计算具有不可靠结点分布式网络可靠度的一个因子分解算法

1引言 随着计算机技术的迅速发展,计算机已在各个领域得到广泛的应用.越来越多的部门,象通讯、金融、国防、工业控制等领域,对计算机产生了很强的依赖性.这些系统的计算机一旦发生故障,将带来不可估量的损失.分布式网络以其可靠、坚固、快速响应、易于修改和扩充、资源共享等优点,而被广泛应用,其可靠度的计算成为人们关注的重要课题.目前,国内外学者对一般网络可靠度进行了较多的研究[1～4,8,9],但对于具有不可靠结点的分布式网络的分布程序可靠度(Distribut-ed Program Reliability,DPR)的研究还不多见[6,7].

一类素因子分解FFT算法

提出了一类新的素因子分解ＦＦＴＸ法（ＰＦＡ）．该算法可以用非同址的方式实现，也可以用同址的方式实现；既可以输入输出皆为同一顺序而不需要混序，也可以输入输出不为同一顺序而需要混序．同时，还具有新的算法结构，在计算每一维的小数ＤＦＴ时，需要变换数据模块的地址．理论分析与计算机仿真实验证明，与传统ＰＦＡ相比，本文算法可无需混序操作，易于扩展，可同址运算和顺序输入输出，能节省存贮量，提高运算速度。

利用因子分解方法计算网络的根通信可靠性

本文使用因子分解(factoring)的方法计算网络的根通信可靠性(存在从根点到每一个其它结点正常运行道路的概率)。我们充分利用无圈有向网络的拓扑结构提出了两个新的可靠性保护缩减(Reliability-Preserving Reduction)和一个进行因子分解的选边规则。在此基础上,给出一个因子分解算法(factoring algorithm)。对于不是非常稠密的网络,该算法是非常有效的。

基于降维变换的低复杂度双基地EMVS-MIMO雷达高分辨多维参数估计

针对当前算法在实现双基地电磁矢量传感器多输入多输出(electromagnetic vector sensors multiple input multiple output,EMVS-MIMO)雷达的多维参数估计时计算代价较高的问题,通过利用降维变换技术来实现低复杂度的角度参数和极化参数求解。针对阵列接收数据维度较大问题,通过设计相应的波束空间变换矩阵来实现对阵列接收数据的降维处理。针对算法本身的较高计算复杂度问题,采用低计算复杂度的平行因子分解算法。所提算法能够精确地实现对发射因子矩阵和接收因子矩阵的求解。同时,通过新的旋转不变关系构建新的估计信号参数,可以实现对发射/接收俯仰角的求解。进一步,发射/接收方位角、发射/接收极化角和发射/接收极化相位差的估计可以通过发射/接收空间响应矩阵的重构来实现。仿真实验结果表明,所提算法在降低计算复杂度的同时能够保持优越的多维参数估计性能。

基于差分阵列的双基地EMVS-MIMO雷达高分辨多维参数估计

为提升双基地EMVS-MIMO雷达的多维参数估计性能,该文提出利用发射/接收EMVS的差分阵列结构来实现多维参数的高分辨估计。对于阵列接收数据,可以利用高阶张量来实现对发射/接收EMVS的差分阵列的构建。首先,利用高阶张量的交换和缩并规则来构建一个包含原始发射/接收EMVS差分阵列结构的5阶张量模型;通过利用两个选择矩阵,可以剔除该张量模型中差分阵列的重复元素,且获得的差分阵列的自由度为原始阵列自由度的两倍。然后,对新构建的5阶张量模型再次进行张量的缩并处理可以获得一个第3个维度为36的3阶张量模型。最后,通过利用平行因子分解算法可以实现对发射4维参数和接收4维参数进行有效的求解。仿真实验表明,该文对差分阵列的构建有效地实现了双基地EMVS-MIMO雷达中多维参数估计性能的提升。

用卡尔曼滤波实现单轴跟踪系统的前馈复合控制

在跟踪系统中 ,利用目标单轴向运动加速度的非零均值相关模型可以构造目标的运动学方程 ,用接收机角误差信号和天线座测角传感器信号重构目标位置量测的方法 ,可以组成目标运动的量测方程 ,从而构造关于目标位置、速度、加速度的状态估计器。利用目标机动加速度的当前统计模型 ,则实现了该估计器加速度的均值和方差的自适应滤波估计运算。针对状态方程为上三角阵的特点 ,采用一次一个量测的处理方法 ,对误差协方差阵的传播和更新实现全上三角矩阵因子分解 ,保证了估计器实时运算的数字稳定性。上述技术的综合应用 。

二次剩余密码体制的安全性分析

对基于二次剩余问题的密码体制进行安全性分析 ,利用 Morrison- Brillhart素因子分解算法 ,设计一种新的有效的攻击方法。在新的攻击方法下 ,上述基于二次剩余问题的密码体制是不安全的。论文最后给出设计安全的。