基于大数据挖掘的光通信微弱信号检测研究

以高效、准确检测噪声淹没下光通信微弱信号为目的,设计基于大数据挖掘的光通信微弱信号检测方法。通过基于改进EMD与奇异值分解全面去除光通信信号中噪声分量,经灰狼算法寻优设置支持向量机参数后,由支持向量机模型构建信号分类超平面,分类检测样本中微弱信号。实验结果表明:光通信信号经所提方法去噪后,信号信噪比变小,最大值仅有0.01 dB;所提方法所检测的微弱信号波动幅值,与微弱信号实际幅值高度匹配,误差不超过1%,可100%检测出噪声淹没下光通信微弱信号的样本。

面向智能物联网的云边协同数据采集机制

智能物联网被认为是重塑未来商业模式的关键,是深化物联网应用,为多源、异构、大容量、低价值密度的物联网数据提供准确服务的关键。针对现有数据采集机制精度有限、时延性能不足、未充分利用边缘设备计算资源、忽视用户数据采集情境等问题,提出了一种云-边缘智能协作数据采集机制。首先,基于边缘计算的思想,提出了一种边缘实体观测内容的预测方法,准确预测边缘实体的观测内容。然后,根据用户在云端的偏好,考虑到用户显性和隐性的数据获取情境,设计了一种云端情境感知方法来选择合适的实体数据。最后,设计了一种结合云端和边缘资源的智能数据采集机制,以提高AIoT数据采集的效率。仿真结果表明了该机制在数据采集准确性和时延性能方面的有效性。

数据库隐私保护技术的研究与分析

随着信息技术的飞速发展,数据库已成为信息管理的核心,但随之而来的数据泄露问题也越来越突出,数据库隐私保护技术的研究和应用已成为亟待解决的问题。在已有的数据库隐私保护技术的基础上,分析了目前该领域的研究热点、技术难点以及未来发展趋势,并提出了一些可能的解决方案,以期对该领域的研究和应用起到一定的指导和促进作用。

CST仿真软件在天线综合设计实验教学中的应用

在新工科背景下,为提高学生的综合能力,文章以典型天线设计项目为基础,采用CST仿真软件,提出了以HOPE理念为指导构建天线综合设计实验的构想。文章对典型天线的设计进行项目学习,以协作、探究方式展开天线综合设计,从典型项目设计复现到综合项目创新实现,构建系统性学习体系,提升学生解决复杂问题的综合能力。学生通过仿真软件学以致用,采用合作学习形式,实现自主式探索创新设计,扩展思维,强化创新意识,磨炼团队协作技巧,达到了技术、职商双提升的效果。

基于CB-Attention的JavaScript恶意混淆代码检测方法

当今JavaScript代码混淆方法日益多样,现有检测方法在对混淆代检测时会出现漏报和误报的情况,为解决该问题,提出一种基于CB-Attention的JavaScript恶意代码检测方法。由SDPCNN模型和BiLSTM+Attention模型构成,SDPCNN对短距离间的语义特征信息进行提取,BiLSTM+Attention获取JavaScript代码中长距离间的语义信息特征。为验证所提方法的有效性,将该方法与其它方法进行对比,对比结果表明,该方法具有较好的检测效果,F1-Score可达98.78%。

基于M估计强混合重尾序列结构变点的鲁棒检验

针对强混合重尾序列结构变点的检测问题,为避免因序列重尾性导致最小二乘估计产生偏差,文章提出了基于M估计的比值型检验统计量,用于检测重尾序列位置结构变点。在一般约束条件下证明了原假设下统计量的极限分布是布朗运动的泛函,并得到备择假设下的一致性。针对因序列相依性导致的经验水平扭曲现象,采用Block Bootstrap抽样方法获得了更为准确的临界值,有效提高了检验功效。数值模拟结果显示,在Block Bootstrap抽样方法下基于M估计的比值型检验在强混合重尾序列结构变点检测中能较好地控制经验水平,经验势也较合理。最后,通过一组汇率数据验证了所提检验方法的可行性。

优化非线性误差的激光位移传感器测距仿真

激光位移传感器需要具有高精度和高分辨率的测量能力,以满足实际应用的需求,为此提出一种优化非线性误差的激光位移传感器测距方法。在物联网环境下,通过双目视觉系统得到激光位移传感器光束的光斑位置,采用最小二乘法拟合光束直线得到光束方向参数,同时利用激光位移传感器的数值求解零点位置,实现距离测量。由于测距过程中存在非线性固有误差,为此引入BP神经网络对激光位移传感器的测距误差展开训练,完成位移误差补偿。仿真结果表明,所提方法可以有效降低激光位移传感器测距误差,同时还可以有效缩短测距耗时。

