一种基于优化神经网络的最佳多用户检测器

基于优化理论和神经网络理论提出了一种优化神经网络最佳多用户检测器,将DS－CDMA通信中的多用户信号检测问题看作一种组合优化问题,利用神经网络能有效地求解优化问题的优势：推导了一种优化神经网络最佳多用户检测器,理论分析和计算结果表明：1）在误比特性能和抗多址干扰性能上这种检测器均优于传统检测器和解相关检测器;2）在抗"远近"干扰能力方面,这种检测器优于传统检测器而弱于解相关检测器;3）易于实时应用和VLSI实现。     

多门限步级检测及骨龄识别应用

研究了多灰度层次的特殊目标在复杂背景和噪声干扰下的多门限检测技术,该项技术考虑了视觉的灰度特性,空间特性以及噪声干扰引入的错误检测的统计特性。对多门限步级检测器作了理论上的分析和计算机实现,并将所研究的结果应用到 X 线片骨龄识别之中。实际测试结果表明:多门限步级检测器具有很好的检测性能。本文讨论的计算机自动目标检测技术在固定场景监测,工业无损探测以及生物医学工程中癌症、肿瘤、结核等病变的早期计算机诊断中有着十分广泛的应用。     

基于并行遗传算法的去相关多用户检测器

通过将码分多址通信系统中的最佳多用户检测视为组合优化问题,利用遗传算法能全局寻优的优势,提出了一种基于并行遗传算法的去相关多用户检测器。理论分析和仿真表明:该多用户检测器无论是抗多址干扰的能力还是抗远近效应的能力都明显优于传统的检测器和去相关多用户检测器;由于采用了基于“联姻”策略的并行遗传算法,使这种多用户检测器更易于实时应用和硬件实现。     

多级免疫检测器集在分布式入侵检测中的应用

为了提高入侵检测系统的网络环境适应能力,提出了一种基于多级免疫检测器集的分布式入侵检测模型。该模型由检测主机、检测子网和中心服务器组成,将入侵检测系统部署在网络的各检测主机中,检测子网具有与上层入侵检测网络相同的特征,中心服务器负责为检测主机和子网提供支持。通过模拟生物免疫系统的免疫细胞,检测主机的免疫检测器进行了学习和进化,该模型利用二级免疫检测器集机制,协同中心服务器的疫苗接收和种痘操作,减少了检测器的数量和提高了检测器的检测能力。     

一种新型入侵检测模型及其检测器生成算法

介绍了一种基于人工免疫原理的入侵检测模型,重点研究了否定选择算法模型中检测器集合的生成算法,提出了新的初始检测器的生成算法,并对算法性能进行了分析。结果表明:该算法模型可以对未知入侵行为和已知入侵行为的变异进行有效的识别。     

拉伸技术粒子群优化算法的多用户检测器

粒子群优化算法是一类新型进化算法,为提高粒子群优化算法对复杂问题全局最优解的探测能力,该文引入一种基于拉伸技术的粒子群优化算法,把它应用到CDMA通信系统中抗干扰关键技术——多用户检测中,提出了基于拉伸粒子群算法的多用户检测器。仿真结果表明,该检测器在误码率性能、抗远近效应和增加系统容量方面的性能较之其他的检测器均有明显的提高。     

窄带非高斯噪声中微弱信号的检测

本文提出了一种信号检测系统,用来检测在非高斯噪声中的微弱信号。它是一种无记忆非线性(ZMNL)检测器,对于一个离散序列进行ZMNL运算后与一门限值相比较,即能判决有无信号存在。检测器是根据Neyman—Pearson准则设计的结构,它仅对微弱信号是最佳的,因而称为局部最佳检测系统。 如何衡量这种系统性能的好坏,用的是渐近相对效率这一概念。本文讨论了在某些非高斯噪声情况下渐近相对效率的计算。     

数字水印算法检测标准的研究

对数字水印检测技术中的相关系数进行研究分析,得到了水印检测器误码率与相关系数之间的关系式,推导出误码率与错误概率之间的关系式,能够直接通过控制关系式中的误码率取值来确定检测阈值和错误概率值。并据此提出一种新的计算检测系数的方法,对比实验结果表明,该方法增强了检测器对正确水印数据的响应。     

应用神经网络粒子群算法的多用户检测

为了减少最优多有户检测器的计算复杂度,提出了一种融合粒子群优化算法和神经网络的神经网络粒子群优化算法,并设计了一种解决CDMA通信系统的多用户检测问题的新方法。该方法是把神经网络嵌入到粒子群优化算法的每一代中以改进算法性能。通过混合神经网络到PSO中,还可以加快PSO的收敛速度,减少计算复杂度。仿真结果证明了所设计的检测器无论抗多址干扰能力和抗远近效应能力都优于应用Hopfield神经网络、遗传算法和粒子群算法的多用户检测器。     

基于多传感器数据融合的入侵检测机制

针对特征复杂的入侵方式,设计了一种基于数据融合理论的新型入侵检测机制—DFIDS,结果提高了系统在检测复杂入侵行为时的确定性。DFIDS使用优化的并行分布式检测与决策融合系统模型,可以有效克服传统入侵检测系统因单检测器而在数据采集和分析方面的局限性,从而提高了检测的总体性能。文中建立了DFIDS的理论分析模型,并和传统入侵检测机制进行了对比,结果表明DFIDS在检测准确性方面具有更好的性能。     

应用贪心算法的次最优MC-CDMA检测机(英文)

应用贪心算法提出了一种次最优ＭＣ－ＣＤＭＡ检测机。仿真结果表明，与传统检测机比较，它据有次最优的性能，但结构比最优检测机简单。     

基于遗传算法和禁忌搜索的多用户检测器

利用遗传算法和禁忌搜索的优势,介绍一种嵌入式混合优化算法,提出一种基于嵌入式混合优化算法的多用户检测器。数值结果表明:该方法具有较好的检测性能和合理的计算复杂度。     

连续相位调制的减少状态序列检测算法

给出了一种连续相位调制、结合判决反馈的减少状态序列检测算法,并将其推广到非相干检测形式,能大大减少维特比检测的状态数目。通过分析和仿真结果表明,与最优最大似然序列检测相比,该算法能有效地简化运算复杂度而性能损失较小,非相干检测较相干检测在10?3误比特率时性能损失约为2dB,但它对载波恢复困难的情形更为合适和稳健。     

TD-SCDMA系统中MAP Turbo联合检测的一种简化应用

研究了最优MAPTurbo联合检测(JD)技术在TD-SCDMA系统中的应用,并在此基础上提出了简化方案。在TD-SCDMA上行链路系统中对该简化方案进行仿真模拟,结果显示:相比于线性联合检测算法简化MAPTurbo联合检测有很大的性能改善,且其实现复杂度相比最优MAPTurbo联合检测算法大大降低。     

一种基于Lagrange神经网络的多用户检测器

提出并讨论了一种基于Lagrange神经网络的多用户检测器,利用神经网络能有效地求解优化问题;推导了Lagrange神经网络多用户检测器(LNN-MUD)。理论分析和计算结果表明：在误比特性能和抗干扰性能上,该检测器均优于传统检测器和解相关检测器;在抗“远近”干扰能力方面,该检测器优于传统检测器而弱于解相关检测器,且易于实时应用和VLSI实现。     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。