基于马尔科夫模型的认知无线电动态双门限能量检测策略

该文针对低信噪比条件下频谱感知精度低的问题,提出一种基于马尔科夫模型的动态双门限能量检测算法。该算法根据信道时变特性建立基于马尔科夫的频谱占用模型,利用信道历史状态信息实现模型参数的修正。然后采用"先听后说"的机制对处于双门限之间的"困惑"信道状态进行判决,并详细分析了噪声不确定性对频谱感知性能的影响。在此基础上,为了克服噪声不确定性的影响,以频谱检测概率最大为优化目标,对双门限进行实时更新。仿真结果表明,所提频谱感知算法在减小噪声不确定性影响的同时增加了频谱感知精度,降低了认知用户的感知时间。

一种参数自适应的“当前”统计Jerk模型

针对高度机动目标跟踪问题,通过理论分析指出了Jerk模型及其一些改进模型的不足,并借鉴"当前"统计的思想,提出了一种参数自适应的Jerk模型(Adaptive parameter current statistic jerk model,APCS-Jerk)。该模型通过新息向量的范数定义调整因子,以此来对模型中的各参数进行自适应调整,增强了系统对突发机动的自适应跟踪能力,并对加速度均值进行了修正,使之适合于一般运动形式。最后对本算法进行了仿真,结果表明,参数自适应的"当前"统计Jerk模型较经典Jerk模型、"当前"统计Jerk模型及改进的"当前"统计Jerk模型对强机动目标的跟踪精度有较大程度的提高。

F_(q^k)上阶为q^k-1的椭圆曲线离散对数问题研究

基于椭圆曲线离散对数问题(elliptic curve discrete logarithm problem,ECDLP)求解的困难性,提出基于最优对(optimal-pairing)将椭圆曲线E(F_(p^l))上的离散对数问题(discrete logarithm problem,DLP)规约到扩域乘法群F*_(p^(kl))上的离散对数问题,新算法与MOV和FR规约算法相比速度更快,并且针对具有大扩张次数有限域的乘法群,改进Pollard-ρ算法迭代函数的选取,通过构造迭代压缩函数使其象集小于原象集,使新算法比原始的迭代函数更快地找到碰撞。在有限域Fpkl的乘法群上,新算法在原始算法的基础上速度提高了大约3p-3/5p-3^(2kl)^(1/2)倍。