深入研究了特征算子的谱表示与特征展开。给出了特征微分方程格林函数与厄尔密特微分算子及厄尔密特积分算子的关系式,以及厄尔密特微分算子与厄尔密特积分算子两者互逆的关系式;给出了厄尔密特微分算子的谱表示,指出有限区间斯-刘特征方程不能用于实现无穷维的谱表示式,厄尔密特微分算子的谱表示比诺伊曼研究简单清楚得多,具有优越性;给出了厄尔密特积分算子的特征展开(特征分解),具有理论一般性与全面性的优点,对文献[2]中将其用于研究特征谱表示的不正确论述进行了更正;给出了最优特征展开中长球面波函数命名的物理与几何意义。
作为第一种达到信道容量的高性能编码,极化码是未来6G数据传输的重要候选方案。为此提出了面向6G的极化处理框架。在此框架下,设计高性能的级联极化编码方案,可以逼近有限码长信道容量极限,符合6G超高可靠传输要求。进一步,设计极化编码MIMO方案可以匹配6G高频谱效率传输需求;设计极化编码非正交多址方案能够满足 6G 大容量传输需求。这些方案表明,极化处理能够显著提升 6G 无线传输性能,具有广阔的应用前景。
针对以太网交换机面临的未知漏洞和未知后门安全威胁,提出了一种基于拟态防御理论的交换机内生安全体系结构。介绍了所提体系结构的理论基础、构建方式、安全机理;提出并分析了TAMA的算法策略及安全提升效果;设计实现了拟态交换机原型样机并进行了白盒插桩及攻击链安全性测试。理论分析及测试结果表明,在各种攻击场景下,所提体系结构具有良好的未知漏洞和未知后门防御能力。
针对暗通道算法在对天空区域去雾存在失真的问题,提出一种基于引导滤波和自适应容差机制的图像去雾算法。首先,计算出不同尺寸窗口的拟合透射率图;然后,通过引导滤波对透射率进行细化处理,再利用自适应容差机制对天空区域的透射率进行修正;最后,将复原图像从RGB空间转换到HSV空间,对图像的亮度和对比度进行色彩补偿。实验结果表明,所提算法复原图像具有较高的清晰度,在处理天空等明亮区域时也能取得较好的去雾效果。
现有的Fast-flux域名检测方法在稳定性、针对性和流量普适性方面存在一些不足,为此提出一种基于DNS流量的检测方法Fast-flucos。首先,采用流量异常过滤和关联匹配算法,以提高检测的稳定性;然后,引入量化的地理广度、国家向量表和时间向量表特征,以加强对Fast-flux域名检测的针对性;最后,采用更合理的正负样本和包括深度学习在内的多种机器学习方法确定最佳分类器和最优特征组合,以尽量确保对真实DNS流量的普适性。基于真实DNS流量的实验表明,Fast-flucos的召回率、精确率和ROC_AUC分别达到了0.998 6、0.976 7和0.992 9,均优于当前主流的EXPOSURE、GRADE和AAGD等检测方法。
针对目前因果一致性模型中存在的元数据传播开销大、操作时延、远程更新可见时延高等问题,提出了基于共享图和部分复制策略的分布式存储因果一致性模型。该模型以共享图拓扑结构为基础,每个数据中心存放完整数据集的子集,同时,提出了共享稳定向量与混合逻辑时钟相结合的全局稳定策略,在保证因果关系的前提下,实现数据中心间的数据一致性。理论分析和仿真实验结果表明,与现有模型相比,所提模型在降低操作时延的同时,可有效地权衡远程更新可见性能和元数据开销。
多路径传输的链路差异性和TCP友好性约束等因素导致将现有的TCP拥塞控制机制直接用于多路径传输时,会带来带宽分配不公平的问题。针对此问题,提出了一种基于链路容量的多路径拥塞控制算法。所提算法基于反馈调节拥塞的思想,利用M/M/1缓存队列模型调控接收端缓存队列大小,对发送端吞吐量进行调节,实现多路径联合拥塞控制。实验结果证明,所提算法可提升多路径传输带宽利用率、多路径拥塞控制算法响应能力,保证多路径传输公平性。
