基于位重排变换的超轻量级RFID双向认证协议

针对目前无线射频识别(RFID)系统中阅读器与标签之间开放、不安全的无线信道易遭受恶意攻击的安全问题,提出一种基于位重排变换的超轻量级RFID双向认证协议——RRMAP。首先,位重排变换对两组二进制数组进行第一阶段逆序自组合变换达到自身位混淆效果;其次,将得到结果用于第二阶段奇偶相邻交叉异或操作,这样就完成了整个位重排变换;最后,通过新定义位重排变换操作,并结合左循环移位运算和模2的m次方加运算对认证过程中的秘密通信数据进行加密,可以有效解决目前RFID系统中存在的安全问题。BAN逻辑形式化安全性分析和性能对比分析表明:RRMAP具有比较完备的安全和隐私保护属性,能够抵抗RFID系统所面临的典型恶意攻击方式。

迭代时间重排同步压缩变换及其在机械故障诊断中的应用

机械设备常运行在复杂环境下,往往受到时变载荷、时变转速、瞬态冲击等非平稳工况的影响,导致故障时有发生。时频分析技术可以兼顾时间和频率两个变量,得到了广泛应用。然而传统时频分析方法在提高时频聚集性和减弱交叉项之间存在矛盾,为了实现复杂环境下机械设备的故障诊断,提出迭代时间重排同步压缩变换方法。在时间重排同步压缩变换的基础上构造新的群延时估计算子,然后只需进行一次重排操作即可获得更锐利的时频表示。通过仿真信号和滚动轴承加速寿命试验数据验证所提方法的有效性。

基于重排Gabor变换的高分辨率谱分解

地震信号是随机信号,频率成分随着时间变化而变化。Gabor变换是加窗傅里叶变换的一种,被广泛用于信号的时频分析,但分辨率有限。本文引入一种基于能量重排的Gabor变换,在时频平面上对能量关于其重心进行重排,提高了时频分析的分辨率。通过理论算例和实际数据证明,重排后的Gabor变换谱分解在烃类检测中有更好的时频分辨率,分层更准确,更精细地指示了烃类的存在。

基于重排Gabor变换和Radon变换的盲分离及其应用

根据重排Gabor变换和Radon变换理论提出了基于重排Gabor变换和Radon变换的盲分离算法.利用重排Gabor变换时频聚集性特点,对混合信号进行重排Gabor变换,再将Gabor展开系数进行Radon变换,通过Radon变换平面上的像点求出近似矩阵,从而实现信号分离.数值仿真和模拟故障结果表明:文中方法有效地抑制了噪声的干扰,成功地实现了信号分离.

基于重排Gabor变换和Radon变换的特征提取技术

基于重排Gabor变换和Radon变换理论,提出了基于重排Gabor变换和Radon变换的故障诊断技术。文章首先利用重排Gabor变换时频聚集性特点,对含噪信号进行重排Gabor变换,再将Gabor展开系数进行Radon变换,在Radon变换平面上提取像点,再进行Radon逆变换,实现信号降噪。仿真结果表明,该方法有效地抑制了噪声的干扰,成功地提取了故障特征信号。

基于延时自相关与重排Gabor变换的特征提取技术

根据自相关函数自身特性及时频分析重排算法,提出了基于延时自相关与重排Gabor变换的故障特征提取方法。本文首先利用时延自相关函数对信号进行降噪预处理,再对剔除干扰部分后的自相关函数进行重排Gabor变换,从而提取出故障特征频率,判定其故障类别。数值模拟仿真与齿轮箱故障试验结果表明:该方法更能有效地抑制噪声,凸显故障特征信息。因此,在旋转机械故障诊断领域,该方法具有广泛的应用前景。

利用重排分布理论的GIS局放信号时频分析

为了在时频域上更好地分析气体绝缘组合开关(gas insulated switchgear,GIS)设备的局部放电信号,介绍了2种经典的Cohen类和仿射类时频分析方法并针对该两种时频分析方法无法消除交叉干扰项的问题,又引入了一种基于信号重排理论的方法,对Cohen类和仿射类时频分析方法进行重排变换,以降低交叉干扰项的影响,提高信号时频聚集性和可读性。最后,将该重排时频变换方法应用于GIS局部放电信号时频分析中,用于抑制现场噪声干扰,提取局放脉冲发生的时间和频率信息。通过对仿真和现场采集的局放信号进行时频分析处理,发现经重排变换后的Cohen类和仿射类时频分析方法,可以获得更佳的时域和频域分辨率,验证了重排方法的有效性。

