

郵件訂閱
僵尸網(wǎng)絡(luò)已成為網(wǎng)絡(luò)空間安全的主要威脅之一,雖然目前可通過逆向工程等技術(shù)來對其進(jìn)行檢測,但是使用了諸如fast-flux等隱蔽技術(shù)的僵尸網(wǎng)絡(luò)可以繞過現(xiàn)有的安全檢測并繼續(xù)存活。現(xiàn)有的fast-flux僵尸網(wǎng)絡(luò)檢測方法主要分為主動和被動兩種,前者會造成較大的網(wǎng)絡(luò)負(fù)載,后者存在特征值提取繁瑣的問題。因此為了有效檢測fast-flux僵尸網(wǎng)絡(luò)并解決傳統(tǒng)檢測方法中存在的問題,該文結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò),提出了基于流量時空特征的fast-flux僵尸網(wǎng)絡(luò)檢測方法。結(jié)合CTU-13和ISOT公開數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明,該文所提檢測方法和其他方法相比,準(zhǔn)確率提升至98.3%,召回率提升至96.7%,精確度提升至97.5%。
針對長碼長空間耦合低密度奇偶校驗(yàn)(SC-LDPC)碼譯碼時延較長的問題,該文提出了分層滑動窗譯碼(LSWD)算法。該算法利用SC-LDPC子碼碼塊的準(zhǔn)循環(huán)特性和滑動窗內(nèi)校驗(yàn)矩陣的層次結(jié)構(gòu),通過在滑動窗內(nèi)對校驗(yàn)矩陣進(jìn)行分層處理,優(yōu)化層與層之間消息傳遞,從而加快窗內(nèi)譯碼的收斂速度,減少了譯碼迭代次數(shù)。仿真和分析結(jié)果表明:在相同的信噪比(SNR)條件和相同的誤碼性能要求下,LSWD算法所需的迭代次數(shù)少于滑動窗譯碼(SWD)算法,特別在高信噪比下,LSWD算法的迭代次數(shù)約為SWD算法的一半,從而有效縮短全局譯碼時延;在相同譯碼迭代次數(shù)下,LSWD算法的譯碼性能優(yōu)于SWD算法,而其計(jì)算復(fù)雜度增加不大。
針對基于橢圓球面波函數(shù)(PSWFs)的非正弦時域調(diào)制算法復(fù)雜度高的不足,該文引入空間映射,分析了PSWFs信號頻域完備正交性,推導(dǎo)出PSWFs信號頻域有效表示所需最小抽樣點(diǎn)數(shù)。在此基礎(chǔ)上,引入復(fù)數(shù)域映射、FFT/IFFT信號處理框架,提出PSWFs頻域調(diào)制解調(diào)方法。該方法將PSWFs信號處理由時域拓展到頻域,在頻域進(jìn)行信息加載與檢測,為探索研究PSWFs信號在5G、超5G等采用頻域信號處理的通信系統(tǒng)中的應(yīng)用提供了可能。理論和數(shù)值分析表明,相對于PSWFs時域調(diào)制,所提方法將能夠在不改變系統(tǒng)頻帶利用率、系統(tǒng)誤碼性能、調(diào)制信號能量聚集性以及信號峰均功率比的前提下,顯著降低算法復(fù)雜度,將運(yùn)算復(fù)雜度由O(2Qg2)降低為O(g2+glog2g)。
為了降低核仿射投影P范數(shù)(KAPP)算法的計(jì)算量和存儲容量,提高在輸入信號強(qiáng)相關(guān)時KAPP算法的收斂速度和穩(wěn)態(tài)性能,該文提出基于高斯核顯性映射的核歸一化解相關(guān)APP(KNDAPP-GKEM)算法。該算法利用歸一化解相關(guān)方法預(yù)先解除輸入信號的相關(guān)性;利用高斯核顯式映射方法近似得到顯式核函數(shù),消除了對歷史數(shù)據(jù)的依賴,解決了KAPP算法因結(jié)構(gòu)不斷生長導(dǎo)致的計(jì)算量和存儲容量過大的問題。α穩(wěn)定分布噪聲背景下的非線性系統(tǒng)辨識仿真結(jié)果表明,在輸入信號強(qiáng)相關(guān)時KNDAPP-GKEM算法收斂速度快,非線性系統(tǒng)辨識穩(wěn)態(tài)均方誤差小,訓(xùn)練所需時間呈線性緩慢增長,有利于實(shí)際非線性系統(tǒng)辨識的應(yīng)用。
