利用接触跟踪机制实现Email蠕虫的检测

针对Email蠕虫逐渐成为一种主要的网络威胁,提出基于接触跟踪机制检测蠕虫的方法CTCBF。该方法利用差分熵对单个网络节点的异常连接行为进行检测,再通过异常节点之间的连接关系利用跟踪算法建立跟踪链,当跟踪链的长度达到设定阈值时,跟踪链上的可疑节点被确认为感染节点。针对阈值的不确定性,提出了一种动态阈值方法,根据不同的网络感染等级自适应调整阈值大小。仿真试验表明,该方法能够快速、准确地检测出蠕虫的传播行为,同时为未知蠕虫的检测提供了一种新的模式。     

PN码自适应门限捕获新方法

针对扩频通信中PN码固定门限捕获性能上的不足,结合图像处理中的中值滤波和数学形态学原理,提出了一种新的自适应门限捕获方法。在分析判决量统计特性的基础上,使用由序列转换电路和形态滤波器构成的估计器对背景噪声进行实时估计,得到自适应门限用于捕获判决。蒙特卡罗仿真结果表明,该文提出的自适应门限捕获方法能够适应多径环境,抗干扰性能优越,具有较强的实用性。     

基于随机共振的微弱高频CW信号检测技术研究

针对强噪声背景下基于时频分析的高频CW信号检测算法性能严重下降,提出一种基于非线性双稳随机共振的微弱CW信号检测方法。该方法将CW信号调制到低频端,借助随机共振模型进行滤波,再进行WVD变换与Hough变换,从而将CW信号的检测问题转换为参数空间(ρ,θ)的峰值检测问题。实验结果表明,该方法能够在强噪声背景下有效提取CW信号,可用于指导高频CW电报自动接收设备的研制。     

微弱高频CW信号的自适应滤波

高频电报(CW)是强噪声背景下战术应急通信的主要工作方式,由于高频信道是典型的随参信道,不可能事先已知干扰噪声的统计特性。该文提出了一种基于ARMA新息模型的CW信号自适应Kalman滤波方法,以解决高斯背景下高频电报系统干扰噪声方差未知的问题。根据CW信号的时频域特征定义状态空间随机信号模型,构造ARMA新息模型,通过在线辨识新息模型参数来估计Kalman滤波增益,实现CW信号的自适应跟踪滤波。仿真结果表明,该方法能够有效估计微弱高频CW信号时域波形,算法可递推实现,实时性强。