大数据背景下的数据安全治理研究进展

【目的】通过检索与分析数据安全治理相关技术文献,从数据全生命周期各阶段入手,展开实现数据安全治理的各类安全治理技术研究。【方法】首先,通过介绍数据安全治理现状,分析加强数据安全治理研究的重要性;其次,具体阐述了数据全生命周期理论,给出数据生命周期的不同阶段;然后,系统性总结了数据准备、使用、存储与销毁等不同生命周期阶段的数据安全治理技术及其应用;最后,对数据安全治理面临的挑战与未来研究方向进行了分析与展望。【结论】加强数据安全治理,不论是对个人信息的隐私保护,还是对数据产业自身发展,甚至是对国家的信息安全,都有着重大意义。数据安全治理领域应更好地将区块链技术和实际应用相结合,建立更加健全的数据追责机制,明确数据使用的责任和义务。

融合多层注意力机制与CNN-LSTM的反向散射信道预测

反向散射通信系统频谱资源十分有限且易受链路突变性影响,信道预测是提高其频谱资源利用率和通信质量的一种有效方法.但大多数现有预测方法的预测精度偏低、依赖完全已知的信道状态信息、适用性受限.为此,本文提出了一种融合多层注意力机制与卷积神经网络-长短期记忆网络(Convolutional Neural Networks-Long Short-Term Memory,CNN-LSTM)的信道预测方法.利用CNN模型与注意力机制提取接收信号强度序列的特征,并进一步使用LSTM模型与注意力机制提取其跨时间步长的特征,从而实现对信道指标的预测.最后,借助商用阅读器与标签采集3种不同场景下的信道状态数据,并基于Tensorflow与Keras验证了所提预测方法性能.结果表明,融合多层注意力机制与CNN-LSTM的信道预测方法具有较强的场景适用性,且其预测准确性较高.

北斗系统信号捕获方法研究综述

目前针对北斗信号捕获技术研究较多,但缺少系统的分类、总结和性能比较的问题。按照单周期、多周期、辅助捕获三个标准进行研究;同时,分析了捕获算法的硬件实现现状,对国内外捕获研究领域的相关方法进行了系统的整理和综述;对捕获方法进行了性能对比,仿真验证了各自的优劣,指出了北斗系统捕获技术所面临的问题和未来的发展趋势,对捕获领域加强了理论支撑。

基于二次编码的北斗信号二次捕获算法

针对恶劣环境中微弱北斗卫星导航系统(BeiDou navigation satellite system,BDS)信号捕获难度大的问题,结合北斗采用的二次编码与主码的分层结构,提出北斗信号二次捕获算法.在主码层面进行并行捕获,而后在整个二次编码周期上进行二次捕获,以去除二次编码对积分时间的限制延长积分时间,达到提高接收机灵敏度的目的.实验仿真证明该算法提高了捕获能力4dB,同时降低约30%的运算量.

微弱北斗信号捕获算法优化

恶劣环境中北斗卫星信号强度往往低于-133 d BW,针对北斗卫星信号中相干积分的时间受二次编码符号组合的限制问题,提出一种新的串并结合的算法,首先在一个周期的主码上进行串行搜索得到主码相位,而后在整周期二次编码上并行搜索确定二次编码的相位和多普勒频偏,达到延长相干积分时间实现微弱北斗信号捕获的目的,仿真证明在设定捕获阈值4 d B时算法仍能够捕获-150 d Bm的信号。

一种能量有效的无线传感器网络分簇及簇间路由算法

在无线传感器网络路由算法研究中,针对簇头分布不均匀且簇头与基站间单跳通信造成的网络能耗不均衡以及能量利用率低的问题,提出基于能量和距离的分簇路由算法(CRBED)。在分簇阶段,基站综合考虑节点剩余能量和簇间距离等来选择簇头;在簇间路由建立阶段,综合簇头与基站的距离、簇头能量以及簇内节点数量来选择下一跳簇头节点。仿真结果表明,该算法提高了能量利用率,均衡了网络能量消耗,并延长了网络的生命周期。

全球卫星导航系统信号捕获方法研究综述

目前全球卫星导航系统(global navigation satellite system,GNSS)信号捕获技术研究较多,但缺少系统地分类、总结和性能比较,为此,按照时域串行捕获、频域并行捕获两个分类标准,同时区分单周期累积和多周期累积,对国内外捕获研究领域的相关方法进行系统的整理和综述,对4类捕获方法进行性能对比。仿真结果验证了捕获方法各自的优劣,对捕获领域加强了理论支撑,为工程应用提供了一定技术储备。

基于三阶循环平稳度准则的盲源分离算法

通过研究循环平稳信号的特性和分析传统的基于二阶统计量的盲源分离算法,在二阶循环平稳度的基础上提出了三阶循环平稳度的概念,并推导出了利用三阶循环累积量平稳度作为分离准则的新盲源分离算法。本算法可以在复杂噪声的情况下有效的分离平稳信号和循环平稳信号。仿真结果表明该算法能够抑制混合信号中的强噪声,算法简单,实时性好。

基于隐马尔科夫模型的J波自动识别检测

J波检测在临床上可以作为判定某些心脏病的一种非创性的标记手段。主要定义了5个精确反映J波特性的特征向量,包括3个时域特征向量和两个基于小波的特征向量,并使用主成分分析减少特征向量的维数,作为分类器的输入。利用这些特征向量训练隐马尔可夫模型作为分类器,输出最终的判定结果。结果表明,提出的方法提供了93.8%的平均准确度、94.2%的平均敏感性、93.3%的平均特异性和93.4%的平均阳性预测值,揭示了很高的评价标准,表明该方法有能力准确地检测识别J波,并且可以利用该方法检测心电图中的其他病变波形。

