【摘 要】
：
针对大规模物联网应用的海量数据处理信息获取效率低、硬件成本昂贵的问题,依据压缩感知(compressed sensing,CS)理论,建立了一种模拟信息转换器(analog to information converter,AIC)数据处理系统模型。模型以MATLAB/Simulink为平台,分别设计了信号的解调、过滤、采样、重构等功能模块,并对不同频率分量的信号进行处理。实验结果表明,该模型可以
论文部分内容阅读
针对大规模物联网应用的海量数据处理信息获取效率低、硬件成本昂贵的问题,依据压缩感知(compressed sensing,CS)理论,建立了一种模拟信息转换器(analog to information converter,AIC)数据处理系统模型。模型以MATLAB/Simulink为平台,分别设计了信号的解调、过滤、采样、重构等功能模块,并对不同频率分量的信号进行处理。实验结果表明,该模型可以较低采样率、高压缩比精确重构稀疏信号,重构效率与观测数M、抽取行数K以及信号频率分量相关。
其他文献
对LILI-128算法对差分故障攻击的安全性进行了研究。攻击采用面向比特的故障模型,并结合差分分析和代数分析技术,在LILI-128算法LFSR d中注入随机的单比特故障,得到关于LILI-128算法内部状态的代数方程组,并使用Crypto MiniSAT解析器求解恢复128位初始密钥。实验结果表明,280个单比特故障注入就可以在1 min内完全恢复LILI-128全部128位密钥。因此,LILI
通过分析特征词与类别间的相关性,在原有的卡方特征选择的方法上增加三个调节参数,使选出的特征词集中分布在某一类,且在某一类中尽可能地均匀分布,并使特征词在某一类中出现的次数尽可能地多。通过实验对比改进前后的卡方特征选择方法,基于方差的卡方统计(Var-CHI)方法使得查全率和查准率都得到了明显的提高。
为了提高半经典分子动力学模拟中矩阵乘法效率,通过一种稀疏矩阵分解方法化简矩阵乘法,基于OpenMP实现矩阵相乘的Winograd并行算法。该算法将Winograd算法中各部分依次采用OpenMP并行计算,降低了数据通信。在16核服务器上测试表明,该方法能够显著提高半经典分子动力学模拟中矩阵乘法效率,并行加速比能够达到9.47,并具有良好的可扩展性,为大分子体系的模拟提供了可能。
为提高匿名化后数据的可用性,给出了一种加权确定惩罚模型作为数据有用性的度量方法,提出了两种基于局部聚类的数据匿名化算法。通过真实数据实验评估,该算法能够很好地降低实现匿名保护时概化处理所带来的信息损失。
为定量认识IMS网络攻击的影响,提出了一种基于模糊综合评价的IMS网络攻击后果评估方法。通过分析可能的攻击流程建立了相应的攻击因素树,引入层次分析法计算评价因素的权值,然后利用模糊综合评价法对IMS的攻击后果进行综合评估。为了降低由单一模糊算子特点带来的评估偏差,选取了几种不同特点的算子分别进行评估,并取其均值为最终评价结果。实例验证了该评估方法能有效地区分不同攻击方式带来的攻击后果,能够为IMS
为了研究影响私家车驾驶者备选路径生成的因素,以预期后悔理论为基础,借助贝叶斯网络推理方法,计算了私家车驾驶者受先验知识和出行信息双重影响下的备选路径生成。通过改进的贝叶斯网络结构和参数学习程序建立了实验路网的贝叶斯网络结构,对生成的网络结构进行了参数学习,模拟了不同出行信息和先验条件下生成的备选路径,得出了驾驶者备选路径生成与驾驶者先验知识和出行信息的变化关系。
使用相关性分析方法进行差分功耗攻击(DPA)实验,成功攻击了TDES密码算法。结果表明,相关性分析方法对简单的功耗模型具有很好的攻击效果且实施简单,对于HD功耗模型,获得TDES每一轮的圈密钥所需最少曲线条数仅为3 500条;同时,由于TDES和DES电路的实现结构相同,对两者进行DPA攻击的方法相同。
提出一种连续属性值域划分的离散化新方法,该方法定义一个新的离散化函数,依据类与属性之间的相互依赖关系选择最优的离散区间列表;此外,采用变精度粗糙集理论合理地控制数据离散化产生的信息丢失,减少分类错误。仿真结果和统计分析表明,提出的方法有较好的C5.0决策树分类能力。
为了能实际求解可交易瓶颈许可证(TBP)均衡系统,利用网络对偶均衡理论建立了TBP的交通网络对偶均衡模型。以路段和节点的均衡条件代替路径均衡条件,并放松了节点流量的平衡条件和分时OD流量与总需求的平衡条件,从而得到了TBP的互补问题方程。利用互补问题与变分不等式基本等价定理,得到动态交通网络变分不等式模型。建构等价的非线性优化问题,说明新模型的有效性,并给出了基于时空网络的模型解的存在性判别方法。
为描述事物间关系的不确定性及其变化情况,提出云映射概念。对定义域的每个元素,通过随机变量将其非确定地变换到可能的取值空间,各随机变量的分布特征在定义域上构成特征函数,能够反映非确定变换随自变量的变化情况;提出了映射的隶属云概念,云映射在定义域全体元素的隶属云片构成映射的隶属云;采用映射的期望(即精确函数)、熵函数和超熵函数描述定性概念在整个自变量取值空间的变化情况,给出了正向映射云和逆向映射云算法