针对云存储中现有密文去重系统大多使用收敛加密,数据所有者无法对外包数据进行有效访问控制的问题,设计了支持身份认证、授权去重、权限更新等访问控制功能的密文去重系统。外包数据仅与授权用户去重,未授权用户无法获取数据信息;通过CP-ABE与ElGamal私钥的动态拆分更新数据的访问权限;使用自我控制对象封装用户数据及其访问策略,对数据访问者进行身份认证并确保访问控制策略有效执行。安全性分析与仿真实验表明,所提系统实现了数据访问控制且具有较高的执行效率。
针对非负矩阵分解方法在有噪声的真实数据中获得特征的有效性问题,提出了一种稀疏诱导的流形正则化凸非负矩阵分解算法。所提算法在流形正则化的基础上,向低维子空间的基矩阵添加基于L<sub>2,1</sub>范数的稀疏约束,构建了乘法更新规则,分析在该规则下算法的收敛性,并设计了在低维子空间上不同噪声环境下的聚类实验。K均值聚类实验结果表明,稀疏约束降低了噪声特征在学习中的表达能力,所提算法在不同程度上优于同类8种算法,对噪声有更强的稳健性。
针对声音信号受实际环境噪声影响引起耳蜗倒谱系数(CFCC)波动是导致击键内容识别率低的主要原因,研究相邻键CFCC之间的空间特征,建立基于点的CFCC空间梯度结构;在此基础上,在训练集和测试上研究CFCC空间梯度对击键内容识别的影响及确切邻域的点选取;最后,建立基于声音的高稳健性击键内容识别方法。在不同环境下进行的实验表明,所提CFCC空间梯度声音特征效果较好,识别准确率为96.15% 。
针对脉内无意调相实现雷达辐射源个体识别时存在的分类模型性能不佳的问题,提出了一种长短时记忆加全卷积网络的雷达辐射源个体识别方法。首先给出了脉内信号相位的简化观测模型,并对观测相位序列进行去斜处理,提取无意调相的含噪估计;然后利用贝塞尔曲线拟合无意调相,降低噪声的影响,获得无意调相更为精确的描述;最后利用长短时记忆加全卷积网络提取无意调相序列的联合特征,实现雷达辐射源个体自动识别。仿真实验以及实测数据实验均验证了所提算法的可行性与有效性,实验结果表明,所提算法识别正确率高、耗时短。
针对终端电量耗尽的问题,提出将终端电池状态信息考虑到 SWIPT 传输策略中,并提供了一种速率公平传输策略。所提方案利用终端电池状态信息限制终端可容忍的最大速率及能量,以最大化最小用户速率为优化目标,以速率/能量需求以及终端可容忍的最大速率/能量为限制条件,优化发送功率与功率分流因子。为了求解该优化问题,首先根据电池电量对终端进行分类,然后利用提出的基于交替优化的算法进行求解。所提方案通过合理分配发送功率与功率分流因子,控制较低电量用户的接收速率,以避免其所需能量消耗超过电池电量。仿真结果表明,所提方案延长了用户电池寿命且避免了电池电量的耗尽,其用户速率公平性随着用户间电池电量差距的减小而提升。
针对传统的直觉模糊c均值聚类算法进行图像分割时对聚类中心敏感导致最终聚类精度低、细节保留性差、时间复杂度较大等不足,提出了一种适用于电力设备红外图像分割的基于分布信息的直觉模糊c均值聚类算法。红外图像中高强度的非目标对象与图像强度不均匀对图像分割有较强干扰,所提算法能有效抑制该干扰。首先,将高斯模型引入电力设备的全局空间分布信息中以改进IFCM算法;其次,利用局部空间信息的空间算子优化隶属函数来解决边缘模糊和图像强度不均匀问题。经过对Terravic动态红外数据库与包含300 幅电力设备红外图像的数据集进行实验,相对区域错误率在10%左右,受模糊因子m变化影响较小,验证了所提算法在有效性与适用性上明显优于其他对比算法。
针对数据库访问控制中存在的问题,提出将区块链技术应用于数据库访问控制的思想。从区块链层次结构、访问控制过程的逻辑层次结构、访问控制的实现原理、访问控制的共识认证原理以及访问控制区块链体系的构建机制几个方面设计了基于区块链的数据库访问控制实现机制,对基于区块链的数据库访问控制体系的性能进行评价。为区块链应用于数据库访问控制提供了完整的架构,通过对访问者身份、访问权限及访问行为强化认证与监管,有效地提高了数据库访问控制的能力。
