基于贝叶斯压缩感知的FD-MIMO雷达Off-Grid目标稀疏成像

传统压缩感知(CS,Compressive Sensing)成像方法一般假定目标精确位于事先划定的成像网格上,实际中由于散射点空间位置是连续分布的,因此偏离网格(Off-grid)问题必然存在.这会引起真实回波测量值与默认系统观测矩阵之间失配,导致传统CS成像方法性能恶化.本文基于频率分集多输入多输出(FD-MIMO,Frequency Diverse Multiple-Input Multiple-Output)雷达,针对Off-grid目标提出了一种基于贝叶斯压缩感知的稀疏自聚焦(SAF-BCS,Sparse Autofocus Imaging Method Based on Bayesian Compressive Sensing)成像算法.该算法依据最大后验(MAP,Maximum A Posteriori)准则,利用变分贝叶斯学习技术求解含有Off-grid目标的稀疏像.与传统稀疏重构方法相比,所提方法充分利用了目标先验信息,可自适应调整参数,能够更好地反演稀疏目标,同时具有校正Off-grid目标的网格位置偏差以及估计噪声功率等优势.仿真结果表明SAF-BCS算法对网格划分不敏感,具有稳健的成像性能.

比特币隐私保护综述

比特币是利用区块链技术为支撑,以去中心化方式实现的密码货币.其通过使用公钥地址作为假名隐藏用户真实身份达到匿名,然而全网公开的区块链账本对用户隐私构成了极大威胁,也引起了学术界的广泛关注.首先,从隐私保护角度出发,研究现有的比特币协议存在的缺陷及可能受到的攻击.然后从不需要修改现有比特币协议的混币技术、离链支付协议,和修改现有比特币协议的密码学方案,如隐蔽地址技术、环签名、零知识证明、同态加密,两个方向探讨对比特币隐私保护做出的改进.最后展望比特币及区块链隐私保护研究工作.

一种基于l_∞-LMS的SPNLMS算法

应用于长阶数稀疏冲激响应自适应滤波器中的SPNLMS算法,在每次迭代中对每一个滤波器系数更新需要进行一次乘法的运算量是不能忽视的。结合l∞-LMS算法与SPNLMS算法提出的l∞-SPNLMS算法克服了这一缺点,减少了计算量,在硬件实现中节省了计算时间﹑硬件资源以及功耗。理论分析与数值仿真表明,l∞-SPNLMS算法在前期收敛过程可以得到快速前期收敛速度,同时还兼容收敛精度和低计算量。

基于图像来源分类的最小化虚警隐写分析模型

在实真场景中,在载体失配(CSM,cover source mismatch)条件下降低虚警率是隐写分析的一个巨大挑战,提出了一种新的模型来处理该问题。该方法由来源分类器首先判断图像的来源,继而利用相关来源图像训练而成的隐写分类器判断待测图像是否为载密。在这个过程中,通过对模型参数的调节减小虚警率。实验结果表明,这种方法可以在较大准确率的前提下最小化虚警率。

基于GNSS信号的多孔径无源成像

基于全球导航卫星系统(global navigation satellite system,GNSS)信号的无源成像技术具有多种突出优点,但GNSS信号带宽较窄的缺点导致系统距离向分辨率较低。文章以波数域回波与空域目标像之间的傅里叶变换关系为出发点,通过分析回波在波数域的分布特征与信号频率、收发站布站构型之间的内在联系,寻求带宽和孔径对成像分辨率贡献的互补途径,从而建立一种基于GNSS多星照射、少数甚至单个地面站接收的对地成像方案;该方案利用多颗GNSS卫星的轨道互异特征,扩展系统的孔径数量,弥补现有GNSS信号带宽普遍较窄的不足,从而提高成像分辨率;针对GNSS多孔径无源系统波数域数据大、面积缺失的特点,选用鲁棒性和稳健性较强的逐点匹配滤波方法进行图像反演,最后通过数值仿真实验验证成像方案。