指数阻尼正弦模型阶选择算法

本文针对指数阻尼正弦信号模型提出了一种新的基于子空间和结构总体最小范数的阶选择算法.该方法利用信号子空间移不变性以及阶与信号分量数匹配时总体误差最小原理建立模型阶估计准则.实验表明该方法获得了更高的阶估计精度.算法无需设置阈值和惩罚项,自动完成阶估计过程.它可以应用到高分辨率的谐波恢复算法中.

实时的移动互联网攻击盲检测与分析算法

大规模移动互联网攻击检测算法需要攻击行为的先验信息或者需要对攻击行为进行监督学习,降低了攻击检测算法的实时性与实用性,为此提出了一种实时的移动互联网攻击盲检测与分析算法。首先,提取每个时段网络流量的最大特征值,结合最大特征值与模型阶数选择技术检测每个时段是否存在攻击行为;然后,通过特征值分析技术来识别攻击的类型,识别出特征值的变化细节;最终,设计了相似性分析方案来分析攻击的端口与时间等细节信息。基于真实实验与公开网络流量数据集的仿真结果表明,该算法获得较高的攻击检测准确率。

适用于水下高速机动目标的自适应检测方法

近年来,发展主动声呐目标检测技术逐渐成为水声信号领域的研究热点。该技术在实际应用中,浅海探测环境的复杂多变导致辅助数据获取困难,同时目标高速运动时引起的距离徙动现象会导致水下目标检测性能下降。针对这类问题,提出了一种适用于水下高速机动目标的自适应检测方法。首先,构建多元假设检验模型来准确描述高速机动目标的回波分布情况。其次,使用模型阶数选择方法来估计目标回波位置。然后,利用干扰协方差矩阵的斜对称特性有效减少辅助数据的需求量,以降低检测方法对辅助数据的依赖性。最后,基于广义似然比检验准则实现未知参数的最大似然估计以及检测统计量的推导。仿真结果表明,该方法具有恒虚警特性,同时在辅助数据受限的情况下,相较于其他同类检测方法有7dB以上的目标检测性能优势,并且能够更准确地估计目标回波分布情况,有效改善了距离徙动现象导致的检测性能下降问题。

水下被动目标参数估计的群体蒙特卡罗方法

将一种基于时域宽带信号模型的贝叶斯高分辨方位估计方法用于水下被动目标参数估计,与传统的子空间类方法相比,该方法只需要较少的信号快拍数且仅需实数运算。同时采用群体蒙特卡罗(PMC)方法执行贝叶斯计算,能进行模型阶数和方位的联合估计,其良好的并行处理能力可显著减少程序运行时间。针对较复杂的三声源情况进行了仿真,仿真结果显示该算法给出了很好的模型阶数和方位估计性能。