短參考差分混沌移位鍵控(SR-DCSK)系統(tǒng)主要的缺陷是數(shù)據(jù)傳輸速率較低。為此,該文提出一種短參考多用戶差分混沌移位鍵控(SR-MUDCSK) 通信方案。利用Walsh碼的正交性傳輸多個用戶的信息,有效提高了數(shù)據(jù)傳輸速率。在AWGN和多徑Rayleigh衰落信道環(huán)境下,對其誤碼性能進(jìn)行了理論分析,并進(jìn)行了實(shí)驗(yàn)仿真。結(jié)果表明:該系統(tǒng)在傳輸速率方面有較大提升,且能量效率也得到了顯著改善,因此其具有重要應(yīng)用價值。
針對現(xiàn)有研究中缺乏對車輛網(wǎng)絡(luò)切片的部署和管理,該文設(shè)計(jì)了車輛網(wǎng)絡(luò)切片架構(gòu)中的切片協(xié)調(diào)智能體。首先基于K-means++聚類算法將車聯(lián)網(wǎng)通信業(yè)務(wù)根據(jù)相似度進(jìn)行聚類并映射到對應(yīng)的切片中。其次,在考慮應(yīng)用場景間的時空差異導(dǎo)致的無線資源利用不均衡現(xiàn)象,提出了共享比例公平方案以實(shí)現(xiàn)對無線資源的高效及差異化利用。最后,為了保證切片服務(wù)需求,采用線性規(guī)劃障礙方法求解最優(yōu)的切片權(quán)重分配,使切片負(fù)載變化容忍度最大化。仿真結(jié)果表明,共享比例公平方案相比于靜態(tài)切片方案平均比特傳輸時延(BTD)更小,在每切片用戶數(shù)為30的情況下均勻分布用戶負(fù)載場景中二者的BTD增益為1.4038,且在不同的用戶負(fù)載分布場景下都能求出最優(yōu)的切片權(quán)重分配。
針對人與人(H2H)和物到物(M2M)業(yè)務(wù)共存的異構(gòu)無線網(wǎng)絡(luò),該文設(shè)計(jì)了一種根據(jù)業(yè)務(wù)特性的代理節(jié)點(diǎn)的網(wǎng)絡(luò)選擇策略,用博弈論對以保障兩類業(yè)務(wù)服務(wù)質(zhì)量(QoS)需求和網(wǎng)絡(luò)負(fù)載均衡為目標(biāo)的代理節(jié)點(diǎn)網(wǎng)絡(luò)選擇問題進(jìn)行建模,并分析了該博弈模型納什均衡(NE)的存在性和可行性;同時,提出了基于學(xué)習(xí)自動機(jī)的分布式網(wǎng)絡(luò)-信道選擇算法(DNCSALA),求得該博弈的納什均衡。仿真結(jié)果表明,所提算法能夠獲得與窮舉搜索算法相近的性能,可滿足共存場景中不同類型業(yè)務(wù)的QoS需求并提高網(wǎng)絡(luò)資源利用率。
針對車聯(lián)網(wǎng)業(yè)務(wù)的低時延、低功耗需求及海量設(shè)備計(jì)算卸載引起的網(wǎng)絡(luò)擁塞問題,該文提出一種在云霧混合網(wǎng)絡(luò)架構(gòu)下的聯(lián)合計(jì)算卸載、計(jì)算資源和無線資源分配算法(JODRAA)。首先,該算法考慮將云計(jì)算與霧計(jì)算結(jié)合,以最大時延作為約束,建立最小化系統(tǒng)能耗和資源成本的資源優(yōu)化模型。其次,將原問題轉(zhuǎn)化為標(biāo)準(zhǔn)二次約束二次規(guī)劃(QCQP)問題,并設(shè)計(jì)一種低復(fù)雜度的聯(lián)合卸載決策和計(jì)算資源分配算法。進(jìn)一步,針對海量設(shè)備計(jì)算卸載引起的網(wǎng)絡(luò)擁塞問題,建立卸載用戶接入請求隊(duì)列的上溢概率估計(jì)模型,提出一種基于在線測量的霧節(jié)點(diǎn)時頻資源配置算法。最后,借助分式規(guī)劃理論和拉格朗日對偶分解方法得到迭代的帶寬和功率分配策略。仿真結(jié)果表明,該文算法可以在滿足時延需求的前提下,最小化系統(tǒng)能耗和資源成本。
