論文元數(shù)據(jù)搜索，找到相關(guān)信息共 11 條：
2007, 29(10): 2508-2511.
doi: 10.3724/SP.J.1146.2006.00310
刊出日期：2007-10-19
關(guān)鍵詞:
Liu混沌系統(tǒng);混沌同步;反饋控制;T-S模型;模糊控制
論文研究了新近提出的Liu混沌系統(tǒng)(2004)的模糊反饋同步方法。Liu混沌系統(tǒng)結(jié)構(gòu)不同于以往的連續(xù)混沌系統(tǒng)，本文基于T-S(Takagi-Sugeno)模糊模型重構(gòu)了Liu混沌系統(tǒng)；然后用Lyapunov理論和反饋同步的思想推導(dǎo)了兩個(gè)重構(gòu)的Liu系統(tǒng)同步的穩(wěn)定性條件，并給出了誤差系統(tǒng)以衰減率全局漸近穩(wěn)定的充分條件；最后基于LMI方法進(jìn)行了仿真實(shí)驗(yàn)。良好的仿真結(jié)果驗(yàn)證了本文算法的有效性和快速性。
2004, 26(10): 1620-1625.
刊出日期：2004-10-19
關(guān)鍵詞:
信息隱藏; 數(shù)字水印; LU分解
該文提出了一種新的基于矩陣LU分解的數(shù)字水印算法。該方法首先將數(shù)字圖像的非負(fù)矩陣表示轉(zhuǎn)化為G-對(duì)角占優(yōu)矩陣，再進(jìn)行LU分解，通過量化函數(shù)進(jìn)行數(shù)字水印的嵌入，恢復(fù)水印時(shí)不需要原始圖像。將矩陣的LU分解數(shù)字水印算法與DCT的中頻系數(shù)比較法進(jìn)行了對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明這種方法運(yùn)算速度快并且具有很好的魯棒性。
2013, 35(9): 2234-2239.
doi: 10.3724/SP.J.1146.2012.01527
刊出日期：2013-09-19
針對(duì)基于orth的稀疏目標(biāo)定位算法中orth預(yù)處理會(huì)影響原信號(hào)的稀疏性的問題，該文提出一種基于LU分解的稀疏目標(biāo)定位算法。該算法通過網(wǎng)格化感知區(qū)域把目標(biāo)定位問題轉(zhuǎn)化為壓縮感知問題，并利用LU分解法對(duì)觀測字典進(jìn)行分解得到新的觀測字典。該觀測字典有效地滿足了約束等距性條件，同時(shí)對(duì)觀測值的預(yù)處理過程不影響原信號(hào)的稀疏性，從而有效地保證了算法的重建性能，提升了算法的定位精度。實(shí)驗(yàn)結(jié)果表明，基于LU分解的稀疏目標(biāo)定位算法的性能遠(yuǎn)優(yōu)于基于orth的稀疏目標(biāo)定位算法，目標(biāo)的定位精度得到了較大地提升。
2010, 32(8): 2019-2022.
doi: 10.3724/SP.J.1146.2009.01401
刊出日期：2010-08-19
矩陣方程的快速求解是矩量法計(jì)算電大問題的關(guān)鍵，LU分解是求解線性方程組的有效方法。該文詳細(xì)地分析了Doolittle LU分解過程，基于分解過程的特點(diǎn)，在MPI(Message-Passing interface) 并行環(huán)境下，提出了按直角式循環(huán)對(duì)進(jìn)程進(jìn)行任務(wù)分配的并行求解方法。實(shí)驗(yàn)證明該方法可以有效地減少進(jìn)程間數(shù)據(jù)通信量，從而加快計(jì)算速度。
2017, 39(3): 743-748.
doi: 10.11999/JEIT160300
刊出日期：2017-03-19
微支付交易具有交易量極大且單次交易額極小的特點(diǎn)，使得復(fù)雜的認(rèn)證協(xié)議不適用于微支付。Micali等人(2002)提出的基于概率選擇微支付方案，把微支付聚合成宏支付，大幅提高了微支付的效率。Liu-Yan在(2013)提出了保證所有參與者的數(shù)據(jù)融入概率選擇結(jié)果的生成, 而且使得所有參與者可以驗(yàn)證結(jié)果的公平性。然而，Liu-Yan方案中銀行可能獲得額外利益，從而破壞了協(xié)議的公平性。該文首先分析了Liu-Yan方案的安全威脅，并且以1個(gè)用戶-1個(gè)商家的模型代替Liu-Yan方案中大量用戶-1個(gè)商家的模型，以數(shù)據(jù)承諾技術(shù)為基礎(chǔ)保障結(jié)果的公平性與可驗(yàn)證性。
2012, 34(12): 2881-2884.
