雷达通信一体化系统(Integrated Radar and Communication System,IRCS)可提升设备的可用性、可靠性和电磁兼容性,已成为雷达和通信交叉领域的研究热点。正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)具有高信息传输...雷达通信一体化系统(Integrated Radar and Communication System,IRCS)可提升设备的可用性、可靠性和电磁兼容性,已成为雷达和通信交叉领域的研究热点。正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)具有高信息传输性能,且其模糊函数具有低旁瓣特性,在IRCS中得到广泛关注。在OFDM-IRCS中,组网时同频干扰严重影响雷达探测性能。针对这一问题,从信干比(Signal to Interference Ratio,SIR)分析了IRCS同频干扰特性,推导了回波信号SIR的表达式。然后,结合OFDM中交织多址(Interleave Division Multiple Access,IDMA)和干扰重构的思想,提出了基于OFDM-IDMA的IRCS同频干扰抑制算法。所提算法通过不同的交织方式区分不同IRCS节点的信号,同时利用基于干扰重构的干扰消除算法实现干扰抑制。仿真结果表明,所提算法有效地抑制了IRCS同频干扰,实现了同频干扰环境下雷达目标探测性能提升。展开更多
网络流量特征分布的动态变化产生概念漂移问题,造成基于机器学习的网络流量分类模型精度下降.定期更新分类模型耗时且无法保证分类模型的泛化能力.基于此,提出一种基于散度的网络流概念漂移分类方法(ensemble classification based on d...网络流量特征分布的动态变化产生概念漂移问题,造成基于机器学习的网络流量分类模型精度下降.定期更新分类模型耗时且无法保证分类模型的泛化能力.基于此,提出一种基于散度的网络流概念漂移分类方法(ensemble classification based on divergence detection,ECDD),采用双层窗口机制,从信息熵的角度出发,根据流量特征分布的JS散度,记为JSD(Jensen-Shannon divergence)来度量滑动窗口内数据分布的差异,从而检测概念漂移.借鉴增量集成学习的思想,检测到漂移时对于新样本重新训练出新的分类器,之后通过分类器权值排序,保留性能较高的分类器,加权集成分类结果对样本进行分类.抓取常见的网络应用流量,根据应用特征分布的不同构建概念漂移数据集,将该方法与常见的概念漂移检测方法进行实验对比,实验结果表明:该方法可以有效地检测概念漂移和更新分类器,表现出较好的分类性能.展开更多
文摘雷达通信一体化系统(Integrated Radar and Communication System,IRCS)可提升设备的可用性、可靠性和电磁兼容性,已成为雷达和通信交叉领域的研究热点。正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)具有高信息传输性能,且其模糊函数具有低旁瓣特性,在IRCS中得到广泛关注。在OFDM-IRCS中,组网时同频干扰严重影响雷达探测性能。针对这一问题,从信干比(Signal to Interference Ratio,SIR)分析了IRCS同频干扰特性,推导了回波信号SIR的表达式。然后,结合OFDM中交织多址(Interleave Division Multiple Access,IDMA)和干扰重构的思想,提出了基于OFDM-IDMA的IRCS同频干扰抑制算法。所提算法通过不同的交织方式区分不同IRCS节点的信号,同时利用基于干扰重构的干扰消除算法实现干扰抑制。仿真结果表明,所提算法有效地抑制了IRCS同频干扰,实现了同频干扰环境下雷达目标探测性能提升。
文摘网络流量特征分布的动态变化产生概念漂移问题,造成基于机器学习的网络流量分类模型精度下降.定期更新分类模型耗时且无法保证分类模型的泛化能力.基于此,提出一种基于散度的网络流概念漂移分类方法(ensemble classification based on divergence detection,ECDD),采用双层窗口机制,从信息熵的角度出发,根据流量特征分布的JS散度,记为JSD(Jensen-Shannon divergence)来度量滑动窗口内数据分布的差异,从而检测概念漂移.借鉴增量集成学习的思想,检测到漂移时对于新样本重新训练出新的分类器,之后通过分类器权值排序,保留性能较高的分类器,加权集成分类结果对样本进行分类.抓取常见的网络应用流量,根据应用特征分布的不同构建概念漂移数据集,将该方法与常见的概念漂移检测方法进行实验对比,实验结果表明:该方法可以有效地检测概念漂移和更新分类器,表现出较好的分类性能.