無人機(jī)(UAV)的便攜性和高機(jī)動性使其與認(rèn)知無線電(CR)結(jié)合的應(yīng)用場景更加實(shí)用。在構(gòu)建的無人機(jī)認(rèn)知無線網(wǎng)絡(luò)(CRN)模型中,該文提出UAV單弧度吞吐量優(yōu)化方案,在確保檢測概率的前提下優(yōu)化感知弧度最大化UAV平均吞吐量。考慮在信道條件不理想情況下進(jìn)一步改善感知性能,提出基于協(xié)作頻譜感知(CSS)的多弧度吞吐量優(yōu)化方案,利用交替迭代優(yōu)化(AIO)算法對感知弧度和弧度數(shù)量進(jìn)行聯(lián)合優(yōu)化以最大化吞吐量。仿真結(jié)果表明,該文提出的多弧度協(xié)作頻譜感知方案在信道衰落嚴(yán)重時,對于主用戶(PU)服務(wù)質(zhì)量(QoS)和UAV吞吐量有明顯提升。
由于強(qiáng)大的高質(zhì)量圖像生成能力,生成對抗網(wǎng)絡(luò)在圖像融合和圖像超分辨率等計(jì)算機(jī)視覺的研究中得到了廣泛關(guān)注。目前基于生成對抗網(wǎng)絡(luò)的遙感圖像融合方法只使用網(wǎng)絡(luò)學(xué)習(xí)圖像之間的映射,缺乏對遙感圖像中特有的全銳化領(lǐng)域知識的應(yīng)用。該文提出一種融入全色圖空間結(jié)構(gòu)信息的優(yōu)化生成對抗網(wǎng)絡(luò)遙感圖像融合方法。通過梯度算子提取全色圖空間結(jié)構(gòu)信息,將提取的特征同時加入判別器和具有多流融合架構(gòu)的生成器,設(shè)計(jì)相應(yīng)的優(yōu)化目標(biāo)和融合規(guī)則,從而提高融合圖像的質(zhì)量。結(jié)合WorldView-3衛(wèi)星獲取的圖像進(jìn)行實(shí)驗(yàn),結(jié)果表明,所提方法能夠生成高質(zhì)量的融合圖像,在主觀視覺和客觀評價指標(biāo)上都優(yōu)于大多先進(jìn)的遙感圖像融合方法。
為解決基于時空正則項(xiàng)的目標(biāo)跟蹤算法(STRCF)在目標(biāo)短時遮擋時定位精度低和目標(biāo)旋轉(zhuǎn)時尺度估計(jì)不準(zhǔn)確的問題,該文提出了一種目標(biāo)響應(yīng)自適應(yīng)的通道可靠性跟蹤算法。該算法在目標(biāo)模型訓(xùn)練時加入了目標(biāo)響應(yīng)正則項(xiàng),通過在求解過程中更新理想目標(biāo)響應(yīng)函數(shù),使得目標(biāo)被短時遮擋后可重新跟蹤目標(biāo);加入通道可靠性評價各特征通道的可靠性,提高了模型對目標(biāo)的表達(dá)能力;將目標(biāo)圖像轉(zhuǎn)換至對數(shù)極坐標(biāo)系下訓(xùn)練尺度濾波器,提高在目標(biāo)旋轉(zhuǎn)時的尺度估計(jì)精度。實(shí)驗(yàn)結(jié)果表明,該文所提算法較STRCF在平均中心位置誤差中降低了28.54個像素,在平均重疊率中提高了22.8%,在OTB2015數(shù)據(jù)集下成功率曲線下面積較STRCF提高了1.5%。
為減小光照不均與隨機(jī)抖動對胸環(huán)靶著彈檢測精度的影響,該文提出一種融合時空上下文信息的胸環(huán)靶著彈檢測算法。利用目標(biāo)及其鄰域的空間上下文信息進(jìn)行光照均衡化,并提取胸環(huán)靶序列間時域運(yùn)動上下文信息進(jìn)行抖動校正。為提高胸環(huán)靶圖像的穩(wěn)定性,該算法提出多參數(shù)融合方法對抖動校正后的序列圖像進(jìn)行像素級融合。接著進(jìn)行彈孔區(qū)域粗提取、能量篩選與重疊彈孔判別,獲得彈孔位置分布。采用在部隊(duì)靶場實(shí)地采集的圖像進(jìn)行實(shí)驗(yàn),驗(yàn)證了該算法可以有效抑制光照不均與隨機(jī)抖動帶來的噪聲影響,具有較好的彈孔提取能力。
