基带回波扩散参数AT-Tree模式挖掘实现

对高速运动目标的基带回波扩散参数的准确估计和挖掘是实现目标信号检测和参量估计的重要内容。高速运动目标在发射脉冲是产生多普勒扩散,导致在速度模糊的情况下对基带回波参数估计困难。提出一种基于AT-Tree模式挖掘模式的运动目标的基带回波扩散参数估计算法。构建高速运动目标信号模型和目标多普勒扩散模型,基于AT-Tree模式进行基带回波随机过程分析,建立项的平均概率值得到AT-Tree树型结构,将有序的项集添加到AT-Tree上,实现对基带回波扩散参数的挖掘和估计,在分辨力足够的前提下,对参数实现高分辨搜索,提高挖掘性能。仿真结果表明,该算法能使高速运动目标的基带回波调频信号在分数域上能形成明显的能量积聚,形成一个冲激函数,基带回波扩散参数的数据挖掘的精确度较高,精度较好,在制导参数估计和目标检测等领域应用价值较高。     

小扰动加速运动目标多普勒速度扩散参量估计

线性化小扰动加速运动目标的速度估计是雷达、声纳和通信等系统的中枢,提出一种基于时间尺度与多普勒压缩因子联合估计的线性化小扰动加速运动目标多普勒速度扩散参量估计算法。构建目标回波信号模型,提取线性化小扰动加速运动特征,分析小扰动加速运动目标的速度估计原理,采用时间压缩重排方法,估计信号的目标径向速度,通过重排信号在时频平面内的能量分布,以改善信号分量聚集的尖峰,设计一个分数域上的自适应带阻滤波器,对信号按照从强到弱的顺序逐个估计出信号分量的强度,考虑到时间尺度与多普勒压缩因子联合估计过程的自相关性,得到该多普勒速度扩散参数的估计是渐进无偏和渐进有效。仿真结果表明,该算法估计精度较高,性能优越。     

基于机器学习的电磁脉冲相位特征挖掘算法

对电磁脉冲信号相位特征的准确挖掘和参量估计可以有效准确地确定信号源的方位,实现对识别目标的准确定位。传统的相位特征挖掘算法采用贝叶斯估计算法,算法在受到脉冲干扰时估计性能不好。提出一种基于机器学习的电磁脉冲信号相位特征挖掘算法,实现对相位估计精度的改进提高。首先构建电磁脉冲信号的模型,得到相位特征挖掘模型原始模型,求解相位模糊数搜索结合解得到两个阵列输出数据的相位差。计算电磁脉冲信号参数相位补偿项,采用机器学习算法进行电磁脉冲信号相位特征挖掘,构建调频信号作为估计目标方位角的载波信号,采用最小二乘拟合求斜率最终实现相位特征等相关信息的挖掘。仿真实验表明,该算法能准确估计出电磁脉冲信号辐射源的相位等参数信息,相位特征挖掘性能较好,展示了优越的数据挖掘和目标检测定位性能。     

网络安全的多目标无限方差模拟仿真算法

多目标无限方差网络攻击作为一种新的病毒攻击方式,对网络安全造成严重威胁,通过对多目标攻击源的时频盲源分离,准确检测和发掘攻击信号源和特征,提高检测性能。传统方法中对攻击源的分离算法采用随机场谱峰搜索算法,存在计算量大的问题。提出一种基于近场源DOA估计的多目标无限方差网络攻击下时频盲源分离算法。为了提高多目标无限方差网络攻击近场源的识别概率,对提取得到的波束域约束指向性特征输出结果进行频分复用分解,通过时频特征提取,得到相关的攻击信号源参数,在多目标无限方差网络攻击近场源模型中,设计匹配滤波器,把近场源的参数估计问题变成了一个三维参数联合DOA估计问题,实现对网络攻击源时频盲源分离。仿真结果表明,具有较好的网络攻击时频盲分离性能,对攻击源估计的均方根误差较传统算法明显减小,实现了对攻击信源的准确识别和检测。     

