主动自加噪传输技术及其反通信侦察效能分析

虽然各种信息安全措施在通信系统的传输层、网络层和链路层广泛使用,使其安全等级得到了较大提升,但随着近年来通信侦察技术的不断进步与发展,通信传输物理层安全问题却日益突出。针对这一情况,提出了基于通信发射方自己主动添加噪声进行信号传输的方法,以此来有效阻止非合作的第三方对物理层信息的直接获取。根据不同的防护要求,设计了空间辐射自加噪与射频合路自加噪这2种主动自加噪传输模式,并分析了其不同的应用条件与反通信侦察的效能。最后通过仿真验证了上述方法的合理性与有效性,这对于提高通信传输物理层安全等级,推进通信电子防御工程建设具有重要参考意义。

采用滑动窗口及多重加噪比堆栈降噪自编码的风电机组状态异常检测方法

该文提出一种基于多元变量数据重构的风电机组状态异常检测方法。针对风电场数据采集与监控(SCADA)系统数据,首先,建立基于滑动窗口的堆栈降噪自编码(SDAE)模型,在获取机组正常运行状态下变量间的互相关性和各变量短时相依性的基础上重构机组状态数据;其次,为提高模型特征学习能力,提出多重加噪比的SDAE模型训练方法学习机组状态参数的全局和局部特征;最后,采用重构误差的马氏距离为机组状态监测指标,通过核密度估计方法分析机组正常数据监测指标的概率密度分布,确定机组正常运行状态下监测指标的阈值,定义监测指标连续越限数监测机组状态,计算各状态参数对监测指标越限的贡献度,实现机组参数异常检测。华东某风电场SCADA数据分析结果表明该方法可有效地用于实际风电机组运行状态的异常检测。

自适应加噪反向传播算法研究

提出了一种对三层前向感知器的权重修正值注入自适应噪声的方法。在误差反向传播训练过程中 ,感知器权重的噪声幅度随权梯度值下降而趋近于零。不论是仅采用权重加噪的方法还是同时进行训练集输入端及权重加噪的方法 ,都能显著提高神经网络的泛化能力 。

一种生成高精度信噪比加噪信号的仿真方法研究(英文)

提出了一种应用于算法仿真的加噪信号的生成方法。在目前广泛使用的加噪信号方法中,产生的信噪比精度受无噪信号的影响很大,与之相比,新方法通过选择新的因子对信号进行归一化,剔除了无噪信号对产生的加噪信号的信噪比影响。理论分析和大量的仿真实验结果都证明了该方法较之传统方法的优越性。

异方差加噪下的差分隐私直方图发布算法

现有基于区间树结构的差分隐私直方图发布方法大多采用同方差加噪方式,对其进一步研究发现,采用异方差加噪策略可以进一步提升发布直方图的区间计数查询精度,然而当前基于异方差加噪的差分隐私直方图发布方法对区间树结构却有严格的要求,导致灵活性与实用性较低。为此,提出了一种异方差加噪下面向任意区间树结构的差分隐私直方图发布算法LUE-DPTree(inear unbiased estimator for differential private tree)。首先根据区间计数查询的分布,计算区间树中节点的覆盖概率,并据此分配隐私预算,实现异方差加噪;接着经分析指出该异方差加噪策略适用于任意区间树结构,且从理论上证明了在任意区间树结构下进行异方差加噪后,仍可在一致性约束下利用最优线性无偏估计进一步降低区间计数查询的误差。针对算法的区间计数查询精度及执行效率,与同类算法进行了比较分析。实验结果表明,LUE-DPTree算法是有效可行的。

栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断

针对滚动轴承损伤程度的特征自学习提取与智能诊断问题,提出栈式稀疏加噪自编码深度神经网络的滚动轴承损伤程度诊断方法。滚动轴承损伤特征受到工况、环境噪声等干扰,浅层自编码网络对损伤特征的自学习、提取能力不足。为此,论文将稀疏项限制和加噪编码融入自编码网络,同时将自编码网络堆栈并添加分类层,构建出栈式稀疏加噪自编码深度神经网络,进行轴承损伤特征非监督自动提取与损伤程度智能诊断。稀疏项限制和深度神经网络的构建提高了特征学习能力,加噪编码的融入改善了网络的鲁棒性。所构建深度神经网络通过多层无监督逐层自学习和有监督微调,完成损伤特征自动提取与表达,并实现了损伤程度智能诊断。不同工况下轴承损伤程度诊断的实验验证证明了所提方法的可行性和有效性。

