基于CNN特征的宽频段智能测向方法

当前电磁环境日益复杂,利用机器学习方法实现快速且精确的宽频段无线电测向逐渐成为研究的热点。使用卷积神经网络基于端到端的方式完成宽频段测向的方法能够在一定程度上解决宽频段相位模糊的问题,但卷积运算后特征维数大大增加,稀疏的特征影响了最后一层全连接前馈神经网络的分类效果。针对这一问题,提出将无线电测向分为特征学习任务和方向预测任务,使用卷积神经网络作为特征提取器,将通过多层卷积运算得到的结果视为二次提取的特征,作为方向预测任务的输入;针对二次提取特征的稀疏性,提出使用主成分分析算法对特征进行降维,并将稀疏性降低后的特征作为后续分类器的输入。此外,针对特征的特点,探索了几种分类模型作为分类器的效果,包括决策树、随机森林、径向基函数神经网络和K-近邻。实验结果表明,使用主成分分析算法对特征进行降维能够提升训练和测试效率;采用K-近邻构成分类器的准确度明显高于原卷积神经网络的准确度;若需要兼顾准确度和测向效率,采用随机森林构成分类器的效果最好。     

Novel loop-like solitons for generalized Vakhnenko equation

A nontraveling wave solution of a generalized Vakhnenko equation arising from the high-frequent wave motion in a relaxing medium is derived via the extended Riccati mapping method. The solution includes an arbitrary function of an independent variable. Based on the solution, two hyperbolic functions are chosen to construct new solitons. Novel single-loop-like and double-loop-like solitons are found for the equation.     

Ad hoc网络中一种基于身份的组密钥协商协议

移动Ad hoc网络是一种资源有限的移动多跳无线网络。在网络中构建组密钥协商协议时应尽可能地减少资源开销。文中在基于身份的网络安全环境下,设计了一种基于环状结构的组密钥协商协议。该协议采用椭圆曲线上的双线性配对,仅通过单轮通信完成组密钥协商。经过分析,该协议具有等献性,已知密钥安全,无密钥控制等安全属性,适用于Ad hoc网络。     

一种安全的公共认证电子拍卖方案

利用Bit承诺,单向函数和数字签名算法,对一种安全电子拍卖模型进行改进,提出了一种安全、简单、高效的密封式电子拍卖方案.它可以在注册中心离线的情况下,最大程度地缩小拍卖行的权力实现公共认证.同时,该方案不仅能对除中标者外的其他所有投标者的投标价进行保密,而且能有效防止拍卖行不诚实的行为.     

跨域逻辑承载网映射方法研究

为了解决跨域逻辑承载网的映射问题,提出了一种以最小映射代价为目标的分层优化模型,并基于该模型采用原始分解和次梯度方法,设计了一个跨域逻辑承载网映射算法。通过理论分析证明了方法的正确性,仿真实验从收敛性、运行时间以及动态网络环境下的构建请求接收率和构建平均收益等方面验证了该方法的有效性。     

基于选择性集成径向基神经网络的来波方向估计

本文提出了一种基于选择性集成径向基函数神经网络(SE-RBFNN)的来波方向(DOA)估计方法,解决单个神经网络建模进行DOA估计精度低的问题。首先利用Bagging方法训练生成一定数量的RBFNN弱分类器,其估计精度低但泛化能力强;然后提出并运用等宽分箱—投票选择性集成方法剔除估计误差大的奇异值个体,优选部分RBFNN输出结果进行平均处理,从而获得了高精度的DOA估计。仿真结果表明了算法的有效性,相对单个RBFNN建模,构建的选择性集成模型能适应方向特征的变化,算法的来波估计精度显著提高。     

高压功率集成电路的混合模拟

提出了高压功率器件统一网络模型,并在SPICE3和PISCES2B的基础上,利用两级牛顿迭代法,开发了高压功率集成电路的电路——器件混合模拟软件.利用该软件对一个高压LDMOS开关电路进行了混合模拟.通过该种模式的模拟,能直接分析器件参数对电路性能的影响,为高压功率集成电路的设计提供了方便.     

超高斯加载的稳健自适应波束形成及性能分析

该文提出了一种超高斯加载的稳健自适应波束形成方法,解决由于导向矢量和样本方差矩阵失配误差所导致的波束形成器性能下降的问题,利用p-范数来对两种误差不确定性进行总体修正,克服了2-范数不能同时兼顾两者实现最优修正的缺点。采用遗传算法求得最优范数p,验证了在不同实验设置下,当使用最优范数时,都比2-范数约束具有更好的性能。超高斯加载方法把复杂的不确定性建模问题转化为范数p的寻优问题,从而获得比对角加载方法更优异的性能。     

基于分层神经网络的宽频段DOA估计方法

该文提出了一种采用智能识别技术解决宽段来波方位估计的新方法。提取已知来波方位信号的协方差矩阵的上三角部分作为样本特征,然后构建区域估计和方位估计的分层模型,实现对未知来波方位的精确估计。所提出的分层方法降低了模型构造的复杂度,实现了宽频段来波方位估计。给出了应用该方法的具体步骤。仿真实验结果表明,该方法具有很高的测向精度,具有广阔的应用前景。