基于小波分析对网络协议指纹识别的研究

小波分析是当前信号、信息获取与处理领域(尤其是故障诊断分析与检测技术)中一个十分活跃且迅速发展的新领域,是当今国际研究热点,它同时具有理论深刻和应用十分广泛的双重意义。基于小波分析对网络协议进行指纹识别研究,利用小波变换把原始信号分解成多频段的信号,对信号进行塔式分解,通过计算处理每一层取得所有的有关Wi信息,提取指纹特征信息,并提出了检测方法和指纹识别系统的体系结构,对解决当今日益突出的网络安全问题进行有益尝试。     

小波理论的单脉冲雷达目标RCS特性测量

随着现代信号处理技术的发展,对非平稳信号分析和处理的小波分析技术已成功应用于雷达目标特性分析领域,大功率单脉冲雷达作为我国航天测控网当中的主干设备,具有一定的目标特性识别能力。主要针对目前靶场的现有装备,讨论了基于小波理论的单脉冲雷达空间目标RCS特性测量,并对窄带低分辨率雷达在未来空间目标识别中发挥其作用谈了作者的看法。     

基于二维小波变换的空间目标识别算法

对于空间目标识别这个具有挑战性的研究课题,提出了基于二维小波变换的空间目标识别算法。该算法首先对空间目标的ISAR像进行二维小波变换,然后从近似分量和细节分量中提取奇异值特征,最后应用径向基函数(RBF)神经网络进行分类识别。计算机仿真实验表明,该算法取得了比较好的识别效果。     

小波包变换和支持向量机模拟电路故障诊断方法

为提高模拟电路故障诊断效率,将小波包变换和支持向量机结合起来,提出了一种完整的模拟电路故障快算检测和准确定位的方案.利用小波包变换对电路输出电压信号进行多层分解,提取各频带的能量作为故障特征,给出了具体的特征提取方法;利用支持向量机的多分类一对一方法,完成电路的故障定位,同时实现了小波函数的选择.在一模拟电路的故障仿真实验中,通过与BP,RBF和PNN等神经网络对比,结果显示该方法的诊断效率是很高的.     

关于半鞅的可料表示性

利用鞅空间H1的泛函表示定理、泛函分析中的Hahn-Banach定理、半鞅向量随机积分的Girsanov定理,获得了半鞅可料表示性的特征。由于使用的是半鞅的向量随机积分,它推广了经典的结论。     

不均匀光照下的虹膜定位算法研究

虹膜定位是虹膜识别中的基础性环节。针对经典虹膜定位算法易受光照影响且速度慢的问题,分析不均匀光照对虹膜定位的影响,提出最小二乘法粗定位与微积分算法精定位相结合的虹膜定位方法：首先利用形态学灰度运算处理虹膜图像,对处理图像阈值化后提取并修复瞳孔区域,利用最小二乘法对瞳孔区域下部边界点进行内边缘粗略拟合;然后根据外边缘点存在区域的灰度梯度确定虹膜外边缘点,利用最小二乘法进行外边缘粗略拟合;最后利用微积分算法精确定位虹膜内外边缘。以中国科学院虹膜库CASIA（version 2.0）1 200幅虹膜图像做实验,平均耗费时间为4.38 s,定位成功率为98.3%。与经典的Daugman算法和Hough变换算法相比,所提出的算法对不同光照条件下的虹膜图像能更准确、快速地定位。     

基于小波游程编码的改进算法

提出一种基于小波和数学形态学的自适应游程编码的改进算法.与其他优秀的小波图像编码算法一样,自适应游程编码是一种对小波域经数学形态学处理得到的小波显著系数的有效编码方式.图像小波分解.经数学形态学膨胀处理后,位平面将出现大量极长的连"0",利用游程编码将是非常有效的.改进的自适应游程编码算法最突出的新特点是其可以将原始比特流转换成码长的二进制编码.实验结果表明,当连续码流相等的情况下,改进的算法可以有效减少编码长度.     

基于MIDI音乐的数字音频半脆弱性水印算法的研究

提出了一种基于MIDI音乐的音频半脆弱性水印算法，将待嵌入水印转化为MIDI音乐，并对水印进行了主成份分析，可在具有较小冗余的载体中进行嵌入；尔后，用混沌加密及重复编码，来提高水印的鲁棒性；同时采用三种检测方法，提高对水印提取的判断正确率。实验结果表明，算法对于一般性的攻击（剪切、回声等）具有较好的鲁棒性，可实现较好的认证功能。     

基于小波包和支持向量机的舰用发动机故障诊断

舰用发动机是一个复杂的大系统,由于受到海洋恶劣气候的影响,其故障发生的概率大大增加,因此,对舰用发动机故障诊断进行研究具有重大实际意义。以舰用发动机的主泵轴承为例,提出了基于小波包和支持向量机的故障诊断方法。首先采用振动加速度传感器获取轴承的振动信号,然后对采集数据进行多层小波包分解,求各频带信号能量,形成各种故障模式下的特征向量。将形成的故障特征向量训练集输入到支持向量机,通过训练建立诊断分类器,并运用测试数据对建立的诊断分类器进行测试。实验结果表明,该方法可以很好地实现舰用发动机故障诊断效能,具有很好的工程应用前景。     

Minimal LST representations of MAP(n)s: Moment fittings and queueing approximations

A Markovian arrival process of order n, MAP(n), is typically described by two n × n transition rate matrices in terms of rate parameters. While it is straightforward and intuitive, the Markovian representation is redundant since the minimal number of parameters is n² for non‐redundant MAP(n). It is well known that the redundancy complicates exact moment fittings. In this article, we present a minimal and unique Laplace‐Stieltjes transform (LST) representations for MAP(n)s. Even though the LST coefficients vector itself is not a minimal representation, we show that the joint LST of stationary intervals can be represented with the minimum number of parameters. We also propose another minimal representation for MAP(3)s based on coefficients of the characteristic polynomial equations of the two transition rate matrices. An exact moment fitting procedure is presented for MAP(3)s based on two proposed minimal representations. We also discuss how MAP(3)/G/1 departure process can be approximated as a MAP(3). A simple tandem queueing network example is presented to show that the MAP(3) performs better than the MAP(2) in queueing approximations especially under moderate traffic intensities. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 549–561, 2016