【摘 要】
：
辐射源定位是实现频谱资源管理与非法用频查处的重要基础.针对传统定位方法难以对多个辐射源信号进行快速定位,且无法在地图上直观地体现辐射源所处的地理位置的问题,提出了一种基于频谱测绘的辐射源定位方案,包括基于反距离加权法实现三维频谱数据补全,以及基于聚类算法结合电磁波传播规律进行辐射源定位.该方案能够实现稀疏采样条件下频谱地图测绘与辐射源定位.实验证明,在多辐射源的场景中,该方法确定的辐射源位置与实际情况吻合,具有良好的性能.
【机 构】
：
南京航空航天大学,江苏南京211106;国家无线电监测中心,北京 100037
论文部分内容阅读
辐射源定位是实现频谱资源管理与非法用频查处的重要基础.针对传统定位方法难以对多个辐射源信号进行快速定位,且无法在地图上直观地体现辐射源所处的地理位置的问题,提出了一种基于频谱测绘的辐射源定位方案,包括基于反距离加权法实现三维频谱数据补全,以及基于聚类算法结合电磁波传播规律进行辐射源定位.该方案能够实现稀疏采样条件下频谱地图测绘与辐射源定位.实验证明,在多辐射源的场景中,该方法确定的辐射源位置与实际情况吻合,具有良好的性能.
其他文献
时域重叠复用(Overlapped Time Division Multiplexing,OvTDM)技术作为一种非正交的传输技术,人为地引入了符号间干扰来实现高传输速率,但这也使得OvTDM系统在进行最大似然序列检测时面临着极高的运算复杂度.为解决这一问题,研究了OvTDM系统的卷积编码方式,利用发送序列和接收信号之间的关系构建了对应的因子图模型,结合消息传递的原理,提出了一种基于消息传递的OvTDM系统译码算法.该算法通过节点之间信息的不断迭代更新来实现信号的检测.最后,对该算法的性能进行了仿真和分析
针对当前单分类器融合算法不灵活的缺点,提出基于深度随机森林的新型组合分类算法.该算法先建立50～400深度的随机森林,然后训练找到5个不同深度最优随机森林的模型,将其组合成一个新的模型.在威斯康辛州(诊断)乳腺癌数据集、无线定位数据集和加利福尼亚大学尔湾分校的汽车评估数据集上对提出的算法进行了实验验证,并与传统算法结果进行比较,提出的组合算法在3个数据集上分别取得了97.0％、98.0％和97.6％的准确度.实验证明,与其他传统算法相比,本文算法的准确度更高,鲁棒性更好.
随着通信技术的全面发展,在网络通信技术方案中融合多媒体技术模式能大大提升信息和数据交互的有效性,为新型交流沟通模式的创设和应用提供了广阔的平台.IP视频会议通信技术系统能利用分布式会议功能搭建更加完整的交流机制,具有一定的推广价值.分析了基于IP网络的视频会议通信系统组成、相关技术标准以及核心技术等,同时展望了该网络视频会议通信技术未来发展的方向.
为了缓解通信网络的拥塞问题,减少用户请求服务的等待时间,提高网络的利用率,网络运营服务商需要对网络实时流量进行分析,而建立准确高效的流量分析模型能提供更加准确的数据支持.基于此,提出了改进的自回归差分移动平均模型,该方法与传统模型方法相比,引入了误差扩散因子这一新的参数,并使用改良的粒子群算法得到欲求解的参数值.通过对测试集中的流量数据进行验证分析,可以得到,改进后的模型相比改进前,预测精度和稳定性均得到了提升.
随着运营商业务竞争的加剧,用户网络满意度开始受到普遍的关注,运营商希望通过对用户网络满意度调研结果的分析和研究,发现网络质量与用户调研结果之间的联系,从而进行针对性的优化调整.基于此,通过对满意度调研样本进行主客观分离,并识别有效样本,将其与用户网络和业支侧数据进行关联分析,构建了一种基于随机森林算法的贬损用户预测模型.最后,对预测出的贬损用户进行聚类,识别常驻小区,为运营商有针对性地进行优化提供支撑.
没有数据安全就没有国家安全,数据安全治理作为数据安全体系重要的组成部分引起了各行各业越来越多的关注.从大数据环境下海量数据面临的安全风险出发,结合数据在使用过程中的安全需求,给出了一种动态防御的数据安全治理架构,并对该架构下的关键技术进行了研究.该架构能够为数据安全治理提供体系化安全治理思路,其中的关键技术可以为该架构的实现提供有效支撑.
在数据中心的发展过程中,能耗高、资源浪费严重是突出问题.随着数据中心的不断进步和发展,也带来了高水平的资源消耗.为了实现能源的综合利用,贯彻节能理念,不断提高数据中心的能源利用率,建设绿色节能的模块化数据中心,以满足各项建设需求.
针对云计算环境下数据的隐私保护问题,在研究全同态加密技术的基础上设计了一个安全多方计算协议.该协议约定网络类型为同步网络,信道模式为可信的安全信道,敌手为半诚实的参与者,同时有一个服务器作为计算中心.参与者通过全同态加密算法预先对输入进行加密并将明文发送给服务器进行安全多方计算,服务器和其他参与者全程得不到该参与者的输入信息,保证了所有参与者的隐私.
针对自动驾驶场景中物体特征信息有限、模板不适应目标几何形变的问题,提出一种通道注意力机制与可变形卷积结合的网络框架.该方法先将点云划分柱体,再编码为伪图像并送入卷积网络层,结合可变形卷积,引入目标形变偏移量,并引入通道注意力增强网络对目标关键信息的提取能力.实验表明该网络框架能够提高车辆及骑行者的检测精度,在二维模式下,3种类别的检测精度均值提高了1.07％,一定程度上解决了原网络框架存在的漏检问题.
针对云平台中所存储的车辆数据面临着的严峻的安全问题,提出高效且安全的车联网数据完整性验证方案.该方案采用了格密码系统构造协议,从而避免了传统椭圆曲线方案的高计算开销问题,并且利用概率比例规模抽样代替随机抽样来降低采样数量.该方案中,路侧单元维护一棵平衡二叉树,存储每个数据块的访问周期用于概率比例规模抽样生成采样单元,该平衡二叉树可实现数据动态操作.实验仿真表明,所提方案具有低计算开销和低通信开销的特性.