基于LFM算法的办公日志数据属性加密传输技术

在传统办公环境中,员工和管理员缺乏足够的安全意识,对安全问题的重视程度不够,导致数据泄露的问题时常发生,办公日志数据加密传输方法的安全系数较低。为此,文章提出了基于线性反馈移位寄存器(Linear Feedback Shift Register,LFM)算法的办公日志数据属性加密传输技术。文章设计了办公日志数据属性编码,利用LFM算法设定数据属性编码加密传输子密钥,通过对客户端和服务器端的加密传送,实现了对办公室日志的数据属性的加密传送。通过设计对照试验,所得实验结果证明了采用该方法后办公日志数据的安全系数超过了0.9,显示出极高的安全性,为企业的办公日志数据加密传输方法提供了更为可靠的保障措施。

基于社团结构的网络空间复杂网络多尺度构建算法

网络空间要素及要素间关系构成的复杂网络进行可视化对感知网络结构和发现网络空间规律具有重要意义。针对网络空间复杂网络可视化时出现的大量节点和连边相互压盖造成的视觉混乱问题和基于层次聚类思想的社团划分算法构建的多尺度网络只能得到有限的尺度问题,提出一种基于社团结构的网络空间复杂网络多尺度构建方法。该方法基于改进的LFM社团发现算法,结合节点综合重要性进行社团核心节点的选取和依据社团间连边数量设定阈值建立重要节点不同层次连边,通过调整参数实现网络空间复杂网络多尺度构建。实验结果表明,该方法在构建多尺度网络过程中能够保留网络空间中的重要节点,相较于基于层次聚类思想的Louvain社团发现算法能够发现更多尺度的网络结构,且具有较好的连续性。

基于分数阶傅里叶变换的宽带LFM信号波达方向估计新算法

提出一种新的基于分数阶傅里叶变换和信号子空间分解的宽带线性调频(LFM)信号波达方向(DOA)估计算法.该方法利用LFM信号在分数阶傅里叶变换域的极高的聚集性,在分数阶傅里叶变换域分离信号,并构造分数阶傅里叶变换域的阵列信号相关矩阵.通过对相关矩阵进行特征值分解,估计信号子空间和噪声子空间,并利用MU S IC算法估计宽带LFM信号的波达方向.仿真验证了新方法的有效性.

基于改进LFM算法的主动解列断面搜索方法

针对传统解列断面算法复杂度高的问题,提出一种基于改进LFM算法的解列断面搜索方式。首先,基于节点间电气联系和能量转移分布熵完成电网加权复杂网络建模;其次,基于主动解列断面约束条件,对LFM算法做适应性改良;最后,通过改进LFM算法得到解列断面,并在IEEE39节点系统中验证了算法有效性。仿真结果表明,改进LFM算法可充分考虑传统解列断面的约束条件,在算法具有较低复杂度的同时对系统运行状态更强的适应性。

改进的多分量LFM信号参数估计算法及其快速实现

提出了一种基于改进三次相位函数的多分量线性调频(linear frequency modulation,LFM)信号参数估计算法。该算法只需要通过二阶非线性变换在信号参数空间形成最大值来估计LFM信号参数。在多分量的情况下,讨论了信号自项和交叉项与时间的关系,发现自项和交叉项对时间有不同的依赖性。为了克服交叉项的影响,提出了加权平均的方法来改进算法。然后推导了三次相位函数的FFT快速算法,并进一步采用了舍入最近采样点的方法改进算法,使其可以应用于实际的离散采样系统。仿真试验表明,此方法在低信噪比下估计多分量LFM信号参数效果显著,其快速算法在大大降低运算量的同时,与原算法相比较,仍然保持了良好的估计性能。

基于LFM矩阵分解的推荐算法优化研究

在推荐系统中,基于矩阵分解的推荐算法是目前的研究热点之一,然而普通矩阵分解算法的推荐精确度偏低,为了改善该问题,以矩阵分解算法中的潜在因子模型(LFM)优化为研究对象,分析LFM中两种基础推荐算法在寻优速率与推荐精度上的不足,然后提出两种改进算法:带冲量的批量学习算法和混合学习算法,最后通过实验数据测试,对比了不同算法的推荐效果,结果证明改进算法的性能更优。