doi: 10.3724/SP.J.1146.2012.00804
刊出日期：2012-12-19
該文推廣了Liu Fang等人(2010)給出的周期為pn, p為奇素?cái)?shù)，n為正整數(shù)的廣義分圓序列的構(gòu)造，并確定了新構(gòu)造序列的線性復(fù)雜度和自相關(guān)函數(shù)值的分布。結(jié)果表明，推廣的構(gòu)造保持了原構(gòu)造的高線性復(fù)雜度等偽隨機(jī)特性。由于取值更靈活，較之原構(gòu)造新構(gòu)造序列的數(shù)量要大得多。
2009, 31(7): 1732-1735.
doi: 10.3724/SP.J.1146.2008.00928
刊出日期：2009-07-19
關(guān)鍵詞:
環(huán)簽名;密碼分析;可轉(zhuǎn)換性
通過對(duì)Zhang-Liu-He (2006)，Gan-Chen (2004)和Wang-Zhang-Ma (2007)提出的可轉(zhuǎn)換環(huán)簽名方案進(jìn)行分析，指出了這幾個(gè)可轉(zhuǎn)換環(huán)簽名方案存在可轉(zhuǎn)換性攻擊或不可否認(rèn)性攻擊，即，環(huán)中的任何成員都能宣稱自己是實(shí)際簽名者或冒充別的成員進(jìn)行環(huán)簽名。為防范這兩種攻擊，對(duì)這幾個(gè)可轉(zhuǎn)換環(huán)簽名方案進(jìn)行了改進(jìn)，改進(jìn)后的方案滿足可轉(zhuǎn)換環(huán)簽名的安全性要求。
2003, 25(10): 1321-1326.
刊出日期：2003-10-19
貝葉斯網(wǎng)絡(luò)是一種不確定性知識(shí)的推理和描述技術(shù),針對(duì)遙感數(shù)據(jù)的復(fù)雜性和不確定性,該文提出了一種基于貝葉斯網(wǎng)絡(luò)模型的遙感數(shù)據(jù)推理和描述技術(shù)。文中利用 2002年春季中-日亞洲沙塵暴項(xiàng)目的土地利用數(shù)據(jù)(LU),沙塵監(jiān)測數(shù)據(jù)(TSP),衛(wèi)星 AVHRR時(shí)間序列 LST/Albedo數(shù)據(jù),采用貝葉斯網(wǎng)絡(luò)模型進(jìn)行了知識(shí)描述和信息推理預(yù)測實(shí)驗(yàn),取得了較好的效果。
2019, 41(4): 845-850.
doi: 10.11999/JEIT180562
刊出日期：2019-04-01
為實(shí)現(xiàn)電磁計(jì)算的安全可靠和自主可控，該文基于“天河二號(hào)”國產(chǎn)眾核超級(jí)計(jì)算機(jī)平臺(tái)，開展大規(guī)模并行矩量法(MoM)的開發(fā)工作。為減輕大規(guī)模并行計(jì)算時(shí)計(jì)算機(jī)集群的通信壓力以及加速矩量法積分方程求解，通過分析矩量法電場積分方程離散生成的矩陣具有對(duì)角占優(yōu)特性，提出一種新型LU分解算法，即對(duì)角塊矩陣選主元LU分解(BDPLU)算法，該算法減少了panel列分解的計(jì)算量，更重要的是，完全消除了選主元過程的MPI通信開銷。利用BDPLU算法，并行矩量法突破了6×105 CPU核并行規(guī)模，這是目前在國產(chǎn)超級(jí)計(jì)算平臺(tái)上實(shí)現(xiàn)的最大規(guī)模的并行矩量法計(jì)算，其矩陣求解并行效率可達(dá)51.95%。數(shù)值結(jié)果表明，并行矩量法可準(zhǔn)確高效地在國產(chǎn)超級(jí)計(jì)算平臺(tái)上解決大規(guī)模電磁問題。
2017, 39(5): 1261-1265.
doi: 10.11999/JEIT160651
刊出日期：2017-05-19
基于拉格朗日乘子法，該文提出一種2維修正離散傅里葉變換調(diào)制濾波器組的迭代設(shè)計(jì)方法。在每次迭代中，原型濾波器的設(shè)計(jì)描述成一個(gè)約束為2次函數(shù)的2次規(guī)劃問題。引入拉格朗日乘子法將問題轉(zhuǎn)化為無約束的優(yōu)化問題，通過求解線性矩陣方程得到優(yōu)化問題的解。針對(duì)矩陣方程中的系數(shù)矩陣的特點(diǎn)，運(yùn)用塊LU分解，顯著降低了運(yùn)算復(fù)雜度。仿真實(shí)驗(yàn)表明，與現(xiàn)有的設(shè)計(jì)方法相比，該文方法設(shè)計(jì)得到的2維修正離散傅里葉變換調(diào)制濾波器組的重構(gòu)誤差和阻帶衰減均有較大的改善。
- 首頁
- 上一頁
- 1
- 2
- 下一頁
- 末頁
- 共:2頁
