5G系统中一种大规模MIMO信号检测加速算法

在多输入多输出(Multiple Input Multiple Output,MIMO)系统中,由于MIMO系统配置的大量天线,传统检测算法难以平衡由于算法复杂度高造成的系统性能损失。在保证达到较好性能的前提下,尽可能降低复杂度,提出一种基于分块矩阵和修正因子的MBSOR(Block-Modification Successive Over-Relaxation)检测算法,该算法对滤波矩阵进行分块使对角矩阵获得更多的信道信息,并针对迭代矩阵引入修正因子,以进一步加快收敛速度。通过该算法与传统逐次超松弛(Successive Over-Relaxation,SOR)算法模拟仿真,表明MBSOR算法在减少重复次数的同时,比SOR算法的误码率更逼近最优解。

用于大规模MIMO系统的改进自适应SOR检测算法

大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统由于具备较多的天线数,会导致传统线性信号检测算法如最小均方误差(Minimum Mean Square Error,MMSE)的复杂度过高。针对以上问题,提出了F修正的自适应超松弛迭代(F-corrected Adaptive Successive over Relaxation,FA-SOR)检测算法。该算法首先利用超松弛迭代(Successive over Relaxation,SOR)算法避免高阶矩阵求逆运算,降低复杂度;其次使用F修正的公式自动更新SOR算法迭代使用的松弛参数,同时优化迭代的公式与初始解来加快收敛速度。仿真结果表明,不论在理想独立信道还是相关信道下,相比于现有的自适应SOR算法,FA-SOR都能以更低的复杂度达到更低的误码率,同时逼近MMSE算法的性能。

用于MIMO SC-FDE系统逼近分集接收界的迭代检测算法

为了提高MIMO SC-FDE系统的检测可靠性、降低系统复杂度,提出一种新的迭代干扰消除检测算法,并推导出分集接收界作为评价算法性能优劣的依据.该检测算法采用基本的线性均衡算法提供初始值,在迭代中尽量消除层间干扰,利用空间分集增益逐步提高检测可靠性.结果表明,该算法在4QAM调制方式下,E b/N 0为9 dB时逼近分集接收界;在16QAM调制方式下,E b/N 0为16 dB时逼近分集接收界.该算法一轮迭代的计算复杂度与发射天线的数目成线性关系,天线规模为3×3以上时算法复杂度低于V-BLAST.因此,所提算法适用于天线规模数大于等于3、调制进制数大于等于4的系统中,在倾向于采用large MIMO系统的5G及后5G时代具有高效性和实用性.

基于决策树分类算法的计算机网络入侵检测系统设计与实现

本文利用决策树分类算法,设计了一款新型计算机网络入侵检测系统,分别对系统结构、模块功能进行了设计,并从数据获取、数据预处理两个方面给出了此种入侵检测系统的实现方法。通过实验测试了此系统的检测效率及准确率,验证结果表明,利用决策树分类算法构建的计算机网络入侵检测系统可以准确、高效检测出各种类型的入侵行为。

基于随机森林算法的低压系统漏电检测技术研究

随着低压配电系统规模及用户需求量迅速增加,用户线路与家庭电气设备漏电故障频发,极易发生人体触电及电气火灾事故。剩余电流保护器作为检测低压漏电故障的常用手段,近年来因线路(或设备)存在对地泄漏电流而频频误动,极大降低了保护设备投运率与可靠性。为此,本文提出一种基于随机森林(random forest,RF)算法的低压配电系统漏电检测技术,为最大程度贴近真实漏电故障场景,充分考虑实际故障场景存在的正常泄漏电流过大、故障邻近支路负荷投切频繁等干扰因素以获得贴近真实故障场景的原始剩余电流数据;通过对原始剩余电流数据进行数据预处理,分析掌握剩余电流的频域与时域特性并利用傅里叶变换算法提取时频域特征,完成低压系统漏电检测模型的建立与训练;在施加多种干扰因素情况下对漏电检测模型进行深度测试,其漏电故障的检测准确率可达99.97%,实现了多种干扰因素情况下的低压配电系统漏电故障检测;最后将支持向量机(support vector machine,SVM)算法、K最近邻(K-nearest neighbor,KNN)算法与本文基于RF算法的漏电故障检测模型的准确性进行对比,以此验证了基于RF算法的低压系统漏电检测模型的准确性与可行性。

电力系统中的智能故障检测与定位算法研究与应用

本文研究了电力系统中智能故障检测与定位算法的理论与应用。通过综合分析现有的电力系统故障检测与定位技术,提出了一种基于人工智能和数据挖掘技术的智能故障检测与定位算法。该算法结合了深度学习、模式识别和大数据分析等先进技术,实现了对电力系统中各类故障的精准检测和定位。通过实际应用验证,该算法在提高电力系统运行安全性和稳定性方面取得了显著效果,为电力系统的智能化发展提供了有效支持。