基于Ozaktas算法的LFM信号参数估计误差分析

Ozaktas算法因其运算复杂度低、精度高、提出时间早而成为目前对LFM信号进行处理时最为常用的离散分数阶Fourier变换算法,但其附加的量纲归一化对LFM信号参数估计存在影响。为此,在对LFM信号参数估计建模基础上,分析了基于Ozaktas算法的参数估计二维离散网格效应,并进一步得到了影响初始频率和调频率估计精度的因素。可以发现:在满足采样定理条件下,基于Ozaktas算法的LFM信号参数估计能保持较好的估计精度,且在一定程度上可以通过增大采样频率或减小采样时长来进一步提高估计精度。最后,通过仿真分析验证了上述理论推导的正确性。

多分量微弱LFM信号的检测

提出了一种基于分数阶傅里叶变换的多分量微弱LFM信号的检测方法。首先利用分数阶Fourier域的LMS自适应滤波算法,改善了LMS算法对LFM信号的处理效果。在此基础上,提出了分数阶Fourier域的自适应谱线增强器(ALE)算法,提高了对多分量微弱LFM信号的检测性能,并将分数阶Fourier变换的移动算法应用于谱线增强器,减少了运算量。

基于分数阶Fourier变换和ESPRIT算法的LFM信号2D波达方向估计

提出一种利用分数阶Fourier变换(FRFT)和旋转不变子空间(ESPRIT)算法实现多个线性调频(LFM)信号二维波达方向(DOA)估计的新方法。该方法利用FRFT对LFM信号的能量聚集特性,构造出一种新的FRFT域的阵列数据模型,并利用ESPRIT算法实现对多个LFM信号的二维DOA估计。仿真实验验证了算法的有效性。

基于CS的LFM信号脉冲压缩实现算法研究

针对传统的脉冲压缩方法存在着副瓣降低与主瓣展宽的矛盾问题,基于压缩感知理论提出了一种实现对LFM信号脉冲压缩的CS脉压算法。首先在分析传统脉冲压缩与压缩感知的关系的基础上,构建了适用于复数域重构的稀疏基,然后提出了采用构建的稀疏基结合平滑0-范数算法实现脉冲压缩的算法,最后证明了所提的算法脉压后信号不仅能重构出回波的幅度,且保留了信号的相位信息,最后对研究的算法从幅度、相位的重构精度以及重构误差等方面进行了仿真,仿真结果表明CS脉压算法能够在不降低距离分辨率的同时达到降低副瓣的目的,同时能保留回波信号的相位历程,具有较高的重构精度。

时变幅度LFM干扰下的单通道盲分离算法研究

针对时变幅度LFM干扰下的单通道通信信号与干扰盲分离问题,本文提出了一种基于遗传粒子滤波的单通道扰信盲分离新算法。该算法首先建立了受扰信号的状态空间模型,并利用遗传重采样粒子滤波得到通信码元和未知参数的最大后验估计。针对标准粒子滤波中存在的粒子退化现象,本文引入了遗传进化操作来迭代估计优质粒子,在减少了所需粒子数量的同时,加快了算法的收敛速度,使新算法在时变幅度LFM干扰的影响下具有较好的分离效果。非扩频通信信号仿真实验表明,新算法在干信比小于15dB,信噪比大于16dB的条件下,可以有效地从单路接收的受扰信号中分离出通信信号与LFM干扰。

De-chirp LFM-CW SAR原始回波信号模拟

将基于De-chirp LFM-CW SAR的信号特点,首先给出其信号模型;根据给定的信号模型,提出一种适合De-chirp LFM-CW SAR的基于FFT的快速回波模拟算法,与时域直接叠加算法相比,保持数据精度的同时,运算量大大降低。通过对原始数据成像处理后得到的图像进行分析,验证了算法的有效性。

MIMO雷达中OFD-LFM-PC波形空时优化设计

MIMO雷达中传统正交频分线性调频(OFD-LFM)波形的空域合成信号存在较高的自相关栅瓣。为了解决这一问题,本文在OFD-LFM波形上调制相位编码序列,构造新的正交频分线性调频相位编码(OFD-LFM-PC)波形以消除空域合成信号自相关栅瓣。由于相位编码的调制,使得OFD-LFM-PC波形空域合成信号的自相关栅瓣消除但整体旁瓣水平有所升高,同时,发射功率方向图非全向。为此,基于OFD-LFM-PC波形的时域特性和空域特性分析,本文建立了空时特性优化模型,对调制的相位编码矩阵和载波频率编码序列进行联合优化,并提出了一种嵌套遗传算法的粒子群算法求解该优化问题。仿真结果表明,所优化设计的OFD-LFM-PC波形能够保证发射功率方向图的全向性,并且空域合成信号具有良好的自相关性能。