基于加噪算法的航迹模拟仿真技术研究

针对某军事外教训练系统中目标航迹模拟的特点和不足,提出了一种基于加噪算法的航迹模拟仿真方法,系统模型采用三种基本的目标运动方程模拟目标航迹,并用符合扰动分布规律的随机数进行加噪处理,实现模拟航迹的实时产生。结果证明,该方法模拟的航迹更符合目标的实际运动特性。

基于MATLAB的语音信号加噪处理

基于MATLAB对信号与粉红色噪声直接相加,通过比较分析不同特性的滤波器输出,论述了加噪处理中不同滤波器的差异。

主动自加噪与高效纠错编码结合的物理层安全传输

针对物理层数据的安全传输问题,提出了一种通信发送方主动自加噪与高效信道纠错编码相结合的安全传输方法。该方法在发射过程中主动在信号中添加噪声,以实现对任何接收端的比特信噪比上限的精确控制,在此基础上利用通信侦听方在高误码率条件下无法准确推断信道编码类型与编码参数的缺陷,有效阻止非合作通信侦听方对物理层准确码流的获取,而合作通信接收端则可以通过高效的信道纠错译码来消除被发送端添加到信号中的噪声所带来的影响。相关的理论分析与仿真示例显示,本方法具有有效性,为通信系统物理层数据安全传输新方法研究提供了重要参考。

一种新的加噪扰动算法及其对SFLASH签名方案安全性的增强

本文引入了噪声因子、加噪运算的概念,构造了噪声群,并由此提出了一种新的加噪扰动算法,用于增强多变元公钥密码体制(MPKCs)的安全性.由Matsumoto-Imai体制演变而来的欧洲信息安全标准SFLASH,是专为适用于智能卡而设计的一种快速数字签名算法.2007年Dubois等利用差分分析法攻破了SFLASH算法.文中重点以Matsumoto-Imai体制为例,通过安全性分析,这种新的加噪扰动算法能破坏其公钥函数潜在的数学特性,在不降低算法效率的前提下,可有效抵抗差分攻击,增加其安全性.

异方差加噪下差分隐私流数据发布一致性优化算法

现有基于树结构的差分隐私流数据统计发布方法未能充分利用统计查询可能存在的特定分布规律而进一步提升发布流数据的精度,为此,该文提出滑动窗口下基于异方差加噪的差分隐私流数据发布算法。首先动态构建滑动窗口内流数据对应的差分隐私区间树;其次根据统计查询分布规律计算树节点的覆盖概率,据此对树节点的隐私预算及树结构参数进行调整,以实现异方差加噪;最后,针对异方差加噪后区间树节点值可能不满足一致性约束的问题,设计实时的一致性调节策略。实验结果表明:与同类算法相比,该算法具有较高的查询精度及算法效率。

基于小波模糊阈值去噪方法在MEMS加速度计去噪中的应用

针对微机电系统(MEMS)加速度计的输出线加速度信号数据不可避免地存在随机噪声,会对捷联惯导系统的姿态解算造成干扰,导致解算精度降低。在传统小波阈值去噪法的基础上,引入模糊理论,将模糊理论与小波分析结合,提出了一种新的基于模糊理论的阈值,再利用离散小波变换对MEMS加速度计信号进行处理,以最大程度去除随机噪声。通过实际三轴MEMS加速度计输出静态数据进行仿真,并与传统小波阈值去噪方法进行去噪效果比较,表明基于模糊理论的阈值的效果更加理想。

基于差分隐私的联邦学习方案

联邦学习的特点之一是进行训练的服务器并不直接接触数据,因此联邦学习本身就具有保护数据安全的特性。但是研究表明,联邦学习在本地数据训练和中心模型聚合等方面均存在隐私泄露的问题。差分隐私是一种加噪技术,通过加入适当噪声达到攻击者区分不出用户信息的目的。文中研究了一种基于本地和中心差分隐私的混合加噪算法(LCDP-FL),该算法能根据各个客户端不同权重、不同隐私需求,为这些客户端提供本地或混合差分隐私保护。而且我们证明该算法能够在尽可能减少计算开支的同时,为用户提供他们所需的隐私保障。在MNIST数据集和CIFAR-10数据集上对该算法进行了测试,并与本地差分隐私(LDP-FL)和中心差分隐私(CDP-FL)等算法进行对比,结果显示该混合算法在精确度、损失率和隐私安全方面均有改进,其算法性能最优。