针对多约束路由选择问题,设计了数学模型并提出了一种改进的免疫克隆蛙跳算法。所提方法结合了免疫克隆算法与传统蛙跳算法,在分组丢失率、链路带宽、时延抖动、时延、能量损耗条件的限制下,计算源节点到终端节点的能量损耗,通过所提算法寻找一条能量损耗最小的路径。在仿真实验中,将所提算法与自适应遗传算法、自适应蚁群算法进行了对比。实验结果表明,所提算法在一定程度上解决了多约束QoS单播路由优化问题,与自适应遗传算法与自适应蚁群算法相比,所提算法避免了局部最优,有效地降低了数据在传输路径上的能量损耗。
鉴于轨道角动量(OAM)不同模式之间良好的正交性,该技术在无线通信中的应用是近年来新兴的、具有较大通信容量提升潜力的热点技术方向之一。基于 OAM的无线通信技术能有效提升频谱利用率,但同时面临着诸多挑战。首先介绍了OAM技术在无线通信领域的研究现状与进展,结合OAM的基本原理,对比分析了OAM与MIMO技术之间的关系,并对“OAM是否提供一个新的维度?”的争议给出结论。然后总结了OAM的产生与接收方法,并概述其相应的关键技术与应用领域。最后深入分析了该技术在实际应用中的挑战,进而提出其未来的发展趋势和后续的研究方向。期望对该领域的研究起到参考和帮助作用。
针对网络实时调度问题,提出实时调度系统体系结构与任务模型。综合考虑任务截止期、执行时间及间隔时间等属性,定义任务迫切度;根据不同任务的重要程度,提出基于服务质量的任务松紧度。通过迫切度和松紧度对优先级的动态调节,得到防止任务频繁切换的颠簸限度,保证了任务执行成功率与客户端资源利用率。仿真实验结果表明,与调度尽力交付(BE)算法、最早截止时间优先(EDF)算法相比,基于多特征动态优先级的网络实时调度算法提高了任务调度成功率,缩短了平均响应时间。
太赫兹频段(0.1~10 THz)信号在空气中传播衰减大、传输距离短,在太赫兹通信技术得到广泛应用之前,这些关键问题需要攻克。首先,介绍了当前太赫兹信道的研究进展,包括信道建模、信道测量及信道估计。在此基础上,分析了单用户基本通信场景和多用户复杂通信场景,并针对各个场景中存在的问题列举了可能的解决方案。最后,展望了太赫兹通信未来可行的研究方向。
鉴于深度学习、频谱、时频分析方法间的优势互补,设计了由卷积网络、傅里叶变换和小波包分解组合的多流分析处理框架,对非平稳信号进行组合分析。提出了一种基于非平稳信号组合分析的故障诊断方法,提取信号的多属性特征并加权融合。应用于故障诊断的实验结果表明,所提出的信号组合分析方法能够更加稳定、准确地刻画故障类型,在不显著增加计算复杂度的前提下有效提高了故障诊断的分类准确率。
针对目前网络安全态势预测方法的精确度不足问题,以自修正系数修匀法为基础提出一种新的网络安全态势预测模型。首先,设计一种网络安全态势评估量化方法,基于熵关联度将警报信息转化为态势实际值时间样本序列。然后,计算静态修匀系数自适应解并利用可变域空间获取预测初始值。最后,为了进一步提高预测精度,基于偏差类别并采用时变加权马尔可夫链对网络安全态势初始预测结果进行修正。采用LL_DOS_1.0数据集检验预测效果,实验结果表明,所提模型面向网络态势时间序列具有较高的自适应性和预测精度。
在传统人脸认证系统中,用户特征模板和认证请求通常基于明文进行匹配,存在敏感数据泄露的风险。针对此问题,提出了一种基于矩阵加密的隐私保护的在线人脸认证方案。该方案中,用户的人脸特征模板注册和后续身份认证请求均通过矩阵加密后分别发送给在线认证服务器,并由在线认证服务器完成密文下两者间的相似度计算,能够在不影响认证精确度的同时,有效保护在线人脸认证过程中用户的敏感数据。安全性分析表明,通过选取不同安全参数,所提方案能够实现多安全等级,满足差异化场景中的隐私保护需求。性能分析显示,所提方案具有较低的计算开销与通信开销。仿真测试基于真实人脸数据库,其结果验证了所提方案的高效性,能够在真实环境中进行有效应用。