国产av无码久久精品,久久精品国产亚洲AV麻豆AⅤ1

基于維納后置濾波的LS波束形成混響抑制算法[嵌入式技術(shù)][其他]

混響導(dǎo)致語(yǔ)音信號(hào)時(shí)間和頻率模糊，嚴(yán)重時(shí)語(yǔ)音變得難以理解。為了提高語(yǔ)音質(zhì)量，提出一種具有維納后置濾波的最小二乘波束形成混響抑制算法。該算法將混響后的語(yǔ)音信號(hào)分為直達(dá)部分和混響部分，得到維納后置濾波器增益估計(jì)；針對(duì)語(yǔ)音信號(hào)在低頻部分噪聲相干性較強(qiáng)的問(wèn)題，利用最小二乘波束形成算法進(jìn)行分頻處理，最后求解最優(yōu)權(quán)值。仿真實(shí)驗(yàn)表明，所提出的算法具有較好的混響抑制特性。

發(fā)表于：4/9/2018 1:43:00 PM

基于靜態(tài)二進(jìn)制分析的工控協(xié)議逆向解析[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

針對(duì)傳統(tǒng)的協(xié)議解析方法在工業(yè)控制系統(tǒng)中的局限性，提出了一種適用于工業(yè)控制系統(tǒng)通信協(xié)議的協(xié)議逆向分析方法。該方法的算法思想來(lái)源于動(dòng)態(tài)污點(diǎn)算法，算法實(shí)現(xiàn)基于靜態(tài)二進(jìn)制分析平臺(tái)IDA Pro及其提供的軟件開(kāi)發(fā)接口，解析結(jié)果可直接為模糊測(cè)試提供語(yǔ)義參考。該算法包括預(yù)處理、交叉引用分析、協(xié)議幀重構(gòu)和語(yǔ)義提取等步驟，具有針對(duì)性強(qiáng)、通用性好的特點(diǎn)。將算法實(shí)現(xiàn)后應(yīng)用于某組態(tài)軟件，能夠得到正確的分析結(jié)果，證明了該方法的正確性與有效性。

發(fā)表于：4/8/2018 11:55:00 AM

基于改進(jìn)小波變換的手臂肌電信號(hào)去噪算法的研究[嵌入式技術(shù)][醫(yī)療電子]

手臂肌肉電信號(hào)是手臂運(yùn)動(dòng)過(guò)程中，通過(guò)電極記錄下來(lái)的微小肌肉電流信號(hào)。由于該信號(hào)可以無(wú)創(chuàng)檢測(cè)，模仿性強(qiáng)，已廣泛應(yīng)用于人工智能假肢領(lǐng)域。研究了小波閾值去噪算法在手臂肌電信號(hào)檢測(cè)中的應(yīng)用，針對(duì)傳統(tǒng)閾值去噪算法存在離散點(diǎn)、誤差大等缺點(diǎn)，引入非線性函數(shù)過(guò)渡，利用控制系數(shù)，改進(jìn)閾值去噪算法。利用3種方法對(duì)同一含噪信號(hào)信息進(jìn)行仿真分析，通過(guò)實(shí)驗(yàn)表明，該算法對(duì)采集到的手臂單通道肌電信號(hào)進(jìn)行去噪處理，克服了傳統(tǒng)閾值去燥算法的缺點(diǎn)，可以有效去除干擾信號(hào)，提高信噪比和信息識(shí)別的準(zhǔn)確性。

發(fā)表于：4/8/2018 11:30:00 AM

自適應(yīng)雙邊濾波的Retinex圖像增強(qiáng)算法[嵌入式技術(shù)][其他]

針對(duì)現(xiàn)有的Retinex算法不能自動(dòng)調(diào)節(jié)參數(shù)，提出一種基于參數(shù)估計(jì)的雙邊濾波Retinex算法。該算法首先利用主成份分析和Canny邊緣檢測(cè)算法分別進(jìn)行噪聲估計(jì)和邊緣強(qiáng)度估計(jì)；然后通過(guò)線性相關(guān)運(yùn)算計(jì)算雙邊濾波的空間幾何標(biāo)準(zhǔn)差參數(shù)和亮度標(biāo)準(zhǔn)差參數(shù)；再利用參數(shù)估計(jì)的雙邊濾波把圖像分解出照度圖像和反射圖像；最后將照度圖像和反射圖像通過(guò)不同方法的壓縮和增強(qiáng)并合成一幅新的圖像。通過(guò)實(shí)驗(yàn)表明，它不僅能夠自動(dòng)設(shè)置參數(shù)，還能有效抑制光暈現(xiàn)象。

