一种基于模糊可靠度确定雷达故障检测间隔期的方法

将雷达装备参数漂移的动态范围模糊化 ,并基于数理统计中参数估计的理论 ,建立了雷达装备的参数模糊可靠度预计模型。把该模型应用于确定雷达电参数的故障检测周期 ,并通过实例论证此方法的优越性和实用性。     

土壤基质中路易氏剂的检测方法

详细研究了土壤基质中路易氏剂及其水解产物的检测方法,优化了路易氏剂水相巯基化衍生化条件,绘制了外标工作曲线,建立了土壤质的提取方法,用所建立的方法对多种不同土壤基质中的路锡氏剂进行提取,结果表明方法适用性良好。     

一种新的多用户检测方案

本文提出一新的多用户检测方案,它利用其所知道的用户的扩频序列,提高系统上行线路的多用户检测性能。该检测方案使用正交匹配滤波器来抑制已知和未知扩频序列的用户的干扰。     

多径条件下的空时解相关接收机研究

通过建立了一般的空时CDMA系统模型 ,探讨多址干扰和多径效应的联合抑制问题。首先分析了系统的可辨识条件 ,然后利用多约束最优化准则研究了FIR空时解相关接收机设计和实现 ,并进一步分析了系统性能     

Honeypot系统研究与比较

Honeypot系统是构建一个跟实际系统类似的网络陷阱,成为现有网络安全体系的重要补充手段。它可以诱惑攻击者将时间和资源都花费在攻击Honeypot上,从而保护真实工作系统免于攻击。它能监视和跟踪入侵者,收集入侵者的信息,以分析系统所面临的威胁,研究入侵者所用的入侵工具、策略和动机,在网络安全中起着主动防御的作用,是现有安全体系的重要补充。文章分析了构造Honeypot的分类及其优缺点,对Honeypot的实现软件进行比较,并指出了Honeypot系统存在的不足。     

基于最优未知输入观测器的BIT降虚警技术

针对基于模型的机电控制系统BIT中的虚警问题,分析了系统中的信息不确定性和产生虚警的机理,基于最优未知输入观测器方法设计了BIT故障检测诊断系统,该系统对信息不确定性具有较强的鲁棒性,能够充分地抑制虚警。在某机电跟踪与稳定伺服平台BIT系统上进行了试验研究,结果表明机理分析正确,所提方法有效。     

基于改进Hough变换的红外图像直线检测

红外图像像素分辨率低、对比度差等特点使得红外图像的直线检测较为困难.Hough变换具有较强的抗干扰性和鲁棒性,是计算机视觉领域中非常有效的直线检测方法.本文提出一种基于改进Hough变换的红外图像直线检测方法,经过实验验证,在红外图像像素分辨率低、边缘模糊等情况下,该方法能够很好地检测出边缘直线,同时确定边缘直线的端点...     

基于威胁路径的报警关联分析方法

大量的误报大大降低了现有网络入侵检测系统的实用性,利用报警日志之间的逻辑关系是降低误报率的方法之一。提出了威胁路径的概念,在此基础上提出了基于因果关系的关联分析方法。利用网络的背景信息,发掘报警日志记录之间的逻辑关系,进一步提高报警的准确性,降低误报率。经实验验证,该方法可有效降低网络入侵检测系统误报率,并可用于辅助分析网络入侵过程。     

管道在线检测技术及检测机器人研究

概述了管道检测技术发展现状,介绍了最新检测技术的原理,分析了管道内检测机器人的技术要点,概括介绍了课题组在差压式管内检测机器人周围流场建模与仿真、腐蚀环境下管道钢裂纹群演化的混沌动力学、差压式管内检测机器人的通过性能、管内检测机器人运行速度和姿态分析及运动状态控制、管内检测机器人小型化、小型化管内检测机器人检测精度、小型化管内检测机器人定位精度及管道剩余寿命的预测方法等方面的研究进展,为今后的研究打下了坚实的基础。     

基于SOINN增量自编码器的网络异常检测研究

针对批量学习的网络异常检测模型存在内存资源消耗大、无法在线更新的问题,利用自组织增量神经网络(self-organizing incremental neural network, SOINN)的增量学习特性,提出一种增量自编码器构建方式,将改进SOINN的输出神经元作为自动编码器的输入,使得模型在不破坏已有学习成果的基础上,具备增量更新能力。针对SOINN算法获胜神经元邻居节点学习率固定,不利于区分其与输入样本的相似性的问题,提出一种学习率自适应调整方法,来提升获胜神经元邻居节点的学习效率,使得算法输出神经元更能代表样本特性。针对反馈更新样本中正常样本纯度不高的问题,提出一种基于距离度量的样本标签筛选机制,通过计算反馈样本与神经元的距离来对正常样本进行筛选,使得反馈样本中正常样本比例更高,以此来提升模型的在线检测效果。在NSL-KDD数据集上开展了相关实验,实验证明所提方法具备增量学习能力,且改进SOINN的增量学习效果优于原始算法,有效节省了模型的运算和存储开销,通过基于距离的样本标签筛选机制,模型的在线检测能力有效提升。