【摘 要】
：
针对现有的存在相干信号的DOA估计方法大多数不能用于欠定的情况,即入射信号数超过传感器数的问题,提出了一种复数快速独立成分分析算法(即复数FastICA算法)和稀疏重构算法结合的DOA估计方法。当均匀圆阵传感器数目为M时,该算法最多可以估计M(M-1)入射信号的到达角。针对低信噪比情况下,复数FastICA分离效果差的问题,提出了2种圆信号与非圆信号情况下通用的去噪复数FastICA算法。仿真结果
【机 构】
：
西南交通大学信息科学与技术学院,四川成都 611756;西南交通大学综合交通大数据应用技术国家工程实验室,四川成都 611756;西南交通大学综合交通大数据应用技术国家工程实验室,四川成都 61175
论文部分内容阅读
针对现有的存在相干信号的DOA估计方法大多数不能用于欠定的情况,即入射信号数超过传感器数的问题,提出了一种复数快速独立成分分析算法(即复数FastICA算法)和稀疏重构算法结合的DOA估计方法。当均匀圆阵传感器数目为M时,该算法最多可以估计M(M-1)入射信号的到达角。针对低信噪比情况下,复数FastICA分离效果差的问题,提出了2种圆信号与非圆信号情况下通用的去噪复数FastICA算法。仿真结果与实测数据结果表明,该算法可以进行欠定情况相干与非相干信号共存的DOA估计,与目前的几种算法相比,所提的
其他文献
针对基于学习的安卓应用程序的漏洞检测模型对源程序的特征提取结果欠缺语义信息,且提取的特征化结果包含与漏洞信息无关的噪声数据,导致漏洞检测模型的准确率下降的问题,提出了一种基于代码切片(CIS)的程序特征提取方法。该方法和抽象语法树(AST)特征方法相比可以更加精确地提取和漏洞存在直接关系的变量信息,避免引入过多噪声数据,同时可以体现漏洞的语义信息。利用CIS,基于Bi-LSTM和注意力机制提出了一
近年来,机器学习技术逐渐成为主流网络入侵检测方案。然而机器学习模型固有的安全脆弱性,使其难以抵抗对抗攻击,即通过在输入中施加细微扰动而使模型得出错误结果。对抗机器学习已经在图像识别领域进行了广泛的研究,在具有高对抗性的入侵检测领域中,对抗机器学习将使网络安全面临更严峻的安全威胁。为应对此类威胁,从攻击、防御2个角度,系统分析并整理了将对抗机器学习技术应用于入侵检测场景的最新工作成果。首先,揭示了在
针对边缘计算的数据隐私性、计算结果正确性和数据处理过程可审计性等需求,提出了一种基于区块链和联邦学习的边缘计算隐私保护方法,不需要可信环境和特殊硬件设施即可在网络边缘处联合多设备实现安全可靠的协同训练。利用区块链赋予边缘计算防篡改和抗单点故障攻击等特性,并在共识协议中融入梯度验证和激励机制,鼓励更多的本地设备诚实地向联邦学习贡献算力和数据。对于联邦学习共享模型参数导致的潜在隐私泄露问题,设计自适应
针对现存绝大多数身份认证协议容易遭受量子计算攻击及实现效率低的缺陷,基于矩阵填充(MC)问题构造了一种安全高效的五轮零知识身份认证方案。由于MC问题是NP完全的,所提方案具有很好的抗量子计算攻击潜力。相较于目前已有类似方案,所提方案通过增加单轮交互将欺骗概率由2/3降至1/2,同时兼具容易实现、密钥尺寸小等优点。此外,采用Fiat-Shamir密码转换技术还可将所提五轮零知识认证协议转换为高效的具
针对SDN控制层中的欺骗式泛洪防御问题,提出控制器防御机制(CDM),主要包括基于关键特征多分类的泛洪检测机制和基于SAVI的泛洪缓解机制2个方面。在泛洪检测方面提出控制层泛洪关键特征解析模块,利用Boosting算法将各个关键特征弱分类器加权叠加形成增强型分类器,通过不断降低计算中的残差,达到更准确分类针对控制层的欺骗式泛洪攻击的效果。在泛洪缓解方面,CDM部署基于SAVI的泛洪缓解机制,以绑定
为保护无人机网络中指挥机构发送给无人机的命令的完整性和认证性,需要使用数字签名对命令消息进行保护,该签名方案应保证无人机能及时收到签名,并且保护签名者的隐私。因此,提出了面向无人机网络的属性代理签名方案,并对其安全性进行了分析。所提方案在选择属性和选择消息攻击下具有存在的不可伪造性,而且能保护签名者的隐私。从计算开销和通信开销两方面对签名方案的效率进行了分析,并与其他相关签名方案进行了对比。结果表
为了解决室内定位中纵向位置信息缺失的问题,提出了基于有效AP选择和多分类LDA的室内定位算法。离线阶段,采用基于稳定性及差异性的AP选择算法,提取指纹区域的有效AP集合,并利用多分类LDA算法对有效AP集合在不同纵向位置的指纹数据进行训练,得到纵向位置信息识别模型。在线阶段,将与离线有效AP子集相同的AP信息输入纵向位置信息识别模型,得到识别结果,然后利用基于指纹库分区的定位算法完成在线指纹平面定
针对现有标签缺失下多标签学习方案未能有效解决标签缺失的问题,提出了基于实例结构的不完备多标签学习方案,考虑实例特征和标签结构特点,利用数据标签向量几何相似度来补全缺失标签,利用加权排序来降低正关系学为负关系所带来的模型偏差,并利用低秩结构来俘获模型低秩结构。具体地,通过确保数据预测标签几何相似度与数据标签几何相似度的一致性来俘获数据流型结构;通过度量完备标签下和不完备标签下的排序损失来区分标签与实
为了衡量区域受到不同攻击的整体影响,捕捉区域网络拓扑之间的抗毁性差异,提出一种区域抗毁性评估算法。从区域内部和区域外部出发,分析区域内部自身抗毁性和区域之间通信拓扑的抗毁性。多方获取测量数据并校验以构建拓扑关系图,实现区域间链接的预测作为拓扑数据的补充。基于分层概率采样,多次模拟破坏以逼近真实情况下区域的受破坏情况。实现显著性检验器,分别从整体水平和特殊薄弱点衡量区域受破坏的影响,发现区域之间受破
针对指纹库规模的增大导致CSI指纹的训练成本和处理复杂性显著增加的问题,提出了一种基于CSI张量分解的室内Wi-Fi指纹定位方法。首先,将基于平行因子分析模型的张量分解算法和交替最小二乘迭代算法相结合以减少环境噪声的干扰;其次,利用张量小波分解算法对降噪后的张量进行特征提取以得到CSI位置指纹;最后,基于偏最小二乘回归算法建立定位模型以实现位置估计。实验结果表明,所提算法在定位误差4 m内的置信概