發(fā)表于：4/4/2018 3:20:00 PM

基于優(yōu)化的LSTSVM的多模態(tài)生理信號(hào)情感識(shí)別[嵌入式技術(shù)][醫(yī)療電子]

采用最小二乘雙支持向量機(jī)(LSTSVM)進(jìn)行情感識(shí)別，針對(duì)LSTSVM模型的懲罰系數(shù)及核函數(shù)參數(shù)難以確定的問(wèn)題，使用改進(jìn)的螢火蟲(chóng)算法（MFA）來(lái)優(yōu)選LSTSVM的各項(xiàng)參數(shù)，使分類器取得最優(yōu)的性能。基于腦電、皮膚電、肌電和呼吸4種模態(tài)的生理信號(hào)，使用該算法進(jìn)行情感識(shí)別，并與使用標(biāo)準(zhǔn)LSTSVM和粒子群LSTSVM算法的識(shí)別結(jié)果比較。仿真分析表明，提出的MFA-LSTSVM算法識(shí)別準(zhǔn)確率更高，需要的訓(xùn)練時(shí)間更短。

發(fā)表于：4/4/2018 2:46:00 PM

能量搜集充電的設(shè)備到設(shè)備通信功率分配方案[電源技術(shù)][通信網(wǎng)絡(luò)]

主要研究多個(gè)能量搜集充電的設(shè)備到設(shè)備(D2D)用戶非正交復(fù)用一個(gè)蜂窩用戶信道資源時(shí)的功率分配問(wèn)題。在保障蜂窩用戶的服務(wù)質(zhì)量前提下，建立了一個(gè)最大化能量搜集充電的D2D用戶的傳輸速率問(wèn)題。由于該問(wèn)題是一個(gè)非凸規(guī)劃問(wèn)題，提出一種低復(fù)雜度的凸近似算法，并得到該問(wèn)題的一個(gè)緊下界可行解。最后，通過(guò)仿真分析得出該算法能夠逼近最優(yōu)傳輸速率，為多個(gè)能量搜集充電的D2D對(duì)與一個(gè)蜂窩用戶共享鏈路的場(chǎng)景提供有效的功率分配方案。

發(fā)表于：4/3/2018 2:06:00 PM

基于改進(jìn)空間插值的無(wú)線電環(huán)境地圖生成技術(shù)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

無(wú)線電環(huán)境地圖（REM）為認(rèn)知無(wú)線網(wǎng)絡(luò)動(dòng)態(tài)頻譜接入提供了精準(zhǔn)、全面的信息支撐，由于現(xiàn)場(chǎng)樣本數(shù)據(jù)的實(shí)測(cè)受到環(huán)境、設(shè)備和人為等因素的限制，其樣本規(guī)模難以保證應(yīng)用的需求。因此，利用空間相似性，將離散數(shù)據(jù)點(diǎn)擴(kuò)展為面結(jié)構(gòu)數(shù)據(jù)的空間插值方法研究有積極的意義和應(yīng)用價(jià)值。在傳統(tǒng)MSM算法基礎(chǔ)上，提出了RMSM算法，從優(yōu)化權(quán)值計(jì)算、靈活地使用局部特征和高效的近鄰搜索法方面進(jìn)行改進(jìn)，通過(guò)搭建15 m×20 m的實(shí)驗(yàn)場(chǎng)景，進(jìn)行樣本數(shù)據(jù)采集和算法測(cè)試驗(yàn)證。結(jié)果表明RMSM算法與傳統(tǒng)算法比較，其誤差降低了1.96 dB，穩(wěn)定性提高了55.37%，改進(jìn)效果明顯。