基于ASRUKF和IMC算法的电力信息物理系统虚假数据注入攻击检测

针对传统电力信息物理系统的虚假数据注入攻击(FDIA)检测精度低问题,提出了基于自适应SageHusa噪声无迹卡尔曼滤波(ASRUFK)和改进马尔科夫链(IMC)预测算法的电力信息物理系统FDIA检测方法。首先,通过加入随机插值调整状态区间,提出了一种改进马尔科夫链(IMC)预测算法;然后,利用ASRUKF和IMC预测算法分别对系统待测数据进行状态估计,根据2种预测算法状态估计结果的偏差值构建随机变量,利用Box-Cox将随机变量转换为服从正态分布的变量;最后,通过双边假设检验实现电力信息物理系统的FDIA检测。在IEEE-14节点和IEEE-30节点系统中验证了所提出方法的有效性和正确性。

基于双向AC算法的列车通信网络异常入侵检测系统设计

列车通信网络异常流量的类型和形式多样化,特征提取难度较大,异常入侵检测效果较差,为此,设计基于双向AC算法的列车通信网络异常入侵检测系统;采集层利用网络数据采集器,在列车通信网络内,采集列车通信网络信息;存储层以分布式存储、列式存储与结构化存储方式,存储采集的信息;分析层利用协议解析模块,解析信息,得到符合规范的信息;其中,深度包过滤模块利用白名单技术深度包过滤符合规范的信息,提取关键信息;入侵特征模式提取模块能够在关键信息内提取异常入侵特征模式;特征模式匹配模块利用双向AC算法,自动匹配提取的特征模式与入侵特征模式库内的特征模式;入侵响应模块通过分析自动匹配结果,完成列车通信网络异常入侵检测;可视化层以可视化的报表形式,呈现异常入侵检测结果;实验结果表明,该系统可有效采集列车通信网络信息,完成异常入侵特征模式提取,该系统可快速自动匹配异常入侵特征模式,异常入侵检测精度较高。

基于人工免疫算法的网络安全风险检测系统研究

为实现对网络安全风险的精确化、高效化检测,本文运用人工免疫算法,设计一种先进、新型的网络安全风险检测系统。首先,介绍人工免疫算法、网络安全风险检测相关理论知识。其次,从系统架构设计、网络安全风险检测模型构建、人工免疫算法应用、系统功能设计四个方面入手,完成系统设计。最后,验证系统性能。结果表明:在人工免疫算法的应用背景下,本文系统所对应的检测风险值与理论值之间存在较小的容偏,能够获得较高的检出率,系统检出率高达9760%以上,有效地提高了风险检测效率和效果。

基于神经网络算法的多目标检测追踪系统设计

当今时代,科技迅速发展,多目标检测追踪系统在各行各业中发挥着越来越重要的作用,这类系统的核心是通过算法分析图像或视频数据,实现对多个目标的同时检测和跟踪。本文将从系统架构、图像预处理、特征提取以及恒模检测算法等多个方面详细阐述系统的设计和实现过程。本文详细阐述基于神经网络算法的多目标检测追踪系统的设计和实现,包括系统的整体架构、图像预处理模块的设计、特征提取的骨干网络选择与优化,通过系统测试与验证展示其有效性和高效性。

铁路轨道伤损检测系统YOLOv5s算法模型优化研究(上)

在介绍轨道伤损检测系统组成的基础上,分析YOLOv5s算法模型原理,针对采用YOLOv5s算法模型检测钢轨轨面掉块和夹板裂纹等小目标伤损效果不佳的问题,通过数据增强策略和算法模型改进来优化YOLOv5s算法,并进行试验和现场应用验证。结果表明:改进后的YOLOv5s算法模型平均精确率提升7.7%,检测速度增加5.7帧/秒,使轨道伤损检测系统能有效检测出钢轨轨面掉块、夹板裂纹等细小伤损。YOLOv5s算法模型的优化,为轨道伤损检测系统准确检测钢轨轨面掉块和夹板裂纹等小目标伤损提供理论依据。

铁路轨道伤损检测系统YOLOv5s算法模型优化研究(下)

在介绍轨道伤损检测系统组成的基础上,分析YOLOv5s算法模型原理,针对采用YOLOv5s算法模型检测钢轨轨面掉块和夹板裂纹等小目标伤损效果不佳的问题,通过数据增强策略和算法模型改进来优化YOLOv5s算法,并进行试验和现场应用验证。结果表明:改进后的YOLOv5s算法模型平均精确率提升7.7%,检测速度增加5.7帧/秒,使轨道伤损检测系统能有效检测出钢轨轨面掉块、夹板裂纹等细小伤损。YOLOv5s算法模型的优化,为轨道伤损检测系统准确检测钢轨轨面掉块和夹板裂纹等小目标伤损提供理论依据。