一种改进的无损可逆时频联合特征提取算法

充分研究反演积分量对S变换控制的无损可逆性,提出基于宽度不可变高斯窗函数的无损可逆时频联合特征提取算法,对高频复杂电磁特征提取实现和精确挖掘。对目标电磁信号进行时频分析,在S变换中加入宽度可变反演积分函数窗,进行特征分流控制,根据S变换无损可逆性,结合时频分析,提取无损可逆联合分布特征。仿真实验在不同信噪比下进行特征提取,实验结果表明不同信噪比下提取的时频联合分布特征具有相对不可变性,特征分类准确性比传统方法高,健壮性强,在目标识别等领域研究价值和应用前景。     

基于叠加编码的Web网页抓取路径损耗估计

对Web网页抓取是实现Web文本特征数据检索的最佳方式,Web网页抓取路径损耗误差的优化估计可以提高对Web数据的挖掘性能。传统方法中,对Web网页抓取采用基于线性滤波检测的单模匹配抓取方法,受弱信号幅度和临界阈值约束,路径损耗较大,且无法有效实现路径损耗误差有效估计。提出一种基于叠加编码特征统计的Web网页抓取路径损耗误差估计算法。构建Web网页文本特征抓取的目标函数,进行Web网络路径损耗模型构建,设计叠加编码算法进行特征统计,得到Web网页抓取路径概念格。仿真实验表明,该算法能有效提高Web网页抓取路径损耗误差估计精度,进而提高了Web网页文本数据抓取的查准率和文本特征数据的挖掘性能。     

基于改进周期图法的频响函数估计分析研究

目前常见大型复杂结构的模态参数识别方法主要采用频域法进行识别,即通过测得系统结构的频响函数来识别模态参数,故频响函数估计精度直接导致模态参数的识别结果的好坏.本文采用改进周期图法对频响函数进行估计,仿真分析结果表明,采用该方法可以提高频响函数估计的精度.     

引入合同变换矩阵的网络攻击信号盲分离算法

对网络攻击信号进行盲分离,实现对攻击信号的准确有效检测。传统的网络攻击信号检测算法使用时频分析方法,提取非平稳群攻击信号的时频特征,实现信号检测,但算法把网络入侵检测正确率作为约束目标函数进行同步最优特征子集求解,复杂度较高,提出一种引入合同变换矩阵的网络攻击信号盲分离算法。采用时频分析Viterbi算法,得到信号谱的平均频率等于瞬时频率的时间平均,根据合同变换矩阵,对攻击信号进行离散数据解析化处理,构建网络攻击信号的解析模型,得到网络统计信号在多复变边界条件下的时频特征,实现盲分离算法改进。仿真实验表明,该算法能有效实现对网络攻击信号的盲分离,盲分离结果能准确反映网络攻击信号的内部特征,提高了对网络攻击信号的检测能力,对攻击信号的检测性能有所提高,保证了网络安全。     

衰落噪声干扰下网络攻击数据散布特征挖掘算法

提出一种基于随机近场混叠谱分析的网络攻击数据散布特征挖掘算法,实现对衰落噪声干扰下的网络攻击信号的准确检测。采用自适应陷波器对衰落干扰噪声进行滤波降噪预处理,提高了待检测信号的纯度,进行随机近场混叠谱分析,采用时频分析方法进行攻击信号的时延估计,提取随机近场混叠谱特征,实现网络攻击数据散布特征挖掘优化。仿真实验表明,采用该算法能有效提取在强衰落噪声干扰下的网络攻击数据时频散布特征点,特征聚焦性能明显,提高了对网络攻击数据的检测性能。     

基于链距离估计的非显著特征数据挖掘算法

在软件故障测试和数据库访问中,对非显著特征数据的挖掘是难点,通过对非显著特征数据的挖掘,处理数据分布比较稀疏且呈现模式分布不规则的数据访问问题。提出一种基于链距离估计的非显著特征数据挖掘算法,在时域上对链距离估计模型进行平移处理,给出非显著特征数据的离群因子概念,提取关联度主特征量,基于链距离估计结果,得到有效特征挖掘概率密度值,实现对非显著特征数据挖掘算法改进。仿真实验表明,该算法使得无论是不同密度的点簇相互靠近还是出现模式偏离的情况,都能有效的挖掘出非显著特征点,从而增强了数据挖掘算法的有效性和通用性,采用该法能有效提高非显著特征数据的挖掘性能,数据挖掘的命中率较高,在数据库访问和软件故障测试等领域具有应用价值。