“电子工艺学”课程教学改革与实践

作者根据多年的讲授经验,就"电子工艺学"课程的理论讲授、实践教学、课程设计、课程考试等教学环节进行分析总结。

基于模糊神经网络的CMA盲均衡算法

文中提出的新算法是基于模糊神经网络设计控制器改进恒模算法。首先从理论上分析了模糊神经网络控制器实现方式,并用它进行控制步长控制,形成一种基于模糊神经网络的CMA盲均衡算法,通过计算机仿真验证了改进算法的收敛性能,结果显示相对于CMA算法,新算法在性能上有一定的提高。

改进变步长算法的空时抗干扰处理技术

针对传统的空时联合抗干扰技术在协方差矩阵求逆过程中计算量大,对处理器的要求高的缺点,提出了一种新的变步长最小均方误差(VSS-LMS)算法。改进算法采用两步迭代的方式进行阵列加权值的计算,在收敛的初始阶段,利用误差自相关值的双曲正切函数来调整步长,以达到快速收敛目的;收敛后期,则利用前一步长因子与误差自相关值的线性关系来调整步长,以保持较小的稳态误差。仿真表明,改进算法不仅能显著降低计算量,而且与经典的LMS算法相比,收敛速度和精度均得到明显提高;与传统的递归最小二乘算法(RLS)性能相近。充分说明了算法的有效性。

“数字信号处理”课程教学改革与实践

根据多年的教学实践,总结了《数字信号处理及应用》课程教学中的几个关键性要点,对这些教学要点及教学方法进行了探讨与研究。针对本课程概念多,公式、性质推导难度大,不易被学生掌握等特点,论述了如何从分析数字信号处理的基本人手,通过多媒体教学、实验辅助教学等方法启发学生的学习积极性,并提出了教改的具体思路和方法。

采用过采样技术的Infomax盲源分离算法

针对混合平稳信号的盲分离问题,提出了一种基于过采样技术的新盲源分离算法。对接收混合信号进行过采样,使接收平稳信号具有循环平稳特性。根据信息最大化算法,以输出信号的熵作为目标函数,将信号的循环相关函数和循环频率应用到分离矩阵的寻优中,实现信号的盲分离。仿真结果表明,该算法比传统的Infomax盲分离算法收敛速度快,收敛精度高。

基于变遗忘因子恒模约束的改进空时联合抗干扰算法

针对空时联合抗干扰方法(STAP)计算复杂度高,不能有效抑制来自导航信号方向的窄带干扰等问题。利用改进的频域LMS滤波器进行前期处理,滤除来自导航信号方向的窄带干扰;再利用改进的变遗忘因子恒模约束递归最小二乘算法(ITVFF-CCM-RLS)来降低空时处理的计算复杂度。通过仿真实验结果表明,改进的空时联合抗干扰算法能够在降低计算复杂度的同时,有效地抑制来自导航信号方向的窄带干扰,明显提高了算法的输出信干噪比。

基于高阶倒谱盲均衡器的设计

倒谱盲均衡算法的关键是建立信号的倒谱与信道参数之间的关系方程,然后以解方程的方式获得信道参数。阐述了基于倒谱盲均衡器的基本构成和工作原理,分析了其特点,推导了基于四阶倒谱盲均衡器的传输函数,给出了均衡器的结构形式。

基于Amorphous的无线传感器网络定位算法研究

无线传感器网络广泛应用于各个领域,节点位置信息起着至关重要的作用。在所有的经典定位算法中,Amorphous定位算法属于非测距算法,通过获得未知节点与信标节点之间的跳数,估算节点间距离,进而计算节点坐标。分析Amorphous定位算法的缺点并提出了对节点间跳数的修正。引用质心算法加权,提出改进的算法模型,经仿真验证:该算法可获得较为精确的定位结果。

一种无线传感器网络链式传输分簇路由协议

由于周围环境对无线传感器网络(WSNs)的影响,在布设到特殊环境下时会产生信号的衰减与损耗,导致通信不畅。针对此问题,提出一种以LEACH路由协议为基础适应特殊环境(长直空间)的新型路由算法。本算法采用链式传输,即从内部逐一将信号传输给距空间最外端且距基站位置较近的簇头,克服了内部节点死亡过快的问题。同时簇内采用链式传输并且改进簇头阈值与成簇半径,减小了能量消耗,提高了稳定性,克服了LEACH算法的不足。

基于DV-hop定位的误差加权改进算法

通过分析无线传感器网络DV-hop算法理论可知,平均每跳距离是网络定位精度的重要因素,为此提出了一种基于DV-hop定位的误差加权改进算法。改进算法采用限定网络数据包的传输距离,对接收到的有限锚节点进行误差加权处理;在定位阶段采用改进的粒子群对定位结果进行修正处理。Matlab仿真试验表明,改进算法降低了误差对定位精度的影响,提高了定位精度。仿真也证明了该方法在实际应用过程中的可行性。

基于四边形分解的质心定位算法

为了有效地获得未知节点的坐标,质心定位算法通常任取3个信标节点,组成三角形并求质心,但其定位误差较大。为了提高节点定位精度,取4个信标节点,组成四边形,并将该四边形分解成2个三角形,并分别求两者的质心,再对2个质心的坐标求平均,作为未知节点的质心。该算法避免了4个信标节点组成凹四边形带来的较大误差。Opnet环境下进行的动态仿真实验结果表明:在不增加锚节点的情况下,该算法比原始质心算法收敛速度略微减小,但是计算精度得到了较大提高。