验结果表明,基于改进的工蜂群算法和神经网络的切换方法具有更高的实时性和稳定性,能够大幅提升用户业务感知。