PoW共识算法中的博弈困境分析与优化

区块链是随着比特币等数字加密货币逐渐兴起而盛行的一种新型去中心化分布式系统,具有去中心化、时序数据、集体维护、可编程和安全可信等特点.目前,区块链已引起政府部门、金融机构、科技企业和资本市场的高度重视与广泛关注.如何在一个去中心化的分布式系统中高效地达成共识是区块链技术研究的重要问题.本文从工作量证明(Proof of work,PoW)共识算法的挖矿困境入手,分析PoW共识过程中矿工策略选择的纳什均衡存在条件.利用零行列式(Zero determinant,ZD)策略对矿工策略选择进行优化,并通过数值仿真来验证优化算法的有效性.概括来说,本文从博弈论角度来理解和剖析PoW共识算法,为进一步设计基于博弈论的共识算法提供新的思路和方法.

动态出现和/或消失时频信号的模型和分析

针对动态出现和/或消失的时频信号,本文提出了一种时频模型和分析方法.该模型以时频信号各分量的幅度和相位为状态变量,并利用多项式预测模型为它们建立起状态方程,再视多分量混合时频信号的观测为测量方程,这就为多分量时频信号建立了状态空间模型.为了应对时频信号分量动态出现和/或消失的情况,本文利用非参数迭代自适应谱估计方法对时间加窗的信号进行分析,得到该时间窗内的短时谱,以该短时谱中噪声谱的3倍标准差准则来确定信号分量的数目.由此,基于提出的模型,就可利用无迹卡尔曼滤波算法来分析动态出现和/或消失的时频信号.分析和仿真均表明:提出方法无论在精确度、分辨率以及交叉时频谱分离等方面均优于文献报道的方法.

时频信号的非参数加窗稀疏协方差迭代分析法

针对多分量非平稳时频信号的分析,提出了一种非参数加窗稀疏协方差迭代分析(Sparse Iterative Covariance-based Estimation,SPICE)法。该方法通过引入局部化的窗函数,并在窗内对信号建立非参数化的时频模型,以获取非平稳信号的局部时频特性。分析表明:给出的非参数时频模型,可通过加权最小二乘(Weighted Least Square,WLS)进行求解。当将WLS的加权矩阵的构建问题转换为广义噪声协方差矩阵时,提出的模型也可借助于加窗SPICE方法来进行求解。分析和仿真均表明:与传统方法相比,提出方法具有噪声抑制能力强、能量集中度高和对于载频差异较小信号的分离效果佳等优点。

结合视觉显著性与眼跳概率模型的视频注视点序列预测

视觉注意力相关研究中,基于图像的视觉显著图预测研究较多,而针对视频的注视点序列预测研究相对较少.在充分考虑视频场景的动态特征与人眼视觉特性基础上,提出了一种同时利用视频底层与高层特征的注视点序列预测模型.使用隐马尔可夫模型(HMM)对注视点的转移序列进行建模,其中注视点的位置作为隐藏状态.首先,采用卷积神经网络(CNN)获得视频的视觉显著图,并将视频帧的显著值作为HMM的观测概率,表征注视点所在区域所能成功引起人视觉注意的程度;然后,使用视觉心理学中基于莱维飞行的眼跳概率模型对HMM状态的转移概率进行建模;最后,通过维特比算法推断整个视频最有可能产生的注视点序列.在HOLLYWOOD2数据集上进行视频的注视点序列预测实验,并和相关算法进行比较.实验结果表明:本文提出的模型的预测结果在Hausdorff距离与平均欧氏距离两项指标上都更优.

空时自适应处理张量波束成形器的外积合成法

为了解决空时自适应处理(Space-Time Adaptive Processing,STAP)对足量平稳训练快拍的要求,给出了一种设计STAP张量波束成形器的新算法--空时自适应处理张量子波束合成(TSS-STAP)法。分析表明:STAP中所需要的张量波束成形器,可首先在张量的各个子维度上分别进行子波束成形器的设计,然后再由张量的外积运算合成各子波束成形器而得到。进一步分析表明:由于本文算法可在较低自由度(DoF)的子维度上对张量波束成形器进行设计,因此降低了设计所需要的训练快拍数和计算复杂度,同时也实现了有效的去相关处理,使得其在非均匀杂波环境下有更好的目标检测性能。在仿真实验中,所提算法有效提升了目标检测结果,同时降低了目标检测所消耗的时间。

异常值和未知观测噪声鲁棒的非线性滤波器

针对含异常观测值的非线性系统滤波问题,以Huber损失函数替代推导滤波器最大后验准则中观测误差的l2范数,构造出了一种新的优化准则函数,从而给出了一种对异常值鲁棒的非线性后验线性化滤波器。分析表明:由于Huber损失函数兼具l1和l2范数的性质,从而使得由这个新准则推导出的滤波器,不仅具有l2范数的低误差拟合性,也具备l1范数对异常值的鲁棒性。而当观测噪声的分布未知时,通过引入箱线图法检测异常值,并对噪声统计分布的参数进行估计,进一步提出了对异常值和未知观测噪声分布鲁棒的非线性后验线性化滤波器。仿真实验验证了分析结果的有效性,并表明本文算法的性能优于现有文献报道的非线性滤波算法。

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此,提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换,如短时傅里叶变换或自适应谱估计法,以及多项式预测模型,将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明:借助于提出的初始权重赋值算法,以及谱分量幅度和频率的联合似然函数,就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中,所提算法有效提升了动态时频谱的跟踪精度,其对微弱时频谱分量的探测能力,以及对载频差异的分析能力均优于文献报道的算法。