基于相关特征矩阵和神经网络的异常检测研究

文章描述了一个基于相关特征矩阵和神经网络的异常检测方法。该方法首先创建用户轮廓以定义用户正常行为,然后比较当前行为与用户轮廓的相似度,判断输入是正常或入侵。为了避免溢出和减少计算负担,使用主成分分析法提取用户行为的主要特征,而神经网络用于识别合法用户或入侵者。在性能测试实验中,系统的检测率达到74.6%,而误报率为2.9%。在同样的数据集和测试集的情况下,与其它方法相比,此方法的检测性能最优。

低信噪比长伪码直扩信号的盲估计方法

为了解决低信噪比长伪码直扩信号的盲估计难题,提出了一种长伪码直扩信号的相关矩阵累加平均结合特征分析的新方法。本方法是在已知长伪码直扩信号的扩频码周期、码速率等参数,并且信息序列不相关的前提下,将接收到的长伪码直扩信号以一随机确定值为起点进行周期分段形成连续多个观察向量,求其相关矩阵并累加平均,并实施特征分析以得到相关矩阵的特征值和信号所含主成分,由相关矩阵的特征值可以估计出信号所含的噪声方差、信号信噪比和信号分段时随机确定的起点,由主成分特征向量还可以进一步估计出观察信号的扩频码序列。本文所提出的方法充分分析和推导了长伪码直扩信号的特征结构,提出了对长伪码直扩信号盲估计的核心基础算法,该算法可以有进一步应用于长伪码直扩信号盲解扩的潜力。本文提出的方法并不象已经提出的其他算法,其对长伪码扩频信号的盲估计性能可以随着观察向量个数的增加逐步得到改善,而且该方法可以应用于任意类型的扩频码、信息码,在理论上能工作在任意强度的加性高斯白噪声环境下,并且不需要事先提取任何定时同步信息。理论分析和数值结果表明了本方法较为鲁棒不易受到噪声影响。

多径簇产生的阵列天线输出及其测向误差分析

在分析了单一来波多径簇与单一来波信号所产生的阵列输出自相关矩阵之间差别的基础上,通过引入平均误差角度及误差角度均方根扩展,讨论了单一多径簇来波方向估计结果与其中心角度之间的差异.通过数值计算,具体分析了多径簇的入射中心角、角域分布范围等因素对来波方向估计结果的影响.

频谱监测设备中的数字信号盲信噪比估计研究

目前,频谱监测设备中普遍提供数字信号解调功能,可给出数字信号的眼图、星座图和比特流。通信中数字信号解调的性能,一般是指在一定信噪比下的解调误码率。信噪比是通信信号的关键参数,它是通信质量的衡量指标之一。因此,研究数字信号的盲信噪比估计具有应用价值。本文研究基于频谱监测设备采集的数字信号基带I、Q数据,比较两种盲信噪比估计算法的性能,希望能给无线电监测技术人员提供参考。

无线传感网络中大数据访问安全等级盲检测

大数据具有复杂性和开放性的特点,使得在无线传感网络中进行大数据访问时存在较高的安全风险。为此,提出无线传感网络中大数据访问安全等级盲检测方法。提取大数据访问特征后对特征序列进行重构,利用低通滤波器对特征实施去噪处理。建立大数据访问特征的自相关矩阵关联,引入盲检测流程,提出用户访问安全等级信任值度量算法,确定大数据访问安全等级。实验结果表明,在不当访问行为数量为2000个时,所提方法的检测时间为0.101 s,能够提高检测效率和准确性,且抗干扰能力强。