針對區(qū)間型不確定數(shù)據(jù)的特點(diǎn),該文提出一種改進(jìn)的模糊C均值聚類算法(IU-IFCM)。首先對區(qū)間型數(shù)據(jù)進(jìn)行特征變換,由p維特征映射成由2p維特征組成的實(shí)數(shù)據(jù),然后考慮區(qū)間中值與區(qū)間大小關(guān)系,設(shè)計(jì)一種樣本距離計(jì)算方法,通過模糊C均值實(shí)現(xiàn)對區(qū)間型樣本聚類。理論分析與對比實(shí)驗(yàn)表明,該算法的劃分系數(shù)(PC)及正確等級(CR)值比其它方法平均提高10%以上,表明有更好的聚類精度,對當(dāng)前大數(shù)據(jù)環(huán)境下不確定數(shù)據(jù)的分類提供了一種新的解決方案。
近年來,超多目標(biāo)優(yōu)化問題(MaOPs)成為了進(jìn)化計(jì)算領(lǐng)域的研究熱點(diǎn)。然而,在處理各種優(yōu)化問題中,如何有效地平衡收斂性和多樣性仍是一個難題。為了解決上述的問題,該文提出了一種基于分解和支配關(guān)系的超多目標(biāo)進(jìn)化算法(DdrEA)。首先利用權(quán)重向量把整個種群分解為一組子種群,這些子種群將進(jìn)行協(xié)同優(yōu)化;然后利用角度和角度支配關(guān)系計(jì)算子種群內(nèi)每個解的值;最后根據(jù)適應(yīng)度值進(jìn)行精英選擇,即在每個子空間內(nèi)選取適應(yīng)度值最小的解作為精英解進(jìn)入下一代。DdrEA通過與當(dāng)前較優(yōu)的NSGA-II/AD, RVEA, MOMBI-II等多個超多目標(biāo)進(jìn)化算法進(jìn)行實(shí)驗(yàn)對比,實(shí)驗(yàn)結(jié)果表明該文算法性能明顯優(yōu)于對比算法,能夠有效平衡種群的收斂性和多樣性。
隨著人工智能的發(fā)展,許多優(yōu)化問題發(fā)展為高維的大規(guī)模優(yōu)化問題。在自然計(jì)算方法中,針對高維問題雖然能避免算法陷入局部最優(yōu),但是在收斂速度和時間可行性上卻不占優(yōu)勢。該文在傳統(tǒng)自然計(jì)算方法的基礎(chǔ)上,提出了非線性降維的自然計(jì)算方法(NDR),該策略不依賴具體的算法,具有普適性。該方法將初始化的N個個體看做一個N行D列的矩陣,然后對矩陣的列向量求最大線性無關(guān)組,從而減少矩陣的冗余度,達(dá)到降低維度的目的。在此過程中,由于剩余的任意列向量組均可由最大線性無關(guān)組表示,所以通過對最大線性無關(guān)組施加一個隨機(jī)系數(shù)來維持種群的多樣性和完整性。將該文所提策略分別應(yīng)用到標(biāo)準(zhǔn)遺傳算法(GA)和粒子群優(yōu)化算法(PSO)中,并與標(biāo)準(zhǔn)粒子群算法、遺傳算法以及目前主流的對維數(shù)進(jìn)行優(yōu)化的4個算法對比,實(shí)驗(yàn)證明,改進(jìn)的算法對大部分標(biāo)準(zhǔn)測試函數(shù)都具有很強(qiáng)的全局收斂能力,其尋優(yōu)能力超過了上述6個算法,同時改進(jìn)后的算法在運(yùn)行時間上遠(yuǎn)優(yōu)于對比算法。