發(fā)表于：4/3/2018 1:45:00 PM

基于四階循環(huán)多譜的頻譜感知算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

目前，大部分基于能量檢測(cè)和信號(hào)循環(huán)平穩(wěn)的頻譜感知算法能夠在平穩(wěn)噪聲環(huán)境中取得優(yōu)異的檢測(cè)性能，在非平穩(wěn)噪聲環(huán)境中的檢測(cè)性能則急劇下降。為了更好地消除頻譜感知過(guò)程中非平穩(wěn)噪聲的影響，利用信號(hào)四階循環(huán)多譜抑制非平穩(wěn)噪聲的性質(zhì)，提出了一種基于四階循環(huán)多譜的頻譜感知算法。該算法首先計(jì)算四階循環(huán)多譜的切片形式；然后通過(guò)簡(jiǎn)化的四階循環(huán)多譜幅度平方和對(duì)協(xié)同用戶截取的信號(hào)進(jìn)行檢測(cè)；最后計(jì)算其峰值系數(shù)，實(shí)現(xiàn)對(duì)主用戶信號(hào)存在性的判斷。仿真結(jié)果表明，在非平穩(wěn)噪聲環(huán)境中，所提出的算法比傳統(tǒng)的頻譜感知算法識(shí)別概率更高，性能更好。

發(fā)表于：4/2/2018 1:02:00 PM

一種車聯(lián)網(wǎng)分簇方法與簇內(nèi)中繼選擇方法[通信與網(wǎng)絡(luò)][汽車電子]

針對(duì)車聯(lián)網(wǎng)低時(shí)延、高可靠性的通信需求，提出了基于簇穩(wěn)定的車輛分簇方法，有效增加通信時(shí)間，提高通信可靠性。在此基礎(chǔ)上，研究功率受限的情況下車聯(lián)網(wǎng)簇內(nèi)數(shù)據(jù)分發(fā)的中繼選擇問(wèn)題，提出了一種基于功率預(yù)分配的中繼選擇方法。該方法簇內(nèi)車輛協(xié)作采用HDAF轉(zhuǎn)發(fā)協(xié)議，在中繼選擇之前先對(duì)源節(jié)點(diǎn)和潛在中繼節(jié)點(diǎn)進(jìn)行功率分配，求取系統(tǒng)中斷概率最小的功率分配因子，然后比較融入功率優(yōu)化因子的各個(gè)節(jié)點(diǎn)的等效信道增益，選擇出最優(yōu)中繼節(jié)點(diǎn)集合。數(shù)值結(jié)果表明：基于簇穩(wěn)定的車輛分簇方法相比基于地理位置的分簇方法具有更高的穩(wěn)定性。同時(shí)，提出的中繼選擇方法在相同條件下比傳統(tǒng)的單中繼選擇方案和全中繼選擇方案具有更小的中斷概率。

發(fā)表于：4/2/2018 11:28:00 AM

實(shí)時(shí)的移動(dòng)互聯(lián)網(wǎng)攻擊盲檢測(cè)與分析算法[嵌入式技術(shù)][通信網(wǎng)絡(luò)]

大規(guī)模移動(dòng)互聯(lián)網(wǎng)攻擊檢測(cè)算法需要攻擊行為的先驗(yàn)信息或者需要對(duì)攻擊行為進(jìn)行監(jiān)督學(xué)習(xí)，降低了攻擊檢測(cè)算法的實(shí)時(shí)性與實(shí)用性，為此提出了一種實(shí)時(shí)的移動(dòng)互聯(lián)網(wǎng)攻擊盲檢測(cè)與分析算法。首先，提取每個(gè)時(shí)段網(wǎng)絡(luò)流量的最大特征值，結(jié)合最大特征值與模型階數(shù)選擇技術(shù)檢測(cè)每個(gè)時(shí)段是否存在攻擊行為；然后，通過(guò)特征值分析技術(shù)來(lái)識(shí)別攻擊的類型，識(shí)別出特征值的變化細(xì)節(jié)；最終，設(shè)計(jì)了相似性分析方案來(lái)分析攻擊的端口與時(shí)間等細(xì)節(jié)信息?；谡鎸?shí)實(shí)驗(yàn)與公開(kāi)網(wǎng)絡(luò)流量數(shù)據(jù)集的仿真結(jié)果表明，該算法獲得較高的攻擊檢測(cè)準(zhǔn)確率。

發(fā)表于：3/30/2018 11:02:00 AM