論文元數(shù)據(jù)搜索，找到相關(guān)信息共 5 條：
2020, 42(3): 720-728.
doi: 10.11999/JEIT190230
刊出日期：2020-03-19
SIMON系列算法自提出以來便受到了廣泛關(guān)注。積分分析方面，Wang，F(xiàn)u和Chu等人給出了SIMON32和SIMON48算法的積分分析，該文在已有的分析結(jié)果上，進(jìn)一步考慮了更長分組的SIMON64算法的積分分析?；?em>Xiang等人找到的18輪積分區(qū)分器，該文先利用中間相遇技術(shù)和部分和技術(shù)給出了25輪SIMON64/128算法的積分分析，接著利用等價(jià)密鑰技術(shù)進(jìn)一步降低了攻擊過程中需要猜測的密鑰量，并給出了26輪SIMON64/128算法的積分分析。通過進(jìn)一步的分析，該文發(fā)現(xiàn)高版本的SIMON算法具有更好抵抗積分分析的能力。
1995, 17(5): 492-499.
刊出日期：1995-09-19
關(guān)鍵詞:
代數(shù)幾何碼; 基本累次算法; 譯碼算法
設(shè)C是虧格為g的不可約代數(shù)曲線;C*(D,G)為C上的代數(shù)幾何碼,該碼的設(shè)計(jì)距離為d*=deg(G)-2g+2。本文首先從理論上證明所給算法的合理性,然后給出一種基于基本累次算法(FIA)的譯碼算法。該算法是G.L.Feng等人(1993)提出的算法的改進(jìn)。它可對[(d*-1)/2]個(gè)錯(cuò)誤的接收向量進(jìn)行譯碼。運(yùn)算量與存貯量約為G.L.Feng等人算法的一半,且便于軟硬件實(shí)現(xiàn)。
2004, 26(6): 966-970.
刊出日期：2004-06-19
關(guān)鍵詞:
機(jī)動目標(biāo)模型;跟蹤算法
在當(dāng)前統(tǒng)計(jì)模型的基礎(chǔ)上，結(jié)合實(shí)時(shí)輸入估計(jì)算法(Feng xinxi等，1996)的思想，提出了一種新的機(jī)動目標(biāo)模型，并利用其方差調(diào)整關(guān)系建立了自適應(yīng)跟蹤算法。大量仿真結(jié)果表明該模型能夠準(zhǔn)確描述目標(biāo)的各種機(jī)動情況，跟蹤算法具有良好的跟蹤性能，具有實(shí)際應(yīng)用價(jià)值。
2022, 44(4): 1402-1411.
doi: 10.11999/JEIT210293
刊出日期：2022-04-18
為了解決5G大規(guī)模機(jī)器類通信場景下大規(guī)模接入和如何提高頻譜效率的問題，該文針對免調(diào)度非正交多址接入(NOMA)系統(tǒng)上行鏈路，通過采用插入函數(shù)在2元Golay序列上插入元素的方法，提出具有低峰均功率比(PAPR)且長度為非2冪次的2元擴(kuò)頻序列集。仿真結(jié)果表明，得到的序列集具有低相干性，這為基于壓縮感知的活躍用戶檢測提供了可靠的性能。同傳統(tǒng)的Zadoff-Chu序列相比，新型2元序列集具有更小的字符集，便于實(shí)現(xiàn)。此外，所構(gòu)造的序列PAPR最大為4，低于高斯隨機(jī)序列和Zadoff-Chu序列，因此可以有效解決時(shí)域信號峰均功率比過高的問題。
2015, 37(2): 297-302.
doi: 10.11999/JEIT140535
刊出日期：2015-02-19
微波3維成像能夠準(zhǔn)確地從背景噪聲中分離出目標(biāo)的散射信息，適用于外場目標(biāo)電磁(EM)散射特性的分析和研究，因而從3維合成孔徑雷達(dá)(SAR)成像的角度研究目標(biāo)電磁的散射特性是目前的一個(gè)新興的熱門課題。該文以此為背景，首先從Stratton-Chu積分方程出發(fā)詳細(xì)推導(dǎo)3維SAR的近場波數(shù)域成像過程，解釋3維SAR成像的物理意義；然后闡述基于3維SAR成像的雷達(dá)散射截面積(RCS)近遠(yuǎn)場變換原理，介紹3維SAR圖像的散射中心提取方法，給出基于3維SAR成像的RCS近遠(yuǎn)場變換算法；最后通過FEKO軟件進(jìn)行了仿真實(shí)驗(yàn)，得到了5個(gè)點(diǎn)目標(biāo)的RCS近遠(yuǎn)場變換的方位特性曲線和頻率特性曲線，并通過與理論情況的對比，驗(yàn)證該算法在RCS近遠(yuǎn)場變換技術(shù)中的有效性。
