摘要:作为决定水声信号传播模式的重要因素之一,声速剖面反映了海水声速自海表至海底的变化,对其准确实时地构建水下信息系统的建设至关重要。面向水声探测领域,分析并总结了水下声速剖面构建方法的研究进展。根据支撑数据源的不同,主流的方法可以分为直接测量法、统计回归重构法以及声学反演法。在直接测量法方面,介绍了仪器直接测量法以及参数测量计算法;在统计回归重构法方面,总结了以经验正交函数回归为核心的重构框架以及结合神经网络的优化算法;在声学反演法方面,讨论了基于声场观测数据的匹配场处理及深度学习框架的性能。传统的直接测量法精度最高,但大范围应用的成本较高;统计回归重构法提高了便捷性,但依赖于数据库的数据质量;声学反演法尽管可解释性很强,但难以应用于声呐系统无法覆盖的区域。未来的水下声速剖面构建应着眼于智能化、精细化、实时化, 可为复杂海洋背景下的信息系统建设提供满足多层次需求的声速剖面构建结果。

摘要:随着互联网规模不断增大,产生了越来越多的网络安全数据,这些数据存在多源异构、数据缺失、噪声、不一致等问题,严重影响网络安全数据的质量,知识图谱具有数据统一、 可解释、可融合推理等特性,可有效应对网络安全数据的这些问题。本文分析了网络安全领域知识图谱的发展和研究现状,围绕知识实体识别、关系抽取和知识图谱补全等知识图谱构建技术,从智能渗透、舆情监测和威胁感知3个方面系统总结了目前的具体应用,给出了下一步研究的方向。在网络空间安全领域,有效的网络空间安全领域知识图谱技术体系,为应对强对抗、高动态环境下的攻防博弈提供知识要素与智能推理提供支撑,同时也是网络空间高级、持续、威胁感知的基础。

摘要:针对水声通信信号调制方式的开集识别问题,提出了一种基于GANomaly的新型开集识别方法。GANomaly网络模型结合了生成对抗网络(GAN)的生成能力和异常检测技术的判别能力,通过对抗训练,重构调制信号的时频特征并确定误差阈值,进而有效地区分已知和未知的调制方式。在信噪比＞8 dB的条件下进行的仿真实验显示,该方法对已知调制方式信号的识别率均超过了86.00%,对未知调制方式信号的识别率超过了80.00%。仿真实验结果验证了所提方法对未知调制方式的有效识别能力,为水声通信领域开集识别问题提供了新的解决思路。

摘要:针对干扰环境中频谱资源稀缺和通信质量下降的挑战,考虑利用无人机(unmanned aerial vehicle, UAV)的灵活部署和非正交多址接入(non-orthogonal multiple access, NOMA)的高频谱利用率优势,提出了一种干扰条件下多UAV辅助下行NOMA网络的 UAV位置、用户匹配、信道分配和功率分配联合优化方法。首先,利用麻雀搜索算法(SSA)随机生成个体信息,将每个个体映射为多个无人机的三维坐标。其次,通过UAV信息和用户位置信息,对UAV的坐标按照需要匹配的用户数量进行虚拟点扩展,利用最大权匹配方案,结合NOMA两用户最优功率分配系数和信道分配方案计算用户的和速率,计算最大权值作为麻雀个体的适应度值。最后,将获得的不同麻雀个体的适应度值代入SSA中,寻找最优麻雀个体,来提高系统的和速率。仿真结果表明,该方法与基准算法相比,能够有效提升所有用户的和速率,为干扰条件下NOMA接入的多UAV中继通信提供了一种和速率优化的解决方案。

摘要:为提高小样本情况下的高分辨距离像(HRRP)目标识别精度,提出了一种基于小波散射变换的HRRP目标识别算法Scat-LSTM。首先,对原始信号进行小波散射变换,得到小波散射系数矩阵;然后,将该特征矩阵输入深度神经网络中进行训练和识别。实验结果表明, 在样本量充足的情况下,相比于直接使用原始信号作为输入的方法,Scat-LSTM平均识别率提升了4%,并且在训练样本量极少的情况下,也能取得比其他算法更好的识别率。

摘要:通过稀疏节点直接序列扩频信号的空间能量合成,辨析了调制信号在二维空间的相干能量分布,结合扩频系统的调制解调过程提出了空间能量相关性指标,并以此对合成信号在聚焦区域形成的干涉效应和叠加效果进行分析。充分考虑理论模型在实际应用中的可行性,通过理论推导和仿真分析研究了稀疏节点同步误差因素对直接序列扩频信号合成效果的影响。分析结果表明:通过发射端的伪码序列时延预补偿,可实现相干能量在预设聚焦点功率值的平方倍增强;稀疏节点时钟同步精度应控制在1/4载波周期范围内,否则将同时导致聚焦点位移和能量相关性损失。给出的方法与结论可为稀疏节点扩频调制信号空间能量合成技术在实际分布式导航对抗等功能系统中的应用提供理论依据。

摘要:针对存在异常值时雷达辐射源脉冲重复间隔(pulse repetition interval, PRI)变化类型识别困难的问题,提出一种基于时频域特征挖掘与自注意力机制融合的雷达PRI变化类型识别方法。首先对PRI序列进行时序变化特征和小波特征分析,从时域和频域2个角度构建特征集;然后基于自注意力机制以数据驱动的方式学习时频特征之间的互补性,有效把握不同维度特征对识别效果的贡献,实现对不同维度特征的深度融合;最后基于全连接神经网络对融合后的特征进行模式分类,从而实现对PRI变化类型的识别。仿真结果表明,在不同异常值水平下,所提方法能够显著提高对6种典型PRI变化类型的识别准确率,而且识别效果要显著优于仅使用单一维度特征的方法。

摘要:协议逆向分析在网络安全领域具有重要意义,现有方法主要依靠计算机进行自动化推断,并未考虑人的经验知识干预条件下可能带来的信息增益,存在准确性较低的问题。鉴于此,提出了一种基于人机协作迭代分析的网络协议逆向方法,该方法基于人机协作协议逆向分析框架,利用XML将人的经验知识进行知识表征,通过迭代式修正阶段性分析结果,克服了因缺乏知识辅助而导致的协议词法、语法及状态机推断准确率较低的问题。以典型工控协议数据样本为例进行了实验和对比分析,结果表明了该方法的有效性和可行性。