几种典型加密体制分析

简要分析了几种典型加密体制的基本原理,通过比较得出各种加密技术的优、缺点,及其应用领域和前景展望。结合我军指挥自动化发展过程中对安全保密技术的实际要求,选择了一种或几种合适的加密体制,对我军将要建设的指挥自动化系统(C~3I)所应用的加密算法提出了建议。     

一种16APSK信号载波残余频偏估计算法

文中提出了一种针对16A PSK信号的非数据辅助的载波残余频偏估计算法。该算法以判决后星座点的相位偏转量与判决符号数之间的数学关系为依据,通过对16APSK星座判决区域进行优化,并结合FFT方法求解相位偏转量的周期得以实现。仿真分析表明,在不同的信噪比条件下该算法通过选择适当的估计长度能快速完成高精度的频偏估计。     

基于离散小波变换的航迹——航迹关联算法

研究了传感器各维观测误差相关情况下的航迹关联问题,提出了一种基于离散小波变换的关联算法。分析了离散小波变换仅对信号收缩而高斯白噪声仍然保持白化的特性,两个航迹的关联问题被形式化为二元假设检验,以W1小波空间与VJ-1尺度空间能量比定义检验统计量,证明了统计量在H0假设下服从F分布并给出了关联判决准则。在此基础上定义了航迹相似度,将多目标航迹关联问题转化为最大权值匹配问题。仿真结果表明在观测误差无关或相关的情况下本算法关联准确性显著提高。     

MSPWVD-HOUGH变换的多目标分辨和雷达回波参数估计

传统的时频分析方法,如Winger Ville Distribution,smoothed pseudo Wigner-Ville distribution等在多目标分辨的时候,无法同时在时频分辨率和抑制交叉项两方面同时达到较好的效果,所提出的MSPWVD解决了这一问题,MSPWVDHOUGH还可在低信噪比的情况下检测出多目标,并估算其参数,可利用来进行雷达成像的运动补偿.     

基于线对线突然短路的同步电机瞬态参数辨识

准确地辨识同步电机参数,是分析电力系统运行和控制系统设计的前提.利用最小二乘或卡尔曼滤波等方法辨识电机三相同时突然短路试验数据,是传统电机参数辨识的主要方式.受同步电机三相同时突然短路的可操作性和电机参数模型的强非线性等因素的影响,电机瞬态参数难以准确测量.利用改进的小波变换和人工神经元网络辨识参数的新方法,结合容易实现的同步电机线对线突然短路试验,辨识得到了三相同步电机的瞬态参数,有效提高了电机参数的辨识精度.仿真试验表明,该方法是有效的.     

基于Hilbert变换的包络解调法在鱼雷电磁引信中的应用

分析了鱼雷电磁引信的目标信号及其低频调制包络的特性,阐述了Hilbert变换的原理,提出了一种基于Hilbert变换的包络解调法并对其解调原理进行了推导.在Matlab/Simulink环境下,对上述的包络解调法应用于电磁引信目标信号的解调进行了仿真.结果表明,相比传统的电磁引信检波方法,Hilbert 变换法具有解调输出信号波形失真小和解调稳定性高的优点.     

函数变换提高灰色预测模型精度的条件

指出选择函数变换来提高模型精度主要与三个方面的因素有关：提高数据序列的光滑比、调整数据序列的级比和确保凸凹性。在调整级比方面,扩充了级比压缩变换的相关定理,并讨论了几种常用的函数变换在上述三个方面的关系。最后结合实例提出,对于变换后的数据序列若不满足这三方面的要求可以再进行函数变换以达到提高模型精度的目的。     

多分量LFM信号检测与参数估计的新方法

针对传统的多分量LFM信号检测与参数估计中存在的精度不高和交叉项问题,将小波重排与Hough变换结合起来,首先对信号进行小波变换,克服交叉项干扰,再经过时频重排保证精度,以重排后的时频分布作为图像,利用 Hough变换通过查表的方式,实现对各分量的依次截取和参数估计.仿真实验表明,该方法能够有效地提取多分量LFM信号中各分量的特征参数.     

基于Turbo码和混沌序列的数字图像扩频水印

提出一种基于Turbo码和混沌序列相结合的DCT变换域扩频水印算法。首先对原始水印信息进行伪随机置乱,接着对置乱的水印进行Turbo编码,用混沌序列对编码后的水印进行扩频,生成待嵌入的扩频水印信息。在充分考虑人眼视觉特性的基础上,将扩频水印嵌入到DCT变换系数的中频中。文中对算法在多种常见的攻击如JPEG压缩、噪声、剪切、滤波下进行了仿真。实验结果表明,利用该算法实现的水印具有良好的不可见性和鲁棒性。     

一种改进的小波域LFM雷达信号参数估计算法

提出了基于重排小波-Radon变换的线性调频信号的参数估计法。该方法先将小波尺度图转为时频分布图,为提高聚集性引入了时频重排,再将重排图进行Radon变换以进行参数估计。仿真结果表明,该方法有效提高了时频分布图的聚集性,节省了后续Radon变换的时间,同时也抑制了噪声干扰,辨识效果明显提高。