IoT-MEC网络中服务功能链主动重构方法

在移动边缘计算的物联网(Mobile Edge Computing-enabled Internet of Things Networks,IoT-MEC)中,物联终端的高移动性、服务请求的随机到达性以及网络流量的实时变化,导致原有应用场景下的资源配置与服务部署不再完全匹配。如何有效利用网络提供的资源以实现服务功能链(Service Function Chain,SFC)的实时部署和重构是一个重要的挑战。针对用户的高移动性和网络流量的实时变化造成的SFC性能需求和已分配资源不匹配的问题,提出IoT-MEC网络中基于用户移动和资源需求预测的SFC重构策略。建立以SFC的端到端时延和重构成本最小化为目标的整数线性规划模型;设计基于注意力机制的Encoder-Decoder移动用户轨迹预测模型和基于长短期记忆(Long Short-Term Memory,LSTM)网络的虚拟网络功能(Virtual Network Function,VNF)实例资源需求预测模型,分别准确预测用户移动轨迹和节点负载;基于预测结果提出SFC主动重构(Predict-based SFC Active Reconfiguration,PSAR)启发式算法,确保在服务质量(Quality of Service,QoS)下降之前,提前完成VNF迁移和路由更新,实现SFC的主动重构和无缝迁移,保证网络的一致性高质量服务。仿真结果表明,所提算法有效降低了SFC端到端时延和重构成本。

面向算力网络的软掩码策略梯度联邦学习算法

针对算力网络中终端的异构性而导致的设备资源不均衡以及各终端动态加入或离开联邦学习任务导致协同体系不稳定、内生全局模型收敛性差等问题,文中提出了一种面向算力网络的软掩码策略梯度(Soft-Masked Policy Gra⁃dient,SMPG)联邦学习算法。该算法能通过联合计算优化机理,自适应地调整异构终端局部模型来更新频率与聚合时间,以合理分配终端计算及通信资源,提升联邦学习内生模型的收敛速度及终端的资源利用率。

基于优化算法的2-bit编码超表面缩减RCS研究

该文设计了一种“十字-圆环”型结构超表面,并利用该结构实现了2-bit编码的相位梯度超表面(PGMS)设计。结合超表面阵列的特点,提出了一种改进的遗传粒子群算法(GAPSO)与阵列模式综合(APS)的组合优化算法GAPSO-APS,得到超表面编码矩阵的最佳排列,从而实现了宽带雷达散射截面(RCS)的大幅缩减。对设计的超表面进行仿真,并与金属表面进行了对比。结果表明,设计的编码超表面可在3.1~29.7 GHz频带内实现10 dB的RCS缩减,有效地验证了所设计的编码超表面在宽频带内实现RCS的缩减以及算法的有效性。

面向车联网的激光雷达通信信号波形模式识别

为提高车联网激光雷达通信信号的信息传输识别效率,提出一种面向车联网的激光雷达通信信号波形模式识别方法。分离处理信号中时域部分,单独分析信号波谱形态,计算信号频谱中心波段频率,凭借归一化处理减少特征提取计算量,计算雷达矩形信号和三角形信号的相像系数,描述信号能量分布情况,通过分形维数深度分析信号盒维数和信号分形集的复杂程度,优化改进灰关联分析法,以降低特征参数的误差和数据差,利用自适应熵权法确定信号特征对应权系数,自适应匹配各信号波形特征权重,最终将信号特征组合得到识别结果。实验结果表明,本方法对信号分解细致,信号识别时间最长为1.67 s,说明本方法的信号识别率高、速度快、鲁棒性好,具有一定的实用性。

基于长短时记忆递归神经网络的电动车电池状态评估

针对现有新能源电池状态评估算法存在的评估精度低等问题,设计了一种基于长短时记忆递归神经网络的评估方法。首先提取动力电池工作中的健康度相关指标和工作电压相关指标,将其作为评估电池状态的原始数据;其次构建递归神经网络框架,利用长短时记忆模块取代神经元,但保留神经元之间的纵向通信能力;根据长短时记忆模块的门控机制,确定模块单元的实时状态并输出最终的评估结果。实验结果显示:提出的动力电池评估算法模型迭代训练能力相较于递归神经网络和前馈神经网络更强,对电池状态评估的准确度接近理论曲线,训练集和测试集的电压峭度值偏差分别为0.002和0.004。