心律失常等慢性心血管疾病嚴(yán)重影響人類健康,采用心電信號(ECG)實(shí)現(xiàn)心律失常自動分類可有效提高該類疾病的診斷效率,降低人工成本。為此,該文基于1維心電信號,提出一種改進(jìn)的長短時記憶網(wǎng)絡(luò)(LSTM)方法實(shí)現(xiàn)心律失常自動分類。該方法首先設(shè)計(jì)深層卷積神經(jīng)網(wǎng)絡(luò)(CNN)對心電信號進(jìn)行深度編碼,提取心電信號形態(tài)特征。其次,搭建長短時記憶分類網(wǎng)絡(luò)實(shí)現(xiàn)基于心電信號特征的心律失常自動分類。基于MIT-BIH心律失常數(shù)據(jù)庫進(jìn)行的實(shí)驗(yàn)結(jié)果表明,該方法顯著縮短分類時間,并獲得超過99.2%的分類準(zhǔn)確率,靈敏度等評價參數(shù)均得到不同程度的提高,滿足心電信號自動分類實(shí)時高效的要求。
針對經(jīng)典軌跡與實(shí)時軌跡之間的大差異性,該文利用最長公共子序列理論,提出一種魯棒的軌跡相似度量方法。該方法首先利用點(diǎn)到線段之間的距離判斷經(jīng)典軌跡的點(diǎn)與實(shí)時軌跡的線段是否一致;然后利用改進(jìn)的多對1最長公共子序列算法,計(jì)算經(jīng)典軌跡與實(shí)時軌跡之間的最長公共子序列長度;最后將最長公共子序列長度與經(jīng)典軌跡的點(diǎn)數(shù)的比值作為經(jīng)典軌跡與實(shí)時軌跡之間的相似度。實(shí)驗(yàn)說明該算法的魯棒性,該算法能夠有效解決經(jīng)典軌跡與實(shí)時軌跡之間的大差異軌跡相似度量問題。
短波鏈路不同傳播模式的多徑時延通常為0.5~2.0 ms,該文研究同一傳播模式的多徑時延,在考慮地磁場影響的情況下,將電離層短波傳播的折射指數(shù)和射線追蹤結(jié)合起來,給出了數(shù)值迭代算法,實(shí)現(xiàn)了用數(shù)值方法來描述電離層色散引起的多徑時延,并進(jìn)行了數(shù)值仿真,得出短波寬帶通信的模擬帶寬應(yīng)為48 kHz。
被動聲吶信號處理中,致力于實(shí)現(xiàn)連續(xù)且穩(wěn)定的目標(biāo)方位跟蹤。在復(fù)雜的水下環(huán)境中,由于干擾和噪聲的存在,以及陣列孔徑的限制,方位檢測結(jié)果中不可避免地存在很多軌跡中斷、野值、干擾與目標(biāo)間的方位交叉。該文提出了一種基于水下無人航行器的多目標(biāo)被動跟蹤算法,使用基于航行器運(yùn)動信息的粒子采樣預(yù)測方法進(jìn)行軌跡中斷預(yù)測補(bǔ)齊,使用基于航行器運(yùn)動信息的觀測門限設(shè)置方法自適應(yīng)設(shè)置跟蹤門限,使用塊關(guān)聯(lián)跟蹤方法進(jìn)行軌跡中斷關(guān)聯(lián)和方位交叉關(guān)聯(lián)。仿真和實(shí)驗(yàn)結(jié)果表明,該算法能夠?qū)崿F(xiàn)正確的多目標(biāo)跟蹤。
星載合成孔徑雷達(dá)(SAR)稀疏重航過3維成像技術(shù)通過交軌向的多次飛行觀測,獲得觀測場景的第3維分辨。該文給出了單顆衛(wèi)星SAR稀疏重航過軌道分布,為有效縮短重訪時間,同時給出了編隊(duì)雙星SAR軌道分布,對應(yīng)的交軌向等效孔徑長度為20 km。提出了一種基于干涉處理和頻域壓縮感知(CS)的稀疏3維成像方法,利用稀疏重航過中的部分回波形成參考3維復(fù)圖像,對待重建SAR 3維圖像信號進(jìn)行干涉處理,使信號在頻域具備稀疏性。在大軌道分布范圍下,建立頻域距離向-交軌向線性測量矩陣,利用CS理論聯(lián)合求解稀疏表征下的圖像頻譜,避免交軌向和距離向的回波信號耦合。將求解所得頻譜逆變換至空間域,可得到觀測場景的3維圖像重建結(jié)果。仿真結(jié)果表明,該文方法在稀疏采樣率74.4%條件下,仍可獲得與滿采樣成像性能相當(dāng)?shù)慕Y(jié)果,驗(yàn)證了干涉處理頻域稀疏方法在星載SAR 3維成像中的有效性。
