关于Tu-Deng函数的一个注记

2009年,Tu和Deng在一个组合猜想成立的基础上,构造了同时具有最优代数免疫性、最优代数次数和高非线性度的一类偶数元布尔函数.这类函数被称为Tu-Deng函数.基于同一猜想,Tu和Deng又构造了同时具有次最优代数免疫性、最优代数次数和较高非线性度的一类偶数元的l -阶弹性函数.通过研究由Tu-Deng函数导出的两个布尔函数的级联的密码学性质,在Tu-Deng猜想成立的基础上,给出一类奇数元的1 -阶弹性布尔函数.这类函数同时具有次最优代数免疫性、最优代数次数和较高非线性度.     

基于截断函数的有限时间滑模控制方法

针对一类二阶不确定非线性系统的鲁棒控制问题,提出一种基于截断函数的有限时间滑模控制算法。该算法具有以下特点:系统状态可在期望的有限时刻收敛为零;受控系统对外部扰动和参数不确定性具有全局鲁棒特性;系统状态的动态响应可解析预测;通过选择不同的截断函数可以实现对控制器性能的调节。仿真结果验证了所提算法的有效性。     

基于改进的软阈值小波包网络的电力信号消噪

为了克服传统软、硬阈值在信号消噪中存在的不足,首先构造了一种新的软阈值函数,并将小波包变换和神经网络相结合;然后,基于改进的软阈值小波包网络对实际采集电力信号进行消噪。MATLAB仿真结果表明:改进的软阈值小波包网络比传统硬、软阈值小波包消噪的信噪比高,且均方根误差小,是一种非常有效的电力信号消噪方法。     

相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。     

基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。     

基于EEMD降噪和模糊函数奇异值向量的雷达辐射源信号识别算法

针对目前基于模糊函数提取的几何学特征,在低信噪比时表征能力弱,导致识别准确率不高的问题,提出了一种基于EEMD降噪和模糊函数奇异值向量的识别方法.选取合适的EEMD参数,对时域信号进行降噪,提取模糊函数矩阵奇异值向量,求解其交叉熵作为特征,实现雷达辐射源信号识别.仿真实验表明,信噪比大于-5 dB时,所提方法对于BPS...     

用户偏好提取MDP建模研究

将马尔可夫判决过程和智能强化学习算法相结合,给出了异构无线网络环境下用户业务偏好评估模型的技术框架。为动态环境下用户需求的感知、量化和适配特征的研究提供了基本的数学描述,对解决用户体验的评价问题和业务与业务环境的适配问题提供了新的研究思路。仿真结果表明所构建的MDP模型能够在多状态条件下学习用户偏好,根据用户需求智能选择业务。     

矢量偏差小波函数（Ⅱ）

基于数学辩证法思想,提出了一种新的小波变换即矢量积小波变换、这种变换对信号处理尤其是高信信号处理十分有用。建立了矢量小波函数、矢量尺度函数和偏差小波函数,它们适合信号分析与处理。分析并提出了一种新的信号表示,并用最优控制理论实现了数值测试,结果表明该方法明显优于传统方法。     

一种α稳定分布噪声下的跳频参数盲估计方法

针对目前以高斯白噪声为模型的大部分跳频参数估计方法在α稳定分布噪声背景下,性能急剧下降的缺点,对跳频信号进行两次窗函数长短不同的分数低阶STFT,从而得到两组时频数据,,将两组时频数据点乘,得到新的时频表示,基于时频分析的跳频参数估计方法,实现跳频参数的估计。仿真实验表明,提出的方法有效抑制了α噪声,在α=0.8,GSNR≥1 d B;α=1.5,GSNR≥0 d B时,可以实现跳频周期的准确估计。在α=1.5,GSNR=3 d B时,该算法跳变时刻估计值最大相对误差比STFT低3%、比分数低阶STFT低1.6%,跳变频率估计值更加精确。