基于完全互补码波形的非零多普勒目标检测

本文将完全互补码(Complete Complementary Code, CCC)应用于多输入多输出(Multiple Input Multiple Output, MIMO)雷达目标探测中，针对具有非零多普勒的多目标检测问题，提出一种基于广义普洛黑-修-莫尔斯(Generalized Prouhet-Thue-Morse, GPTM)序列和二项式系数加权的信号处理方法。该方法分别在发射端和接收端进行处理，在发射端采用GPTM序列设计方法调整脉冲的发射顺序，以降低由多普勒引起的距离旁瓣；在接收端通过二项式设计(Binomial Design, BD)方法为各接收脉冲加上不同权重，扩大目标多普勒附近的清洁区。为综合上述两次处理的优势，将两次处理得到的距离多普勒谱进行逐点最小化处理，得到最终的距离多普勒谱，然后进行有序恒虚警检测。仿真结果表明，本文所提的信号处理方法具有良好的旁瓣抑制效果和多普勒分辨率，能够有效检测出非零多普勒目标。     

基于误差估值累加开环校正的诱导式欺骗检测方法

诱导式卫星欺骗干扰可诱导航空器逐渐偏离预定航迹，难以被发现，因此及时有效地检测干扰是飞行安全的保障。在现有紧组合导航体制基础上，设计了一种基于误差估值累加开环校正的紧组合导航结构，并证明了其性能与传统闭环校正紧组合导航性能等效。在此结构中，将紧组合导航系统与自适应序贯概率比检测方法结合，提出了一种基于误差估值累加开环校正的诱导式欺骗检测方法，融合紧组合导航信息与其他不受欺骗影响的导航信息，构建欺骗检测统计量进行诱导式欺骗检测。仿真结果表明，开环校正结构可避免随时间累加的惯性导航系统误差所导致的组合导航滤波器发散问题，同时欺骗检测方法可进一步提高算法对“最坏”情形下微小诱导式欺骗的检测效果。     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

基于图像分割技术的图像数字水印算法研究

针对数字图像水印技术,通过对闭运算得到的图像再进行开运算,使实验得到的图像区域较为完整,采用4×4的正方形结构元素,使得图像区域有更多的白色像素被置为黑色,对图像进行取反操作,能够对图像区域的非连通区域进行填充.希望能够利用精确的图像分割算法,实现对复杂版面的文档图像的有效切割,在一定程度上对图像数字水印的推广起到促进作用.     

重载校正视域下波束成形算法分析及实现

无线通信技术日新月异,而频谱资源相对有限,在面对持续增加的系统容量需求时形成不适应的局面,此背景下智能天线成为重要的突破口,其在提高频谱利用率以及扩容方面均具有显著的应用效果。智能天线深度整合阵列天线技术和阵列信号处理技术,波束控制能力更强,运行期间受外界干扰的概率较低,常见于通信、地质勘探等领域。波束是阵列处理的关键内容,现阶段已经成为彰显阵列信号处理的重要标志,其建立在各阵元加权的基础上,对其执行空域滤波操作,经过该处理机制后达到增强期望信号、提高稳定性的效果。文章则以宽带DDC信号波束成形技术为立足点,增添了重载校正模块,围绕其展开仿真和测试操作,实际结果表明该理论方法具有可行性,可作为同行的技术参考。     

基于PBFT区块链技术的电网企业仓储系统

提出了一种基于实用拜占庭容错(PBFT)算法的区块链技术,首先对传统的实用拜占庭容错算法原理进行了阐述,该传统算法包含前期、需求、预准备、准备、确认、答复6个阶段,但传统算法具有实时性差、缺乏惩罚机制、带宽高的缺点。针对出现的这些问题,又对传统算法进行了改进,具体涉及记账节点、共识过程以及视图切换过程。通过测试进一步证明了该改进算法的实用性,并将该算法应用于电网企业中,构建的虚拟仓库实现了联储联备,降低了库存资金的耗费,并且提高了电网企业库存管理的效率。     

2019年“金帆奖”获奖案例之春晚AR系统

在历年的金帆奖评比中,不乏各大精品综艺节目的影子。其中,每年的央视春晚更是各个获奖单元的常客。时间虽然已经过去一年有余,但2019央视猪年春晚节目依然给我们留下深刻印象。本文将从全新技术、创意设计、设备系统三个方面,对2019央视春晚中的全新虚拟技术应用进行解析。     

基于多相滤波器组的非线性回声抵消

在免提通话系统和移动通信设备中，扬声器常常工作在较高的音量下，容易发生过载现象，从而产生明显的非线性声学回声，这在小微型扬声器中更加常见。常用的线性AEC(Acoustic Echo Cancellation)算法无法消除此类非线性回声，因此通话质量受到严重影响。非线性回声主要表现为额外的高频谐波分量，这些分量使得全带系统不再满足线性关系，而通常的AEC算法都是基于最小化全带误差推导而来，因此性能很容易受到非线性失真的影响。本文提出了一种基于多相滤波器组的子带AEC算法，把全带误差变成了各个子带的误差，因而把谐波失真成分变成了某些子带内的加性噪声，这使得谐波失真较小的那些子带依然能够正常收敛。通过仿真和实测实验，当出现非线性失真时，新方法的ERLE(Echo Return Loss Enhancement)明显高于经典的全带时域和频域方法，对于非线性失真明显的语音信号，ERLE提升约10 dB。