無人機(jī)旋翼轉(zhuǎn)動產(chǎn)生的微多普勒調(diào)制能夠反映此類目標(biāo)的微動特性,準(zhǔn)確估計(jì)無人機(jī)旋翼長度、轉(zhuǎn)動頻率對于無人機(jī)的檢測與識別具有重要意義。該文針對調(diào)頻連續(xù)波體制雷達(dá),提出一種基于時頻集中度指標(biāo)(CTF)的多旋翼無人機(jī)微動特征參數(shù)估計(jì)方法,推導(dǎo)了無人機(jī)旋翼微動特征參數(shù)與微多普勒分量信號參數(shù)之間的映射關(guān)系,在時頻旋轉(zhuǎn)域基于時頻集中度指標(biāo),提高了各微動分量的區(qū)分度,相比于傳統(tǒng)方法,提高了多分量微多普勒信號的參數(shù)估計(jì)精度,在低信噪比環(huán)境下也具有很好的魯棒性。通過仿真和實(shí)際場景實(shí)驗(yàn)驗(yàn)證了方法的有效性。
針對汽車?yán)走_(dá)方位角分辨率受方位向天線長度限制的問題,該文提出一種基于多波束實(shí)孔徑雷達(dá)圖像融合來提升汽車?yán)走_(dá)方位角分辨率的成像方法。該方法首先利用相控陣天線波束電掃描來獲取前視實(shí)孔徑雷達(dá)圖像,然后根據(jù)汽車?yán)走_(dá)成像幾何關(guān)系通過多張多角度實(shí)孔徑雷達(dá)圖像相參累加來提升雷達(dá)方位角分辨率。計(jì)算機(jī)仿真結(jié)果驗(yàn)證了該方法在提升汽車?yán)走_(dá)方位角分辨率的有效性。
在輻射源個體識別(SEI)技術(shù)中,能量較高的主信號往往導(dǎo)致微弱個體特征穩(wěn)定性降低,進(jìn)而影響最終的個體識別效果。為了解決該問題并提升輻射源個體識別性能,該文提出基于同步壓縮小波變換的主信號抑制技術(shù)。首先,利用靜態(tài)小波變換完成對帶噪信號的去噪預(yù)處理;然后,利用同步壓縮小波變換完成對主信號的檢測和抑制,并以均方根誤差和皮爾遜相關(guān)系數(shù)為數(shù)值指標(biāo),驗(yàn)證算法的有效性;最后,在主信號抑制的基礎(chǔ)上,利用分形理論中盒維數(shù)完成對信號的特征提取,并利用單核支持向量機(jī)驗(yàn)證個體識別性能。實(shí)驗(yàn)結(jié)果表明,與主信號抑制之前相比,主信號抑制算法下個體識別率提升了10%左右,驗(yàn)證了同步壓縮小波變換的主信號抑制算法對輻射源個體識別率提升的有效性。
采用非線性對比源反演(CSI)算法求解電磁逆散射問題時,在每次迭代過程中都涉及到求解散射場數(shù)據(jù)關(guān)于對比源和總場的微分,即Jacobi矩陣,該矩陣求解導(dǎo)致算法存在計(jì)算代價大和收斂速度慢等問題。該文在CSI框架下,采用一種基于隨機(jī)平均梯度下降的對比源反演算法(SAG-CSI)代替原來的全梯度交替共軛梯度算法來重構(gòu)介質(zhì)目標(biāo)介電常數(shù)的空間分布信息。該方法在每次迭代中只需計(jì)算隨機(jī)抽取的部分測量數(shù)據(jù)在目標(biāo)函數(shù)中的梯度信息,同時目標(biāo)函數(shù)對未抽中的測量數(shù)據(jù)的梯度信息保持不變,用以上兩部分梯度信息共同求解出目標(biāo)函數(shù)的最優(yōu)值。由模擬數(shù)據(jù)結(jié)果表明,該方法與傳統(tǒng)CSI方法在成像精度相比擬的情況下,降低了計(jì)算代價并提高算法收斂速度。
為揭示通信電臺復(fù)雜電磁環(huán)境效應(yīng)機(jī)理,該文采用全電平輻照法實(shí)驗(yàn)研究了某型超短波數(shù)字通信電臺的單頻和帶外雙頻電磁輻射阻塞效應(yīng),確定了其單頻電磁輻射效應(yīng)規(guī)律和敏感帶寬,實(shí)驗(yàn)數(shù)據(jù)表明受試電臺對帶外雙頻3階互調(diào)阻塞較單頻電磁輻射阻塞干擾敏感9~23 dB。實(shí)驗(yàn)過程中發(fā)現(xiàn)了一種既不能用雙頻非互調(diào)迭加機(jī)理解釋、也不能用3階交互調(diào)機(jī)理解釋的雙頻電磁輻射敏感現(xiàn)象。