基于深度学习的SCADA系统异常检测算法研究

随着现代工业的发展和网络技术的进步,SCADA(supervisory control and data acquisition)系统面临日益增多的安全威胁,如网络攻击、系统漏洞和设备故障等。传统的异常检测方法已难以满足复杂多变的异常事件检测需求。因此,提出基于深度学习SCADA系统异常检算法。通过深入分析SCADA系统的数据特点,设计了一个基于长短期记忆网络(LSTM)的深度学习模型,以捕捉数据中的复杂时序依赖关系,并实现异常事件的快速、准确检测。算法设计的步骤包括数据预处理、特征提取、模型选择与构建以及算法流程等,并通过一个具体的电力负荷数据集进行了实验验证。实验结果表明,所提出的基于深度学习的异常检测算法在SCADA系统异常检测领域具有显著的优势,为SCADA系统的安全和稳定运行提供了有力的技术保障。

基于孤立森林算法的空调系统运行异常检测研究

常规的空调系统运行异常检测以故障样本特征检测为主,但存在错检、漏检的问题,会影响空调系统的正常运行,为此,设计了基于孤立森林算法的空调系统运行异常检测方法。首先提取空调系统运行异常特征,并根据异常特征向量确定空调系统异常位置。然后基于孤立森林算法设定空调系统运行异常检测阈值,获取空调系统运行异常的正态分布数据,将异常特征数据点孤立到同一个平面上,通过阈值区分特征点是否异常,完成异常检测。采用对比实验,验证了该方法的检测准确性更高,能够应用于实际生活。

网络入侵检测系统中的多模式匹配算法设计

为提高网络入侵检测系统多模式匹配算法性能,解决传统模式处理模式串数量较低的问题,文章将对多模式匹配算法进行优化设计,通过改进BMH的方式提高系统信息处理能力,对比改进BMH与传统BM算法进行验证。结果表明:改进算法对模式串的处理能力明显提高。

基于人工免疫算法的网络安全风险检测系统研究

针对现有风险检测系统中存在的误警率高、漏警率高、性能低下及实时性与准确性较差等问题,基于人工免疫算法,研究并设计了一种更高效、准确的网络安全风险检测系统,对风险检测系统总体框架进行搭建,再设计并实现了风险检测系统,经系统测试,该风险检测系统误警率与漏警率均低于1%,具有良好的风险检测性能,显著提高了网络安全防护的准确性,能够有效预防和应对网络中的攻击行为。

基于2D&3D融合算法的扣件故障检测系统

扣件作为钢轨重要的紧固件之一,在列车运行过程中,会受到钢轨和枕木带来的巨大压力和振动。为保障扣件状态检测的准确性,研制了一套基于2D图像和3D深度信息融合的扣件故障检测系统。首先基于YOLOv4定位2D图中的扣件区域,提取出扣件检测区域;然后将深度图中对应的检测区域转换为点云图,采用点云匹配的方式对扣件状态进行判断;最后通过精度验证试验验证系统的检测精度。试验结果表明:系统整体的识别率为99.8%,误报率为1.68%;对于故障识别率,只有在扣件发生小偏转角度(≤5°)故障时,系统的识别率较低,其余设置的故障识别率均达到96%以上,能够满足工程化的要求。

基于粒子群算法的网络安全自动检测系统的设计与实现

在网络安全领域,自动检测系统的设计和实现是一项重要而复杂的任务。其中,粒子群算法能有效地处理网络安全检测中的复杂性和不确定性问题。详细探讨基于粒子群算法的网络安全自动检测系统的设计与实现,介绍系统的整体框架及设计原理,明确粒子适应度设计的关键要素和方法,通过一系列的测试与验证,证明该系统在网络安全自动检测方面的有效性和实用性。

电力工控系统网络异常流量入侵检测算法

在电力工控系统中,一些任务对实时性要求极高,任何延迟都可能对系统运行产生严重影响。异常流量入侵检测需要在保证实时性的前提下,准确地识别和响应来自网络的异常行为。为此,提出一种电力工控系统网络异常流量入侵检测算法。介绍电力工控系统的组成,基于此,利用主成分分析提取并分析异常流量的特征。选取标志性指标,尽量消减网络信号干扰,对空间变量实行降维,从而压缩简化流量。应用Libpcap方法提取流量数据包,设计异常流量数据包的提取流程。通过特征提取滤除无关和冗余流量,计算系统性能权值,实现异常流量入侵检测。实验结果表明,研究方法能够对多次异常流量入侵实现准确检测,无延时问题,且网络开销更低。

MIMO通信系统中的信号检测算法概述

通过对MIMO通信系统的混合检测问题进行研究,将已有的信号检测算法进行归纳整理,主要分为传统的检测算法和基于机器学习的检测算法,其中传统的检测算法分为线性算法和非线性算法。简要阐述了各种算法的基本原理,并对比其优缺点,其中非线性检测算法的检测性能往往较好,但复杂度也较高,基于机器学习的检测算法总体上比传统的检测算法更好一些。