电视机加静噪功能

日本NEC公司生产的μPC1353C电视伴音通道集成电路,是一种成熟的音频放大集成电路,它应用于国内许多厂家生产的黑白电视机中,作伴音信号的伴音中放、解调、放大和功率输出。μPCI353C集成电路的应用基本相同,均在鉴频中放部分的工作电压脚⑤端与地串接一电位器,从中取出不同的电位加到(14)脚,来实现音量控制功能。从有关资料查得。

基于GRNN网络自适应滤波的钻具加速度去噪

针对随钻测量过程中钻具底部振动噪声引起重力加速度信息严重失真的问题,文中提出一种将广义回归神经网络和改进的递推最小二乘相结合的方法来去除噪声。应用自适应噪声相互抵消的原理,以加速度计测量信号与钻具振动信号作为主噪声模型,将经过广义回归神经网络处理后的钻具振动信号作为副噪声模型。采用递推最小二乘法滤波处理,进而提高钻具加速度计测量精度,解算实时钻进的姿态信息。仿真实验结果表明,文中所提算法能有效去除钻具加速度计振动噪声,提高姿态测量精度。去噪后解算的井斜角误差在1.45°之内,工具面角误差在1.65°之内。

基于差分隐私的分段裁剪联邦学习算法

为解决现有的差分隐私联邦学习算法中使用固定的裁剪阈值和噪声尺度进行训练,从而导致数据隐私泄露、模型精度较低的问题,提出了一种基于差分隐私的分段裁剪联邦学习算法。首先,根据客户端的隐私需求分为隐私需求高和低。对于高隐私需求用户使用自适应裁剪来动态裁剪梯度,而低隐私需求用户则采用比例裁剪。其次根据裁剪后阈值大小自适应地添加噪声尺度。通过实验分析可得,该算法可以更好地保护隐私数据,同时通信代价也低于ADP-FL和DP-FL算法,并且与ADP-FL和DP-FL相比,模型准确率分别提高了2.25%和4.41%。

基于多重降噪自编码器模型的top-N 推荐算法

针对传统降噪自编码器(DAE)中加噪操作的随机性影响预测精度的问题,以及数据矩阵忽视用户具体评分信息的问题,提出了一种结合用户评分的多重降噪自编码器(MDAE)。首先,在输入矩阵中引入具体评分信息,增加输入矩阵信息量;其次,为了在获得鲁棒性数据的前提下减轻加噪操作对预测精度的影响,构建了MDAE模型,将经过不同层次降噪得到的预测矩阵结合非降噪预测矩阵得出最终的预测结果;最后,将模型与其他模型在不同数据集上作实验对比。实验结果表明,结合用户具体评分的MDAE模型可以获得更优质的推荐结果。

抖动激光陀螺幅度随机噪声概率分布的K检验

为了消除抖动偏频激光陀螺仪的动态闭锁误差,需要向正弦抖动信号中注入一具有平稳性的随机噪声,以使抖动幅度随机变化。本文对机械抖动偏频激光陀螺仪抖动加噪的物理可行性进行了理论分析,用 K检验法证明了所设计的抖动噪声发生器产生的随机噪声服从高斯概率分布,满足抖动噪声注入的要求。

图像椒盐噪声的自适应统计滤波法

数字图像以其信息量大、传输速度快、作用距离远等一系列优点成为人类获取信息的重要来源。但和所有其他的信息传输方式一样,数字图像技术也会受到噪声的干扰,在这种前提下,各种各样的去噪方法层出不穷。提出了一种新颖的图像椒盐噪声的非线性自适应统计滤除法。并通过实验数据证明了该算法简单易行,滤波效果稳定。

噪声背景下周期信号检测

噪声背景下的信号处理研究是通信工程中的一个重要课题,可以说正是因为有了噪声才有了信号分析处理的学科分支。本文主要研究如何在加性白噪声环境中检测到信号,将以自相关函数法检测周期性为主,并介绍其他几种周期信号检测的方法,最后利用MATLAB仿真分析自相关函数法的周期信号识别能力。