一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

壓縮感知多測量向量(MMV)模型用于解決具有相同稀疏結(jié)構(gòu)的多快拍問題，在傳統(tǒng)陣列信號處理應(yīng)用中多重信號分類(MUSIC)方法是一種常見的方法，但當(dāng)快拍數(shù)不足(低于稀疏度)時其性能將急劇惡化。Kim等人(2012)推導(dǎo)出一種修正的MUSIC譜，并將壓縮重構(gòu)方法和MUSIC算法結(jié)合提出壓縮感知MUSIC算法(CS-MUSIC)，能夠有效克服快拍數(shù)不足的問題。該文將Kim等人的結(jié)論擴(kuò)展到一般情形，并基于傳統(tǒng)的MUSIC譜和CS-MUSIC譜提出一種修正的MUSIC算法(MMUSIC)。仿真結(jié)果表明所提算法能夠有效克服快拍數(shù)不足的問題，并且具有比CS-MUSIC算法和壓縮感知貪婪算法更高的重構(gòu)概率。

本文采用小波包變換方法對電磁散射波數(shù)據(jù)進(jìn)行了分析,表明小波包變換的自適應(yīng)多分辨分析性質(zhì)非常適合電磁波的多尺度特征分析。特別地,在計算速度和分析效果等方面都優(yōu)于H。Kim,J。Ling(1992,1993)所采用的連續(xù)小波變換技術(shù),從而豐富和發(fā)展了電磁波的時頻分析手段,同時也為小波技術(shù)在瞬變電磁場的進(jìn)一步應(yīng)用提供了新途徑。

目前國際上對極化SAR干涉定標(biāo)技術(shù)的研究還處在理論和試驗的階段。所提出的算法存在諸多的局限性。本論文在分析極化SAR干涉系統(tǒng)誤差源的基礎(chǔ)上，提出了利用干涉敏感度方程的Pol-InSAR定標(biāo)改進(jìn)算法。該算法利用敏感度方程進(jìn)行迭代參數(shù)估計，不僅提高了基線估計值的精度，而且克服了Kim等人(2000)提出的理論算法中的平地模型假設(shè)，擴(kuò)大了Pol-InSAR定標(biāo)算法的應(yīng)用范圍。最后通過模擬森林地區(qū)Pol-InSAR數(shù)據(jù)，仿真試驗分析比較了改進(jìn)算法與傳統(tǒng)算法定標(biāo)試驗的結(jié)果，改進(jìn)算法有很大的優(yōu)勢。

環(huán)簽名是提供匿名發(fā)布信息的巧妙方法，該文首次給出了基于身份的可鏈接環(huán)簽名和可鏈接可轉(zhuǎn)換環(huán)簽名的概念與安全的形式化定義。以Zhang和Kim的環(huán)簽名方案為例，給出了為某些基于身份環(huán)簽名添加可鏈接性的方法。并分別提出了高效的基于身份的可鏈接環(huán)簽名和可鏈接可轉(zhuǎn)換環(huán)簽名方案，方案除滿足完備匿名性和適應(yīng)性選擇消息攻擊下的不可偽造性外，還分別滿足可鏈接性和對非簽名者的不可轉(zhuǎn)換性。

在車載網(wǎng)絡(luò)(VANETs)中，聯(lián)邦學(xué)習(xí)(FL)通過協(xié)同訓(xùn)練機(jī)器學(xué)習(xí)模型，實現(xiàn)了車輛間的數(shù)據(jù)隱私保護(hù)，并提高了整體模型的性能。然而，F(xiàn)L在VANETs中的應(yīng)用仍面臨諸多挑戰(zhàn)，如模型泄露風(fēng)險、訓(xùn)練結(jié)果驗證困難以及高計算和通信成本等問題。針對這些問題，該文提出一種面向聯(lián)邦學(xué)習(xí)的可驗證隱私保護(hù)批量聚合方案。首先，該方案基于Boneh-Lynn-Shacham (BLS)動態(tài)短群聚合簽名技術(shù)，保護(hù)了客戶端與路邊單元(RSU)交互過程中的數(shù)據(jù)完整性，確保全局梯度模型更新與共享過程的不可篡改性。當(dāng)出現(xiàn)異常結(jié)果時，方案利用群簽名的特性實現(xiàn)車輛的可追溯性。其次，結(jié)合改進(jìn)的Cheon-Kim-Kim-Song (CKKS)線性同態(tài)哈希算法，對梯度聚合結(jié)果進(jìn)行驗證，確保在聯(lián)邦學(xué)習(xí)的聚合過程中保持客戶端梯度的機(jī)密性，并驗證聚合結(jié)果的準(zhǔn)確性，防止服務(wù)器篡改數(shù)據(jù)導(dǎo)致模型訓(xùn)練無效的問題。此外，該方案還支持車輛在部分掉線的情況下繼續(xù)更新模型，保障系統(tǒng)的穩(wěn)定性。實驗結(jié)果表明，與現(xiàn)有方案相比，該方案在提升數(shù)據(jù)隱私安全性和結(jié)果的可驗證性的同時，保證了較高效率。

多快拍(MMV)問題旨在恢復(fù)具有相同稀疏結(jié)構(gòu)的多列信號。在傳統(tǒng)陣列信號處理中MMV問題的求解通常采用多重信號分類(MUSIC)等確定性方法實現(xiàn)，但當(dāng)快拍數(shù)不足或存在相干源時該類方法失效；而在壓縮感知(CS)的概率求解模型下，即使信源相干也能得到恢復(fù)結(jié)果，但現(xiàn)有算法普遍性能不足。近期Kim等人的研究表明，將CS與MUSIC相結(jié)合可得到比二者更加優(yōu)秀的性能和更為寬泛的使用條件，該方法被稱作壓縮感知 MUSIC或CS-MUSIC算法。作為一種投影型非凸優(yōu)化算法，差值映射(DM)最早用于解決X射線晶體學(xué)中的相位恢復(fù)問題，并逐漸在其他非凸及壓縮感知問題的求解中展示出優(yōu)良性能。該文提出一種基于差值映射的CS-MUSIC算法，仿真結(jié)果表明該算法在MMV問題求解中十分有效，相比經(jīng)典CS-MUSIC具有更高的恢復(fù)成功率。