基带LFM信号的调频斜率估计

提出了一种通过提高基带LFM信号相位的直流分量和计算相位的高阶差分来提取信号的瞬时频率并采用最小二乘的方法估计出信号的调频斜率的方法。仿真结果表明,该方法在SNR≥6dB下可以实现基带LFM信号的调频斜率高精度估计。

基于GA-BP网络的LFM信号脉冲压缩

为了改善线性调频(linear frequency modulation,LFM)信号脉冲压缩输出的性能,研究了误差反向传播(back propagation,BP)神经网络在线性调频信号脉冲压缩中的应用。采用遗传算法(genetic algorithm,GA)对BP神经网络的连接权值进行训练学习,该算法可克服BP网络容易陷入局部最优的缺点。仿真结果表明,GA-BP网络具有较快的收敛速度和较好的数值稳定性,在信噪比损失小于1dB的条件下,可获得60dB左右的输出主旁瓣比。

基于NLMS的LFM信号自适应校正研究

该文针对雷达对抗中的LFM信号进行了自适应校正的研究,用NLMS算法对LFM信号的校正进行了建模与理论推导,求出了最优步长与最小误差的具体表达式,并进行了计算机仿真验证,表明了该理论分析的指导价值。

基于GASA算法的DFCW-LFM波形设计

离散频率编码波形是一类常用的多输入多输出雷达波形,加入线性调频能够改善其自相关性能。将基于遗传算法和模拟退火的混合算法用于离散频率编码线性调频(discrete frequency coding waveform-linear frequency modulation,DFCW-LFM)波形的优化设计,仿真结果表明,用该优化算法得到的信号其相关性能要优于现有方法。另外,提出了一种改进的DFCW-LFM波形设计方法。该方法在DFCW-LFM波形的基础上,对频率编码子脉冲同时进行相位编码,构成DFCW-LFM和相位编码的混合波形,并采用混合算法对其进行优化设计。仿真结果表明,和已有的DFCW-LFM波形相比,所设计混合波形的相关性能得到了进一步改善。

基于随机游走理论的改进LFM算法

传统LFM社团发现算法基于网络局部信息进行社团划分,未充分利用网络中包含的结构信息,导致社团结构模糊的网络中社团划分精度下降严重,同时算法基于局部信息扩张社团,容易形成畸形社团结构。为解决上述问题,提出一种改进的LFM算法,利用随机游走理论衡量节点相似度,使社团结构更清晰,同时寻找赋权网络中的极大子团,以子团为基本单位进行社团扩张,解决畸形社团问题。在人工网络和真实网络上的实验结果表明,与传统LFM算法、标签传播算法等相比,改进的LFM算法具有更高的社团划分精度。

一种应用于汽车安全系统的LFMCW雷达

越来越多的汽车设计了24GHz或77GHz的前视雷达系统。本文提出了一个K波段的LFMCW雷达的硬件结构,用于对目标车辆距离和速度的测量。文中首先回顾了关于汽车雷达研究的意义和现状,用数学模型分析了LFMCW雷达的原理,推导了距离和速度测量的表达式;其中发射机采用了调谐VCO的方式,设计了一个一发两收的微带阵列天线,也对采用了FPGA和DSP进行数据采集和处理算法部分作了介绍;最后计算结果表明了雷达测量的可行性,并讨论了如何提高性能。

一种基于用户偏好分析和论坛相似度计算的改进LFM推荐算法

针对用户的偏好推荐需求,提出一种改进的LFM算法BBLFM算法,通过引入隐含特征将稀疏的相关矩阵分解为两个相对稠密的矩阵,减少了空间复杂度,同时实现LFM的隐语义分析功能,深入挖掘了用户的潜在特征,提高了推荐的准确性。具体地,设计了一种基于BM-25的精确用户关注点查找与权重赋值方法,同时引入软概率情感分析方法的结果,合成出一种基于语义的标签体系。此外,还构建了一个基于BERT的用户偏好分析网络,根据用户曾经浏览或点击的历史论坛数据,来为用户画像,给出用户的主题偏好。在真实的百度贴吧数据集上进行的对比实验结果,表明算法在推荐准确性上优于比较的算法。