重排Cohen类时频分布用于GIS局部放电声信号时频分析

为了完整描述气体绝缘组合开关(gas insulated switchgear,GIS)在发生局部放电时信号的时频域信息,介绍了Cohen类双线性时频分布并针对交叉干扰项影响无法完全消除的问题进行了重排时频变换以提取及分辨含有白噪声和窄带周期干扰的局部放电信号。处理仿真和现场检测到的局部放电超声信号时根据白噪声和窄带周期干扰信号在时域上的平稳性特性发现重排Cohen类时频变换方法不仅可以很好地将局放信号和背景噪声以及窄带周期干扰信号分辨开来,而且大大减弱并抑制了交叉干扰项的影响,保持了更高的时频分辨率和时频聚集性,从而验证了重排Cohen类时频变换方法的有效性。

视频图像编码中的重排DCT方法

为了提高离散余弦变换(DCT)在视频图像编码中的效率,根据DCT对非水平/非垂直残差信号较敏感的特点,从改变残差信号分布的角度出发,提出一种重排DCT方法.对待编码的残差图像块进行像素位置重排,使得残差信号的方向与水平或垂直方向相一致;对重排后的图像块进行2维DCT,从而减少DCT系数的高频分量,提高压缩效率.实验结果表明:在不考虑重排信息的情况下,重排DCT比传统DCT性能提高0.20～0.30dB;在考虑重排信息的情况下,重排DCT比传统DCT性能提高0.05～0.20dB.

基于SSCF和TSET的滚动轴承冲击故障诊断方法

在对滚动轴承进行故障诊断时,因为噪声等因素的干扰,会导致轴承的冲击故障特征识别困难,针对这一问题,提出了一种基于相似分段协同滤波(SSCF)和时间重排同步特征提取(TSET)的滚动轴承故障诊断方法。首先,利用SSCF对待分析信号划分相似片段,并将其排列成二维阵列,分别用Savitzky-Golay滤波器和多项式拟合算法在X、Y两个方向上进行了滤波处理,再进行了信号的重构,实现了对信号降噪处理的目的;然后,基于同步压缩变换的理论框架,利用TSET进行了群延时估计和时间方向上的时频能量重排,从而获得了清晰集中的冲击特征时频表达;最后,通过计算时频脊线之间的时间间隔确定了故障特征频率,从而实现了对滚动轴承进行故障诊断的目的;同时,对数值仿真信号以及试验台轴承故障数据进行了分析和验证。实验结果表明:经SSCF降噪处理后的相关系数最大,为0.8255,比小波阈值降噪高了0.2504,极大地突出了冲击故障特征;TSET算法的Renyi熵值最低,为11.2861,比SST低了4.3862,获得了能量更加集中的时频表达。研究结果表明:在强噪声环境下对滚动轴承进行故障诊断时,采用基于SSCF和TSET的方法仍具有较高的有效性。

由两个已知bent序列构造bent序列

文献［１ ～５］ 都讨论了由给定的ｂｅｎｔ 函数（ 或序列） 构造新的ｂｅｎｔ 函数（ 序列） 的方法．本文证明文献［５］ 中的方法实际上可以通过结合文献［１］ 和文献［３］ 的方法而得到，从而对给定的两个ｂｅｎｔ 序列可以得到比文献［５］ 中构造出的序列更多的ｂｅｎｔ

基于Viterbi算法和ROMP的多弹道目标分离与特征提取

为实现对中段飞行中多弹道目标进行分类和特征提取,首先利用重排Gabor分布与Viterbi算法相结合的方法,获取目标散射点的时频曲线,对目标信号时频曲线拟合后进行频谱分析,完成目标运动类型分类。根据目标微动类型确定对应散射点的回波信号形式并构造相应的匹配原子库,设定待估计参数,利用ROMP方法对参数进行提取。仿真实验表明,该方法有效实现散射点分离并判断出目标的微动类型,同时验证了该方法对目标参数的提取精度。

关于Bent序列构造的一点注记

本文讨论文献[4]给出的构造bent序列的方法,指出该方法可以通过对级联序列进行下标变换实现,从而大大增加了[4]中给出的由两个已知bent序列构造出的bent序列的个数。

Operator-valued martingale transforms in rearrangement invariant spaces and applications

In this paper the operator-valued martingale transform inequalities in rearrangement invariant function spaces are proved.Some well-known results are generalized and unified.Applications are given to classical operators such as the maximal operator and the p-variation operator of vector-valued martingales,then we can very easily obtain some new vector-valued martingale inequalities in rearrangement invariant function spaces.These inequalities are closely related to both the geometrical properties of the underlying Banach spaces and the Boyd indices of the rearrangement invariant function spaces.Finally we give an equivalent characterization of UMD Banach lattices,and also prove the Fefferman-Stein theorem in the rearrangement invariant function spaces setting.