WSNs中基于攻击感知的源位置隐私保护路由协议

为保护无线传感网络(Wireless Sensor Networks,WSNs)中的源节点位置隐私,提出基于攻击感知的源位置隐私保护路由(Attack-perceiving-based Source-Location Privacy protecting routing,ASPR).通过sink广播消息,节点获取局部的网络拓扑信息,并建立邻居列表;源节点再计算邻居节点的权重值,并选择权重最小的节点构建路由;当检测到攻击者,节点就发生警告消息,并调整构建路由策略,使攻击无法回溯源节点.仿真实验表明,提出的ASPR路由延长了源节点保持位置隐私的时间,减少了节点能耗,在安全性和网络能耗间达到平衡.     

支持原位计算的高效三角矩阵乘法向量化方法

向量化算法映射是向量处理器的难点问题。提出一种高效的支持原位计算的三角矩阵乘法向量化方法:将L1D配置为SRAM模式,用双缓冲的乒乓方式平滑多级存储结构的数据传输,使得内核的计算与DMA数据搬移完全重叠,让内核始终以峰值速度运行,从而取得最佳的计算效率;将不规则的三角矩阵乘法计算均衡分布到各个向量处理单元,充分开发向量处理器的多级并行性;将结果矩阵保存在乘数矩阵中,实现原位计算,节省了存储空间。实验结果表明,提出的向量化方法使三角矩阵乘法性能达到1053.7GFLOPS,效率为91.47%。     

高维无穷时滞NFDE概周期解的存在性和稳定性

讨论高维的中立型泛函微分方程ddtx(t)-∫0-∞q(s)x(t+s)ds=A(t,x)x(t)+f(t,xt)的概周期解问题。利用Ch空间,矩阵测度和Krasnoselski不动点定理获得了其概周期解的存在性与惟一性定理。特别地,当q=0时给出了存在惟一且一致稳定概周期解的条件,推广了文献[1～5]的结果。     

边界扫描测试的数学描述模型

IEEE1149.1边界扫描机制是一种新型的VLSI电路测试及可测试性设计的有效方法,为了高效地应用边界扫描机制对电路系统进行测试,必须对其所涉及的理论方法进行深入探讨。本文应用布尔矩阵理论建立起边界扫描测试的数学描述模型,并基于所建立的模型导出了边界扫描测试中的故障检测条件和故障隔离条件。为边界扫描测试生成算法的深入研究奠定了理论基础。     

采用随机矩阵理论的水声阵列SMI-MVDR空间谱估计技术

对角加载MVDR技术是一种经典的空间谱估计技术,在水声阵列信号处理中有着广泛的应用。该技术之所以具有较好的性能是由于其通过对角加载使样本协方差矩阵的特征值分散度减小。提出了基于随机矩阵理论的MVDR空间谱估计技术,具体思路是利用随机矩阵特征值的极限性质实现样本协方差矩阵噪声的抑制,以达到类似对角加载能够实现的特征值分散度减小的效果。仿真表明所提出的方法与对角加载方法达到了同样的目的,且当快拍数一定,而信噪比由小变大时,该方法可以达到与对角加载MVDR技术相当的性能;当信噪比设为定值,快拍数由小变大时,其与对角加载技术具有相同的DOA估计成功概率变化趋势,且在小样本情况下,此方法优势较为明显。     

一种高机动场景下的单快拍DOA估计算法

针对高机动场景下目标信号样本数据少,常规算法难以获取信号子空间的问题,提出一种基于改进协方差矩阵的单快拍DOA估计算法。所提算法首先对接收的单次采样数据做互相关预处理,利用预处理所得数据重构等效协方差矩阵,再基于MUSIC算法完成相干信号的DOA估计。在不损失阵列孔径的同时,算法保证了谱估计精度。计算机仿真表明,在样本量较小的情况下,所提算法能够有效估计出相干目标信号,较现有算法估计精度有所提高。     

BTT导弹状态反馈H_∞控制自动驾驶仪设计

针对倾斜转弯(BTT)导弹自动驾驶仪的抗干扰性和鲁棒性问题,以考虑耦合的情况下建立的更接近于实际的导弹数学模型为基础,将通道间的耦合作为干扰,在弹道特征点上对导弹模型进行解耦和线性化,得到各个通道的数学模型;设计基于线性矩阵不等式(LMI)的状态反馈H_∞控制自动驾驶仪,搭建全耦合状态下的三通道仿真模型,并进行联合仿真研究。结果表明所设计的状态反馈H_∞控制自动驾驶仪能够实现对导弹制导指令的有效跟踪,满足BTT导弹控制的要求。     

先睹为快：2020年的太空战

21纪20年代,由于灵敏的传感设备的发展,发射工具、航天运载工具和航．天拖航器等得到了充分改进,“轨道轰炸器”、反卫星卫星、“天雷”、动能武器和定向能武器等武器的研制成功和广泛应用于战场。M国和S国两个航天超级大国相继组建了各自强大的天军在太空中部署了太空舰队、太空港、空间站、航天飞机、军用卫星、机器人以及激光、粒子束、微波、电磁     

基于主因素的近似推理的矩阵表示

提出了一个主因素近似推理方法 ,并以一个算例说明了该推理策略的矩阵表示形式。     

初始先验分布未知条件下的DLMR及其Bayes预测

讨论了具有无信息初始先验分布的矩阵变量动态线性模型 (简记为DLMR)及其Bayes预测 ,利用MDIP方法 ,就尺度方差阵∑已知和未知两种情况 ,分别给出模拟初始状态参数(θ1 |D0 )和 (θ1 ,∑ |D0 )的无信息先验分布 ,进而给出其Bayes预测。