基于混沌的DS-UWB通信系统的设计与SDR实现

依据混沌序列的白噪声统计特性、较理想的自相关和互相关特性以及产生简单、码元丰富、抗干扰能力强等特性,提出了基于混沌扩频序列的DS-UWB通信系统方案,并针对混沌DS-UWB通信系统的特点对同步和安全性能做出了改进,最后给出了一种基于软件无线电的实现方案,仿真结果表明本系统有较大的用户容量和较低的误码率。     

移动警务信息系统的设计与实现

结合公安局工作的特点和需求,论文设计并实现了基于GPRS和WAP的移动警务信息系统;并依照系统总体设计的目标和原则,给出了相应的系统结构和功能模块;系统支持现有的计算机网络和GSM网络,并能对公安工作进行全面管理,实现了公安工作的整体优化。     

Nonlinear inversion for electrical resistivity tomography based on chaotic DE-BP algorithm

Nonlinear resistivity inversion requires efficient artificial neural network （ANN） model for better inversion results. An evolutionary BP neural network （BPNN） approach based on differential evolution （DE） algorithm was presented, which was able to improve global search ability for resistivity tomography 2-D nonlinear inversion. In the proposed method, Tent equation was applied to obtain automatic parameter settings in DE and the restricted parameter Fcrit was used to enhance the ability of converging to global optimum. An implementation of proposed DE-BPNN was given, the network had one hidden layer with 52 nodes and it was trained on 36 datasets and tested on another 4 synthetic datasets. Two abnormity models were used to verify the feasibility and effectiveness of the proposed method, the results show that the proposed DE-BP algorithm has better performance than BP, conventional DE-BP and other chaotic DE-BP methods in stability and accuracy, and higher imaging quality than least square inversion.     

利用感知模型的长期目标跟踪

目的 传统相关滤波目标跟踪算法存在两个问题,其一,使用循环移位产生的虚假负样本训练分类器,导致分类器分类能力受到限制;其二,当目标被严重遮挡时,由遮挡引起的一些不正确的样本（预测的目标图像）用于更新分类器,随着遮挡时间的增加,分类器将包含较多噪声信息并逐渐失去判别力,使得跟踪失败。针对上述问题,提出一种基于感知模型的长期目标跟踪算法,通过引入背景感知策略解决传统相关滤波器缺乏真实负样本问题,通过引入遮挡感知策略来有效跟踪被遮挡的目标。方法 首先,所提算法通过扩大采样区域,增加所产生训练样本数量,并引入裁剪矩阵,裁取移位后的样本以获得完整有效的样本,同时克服了由循环移位产生样本导致的边界效应问题;然后,利用无遮挡情况下一定帧数目标图像各自对应的分类器构建分类池;最后,在严重遮挡情况下利用最小化能量函数从分类池中选择最佳分类器进行重检测,以实现长期目标跟踪。结果 使用公开数据集对所提算法进行性能评估,结果表明,所提算法成功率为0.990,精确度为0.988。其较背景感知相关滤波（BACF）算法分别提升2.7%和2.5%。结论 所提算法在目标被遮挡、形变、尺度变化以及复杂背景下仍能较准确跟踪目标,具备较高的精确度和鲁棒性。     

基于混沌振荡PSO-BP算法的电阻率层析成像非线性反演

粒子群优化算法是一种启发式的全局优化算法,将其与 BP 神经网络结合,能够有效地改善 BP 神经网络在进行电阻率层析反演中的收敛速度和求解质量。提出一种基于混沌振荡的粒子群算法,使用混沌振荡曲线来自适应调整惯性权重w以提高PSO算法的全局寻优能力,并使用其训练和优化BP神经网络的权值和阈值。比较不同隐含层节点数目和惯性权重w值对反演结果的影响,并给出混沌振荡PSO-BP算法非线性反演的具体实现方案。对均匀半空间中异常体理论模型进行反演,实验结果表明：混沌振荡PSO-BP不依赖初始模型,在稳定性和准确性上优于BP反演和标准PSO-BP反演,成像质量优于最小二乘法反演的。     

一种基于混沌映射的DCT图像水印算法

论文提出了一种基于密钥的双混沌映射的差分能量数字水印算法,对水印信息在空域采用一级混沌进行置乱后再增加一级混沌加密,并根据载体图像能量分布,通过比较中频子域的能量差异来实现水印的嵌入和盲检测。实验表明,该算法具有较好的透明性,对JPEG压缩、剪切、模糊、锐化、噪声污染等图像处理均具有较好的鲁棒性。     

基于自适应差分进化算法的MT信号激电信息提取

从MT信号中提取激电信息的研究有助于提高大深度探测技术的勘探精度、深度和范围。针对MT信号激电信息提取中存在的非线性和非凸特征,通过改进混沌自适应差分进化算法中进化参数的自适应策略,提出了一种基于非均匀统计分布的自适应差分进化两阶段最小构造反演方法。一方面该方法利用柯西分布和高斯分布的统计特性自适应获取进化参数F和CR,提高算法的全局搜索能力, 通过记忆以往迭代过程中的优秀进化参数提高算法后期的稳定性;另一方面该方法通过引入第二阶段的反演过程强化极化率对观测数据的影响;通过将正则化参数引入差分进化算法的适应度函数解决反演的多解性问题。对含激电效应的MT一维模型的反演结果表明,本文算法能够较好地重构地电结构和提取激电信息并在加噪环境下具有较强的鲁棒性。与其他非线性算法(混沌自适应差分进化算法,标准差分进化算法和粒子群优化算法)的反演结果对比表明,本文算法具有更为优越的全局搜索能力和较高的反演精度,适于微弱激电信息的提取。     

一种新的移动Ad Hoc网络的按需同步码分多址协议

针对Ad Hoc网络提出了一种新的多址接入协议——按需同步码分多址协议（ODS-CDMA）。协议仅在通信时在收发节点间建立临时的同步，综合了同步与异步MAC协议的优点，通过时隙预留，功率控制和CDMA技术来提高网络的性能。并通过使用混沌序列和修正因子来克服CDMA组网时的多址干扰，提高了系统的容量。     

利用视觉显著性和扰动模型的上下文感知跟踪

为了解决背景嘈杂、遮挡、形变和尺度变化情况下目标跟踪问题,提出利用视觉显著性和扰动模型的上下文感知跟踪。本文以相关滤波算法为基础,将目标周围的上下文信息引入到分类器学习过程中,构造了上下文感知相关跟踪,提高了算法鲁棒性;同时引入直方图扰动模型,利用加权融合的方法获得目标响应图,以此估计目标位置变化;最后利用视觉显著性构建目标稀疏显著性图,解决严重遮挡情况下的目标重定位问题,并利用尺度估计策略解决目标尺度变化问题。利用公开数据集测试算法性能,并与8种流行跟踪算法进行比较。实验结果表明,本文算法的跟踪精确度得分和成功率得分分别为0.695和0.708,均优于其它算法。与传统的相关滤波算法相比,所提算法能很好地解决背景嘈杂、遮挡、形变和尺度变化等复杂下的目标跟踪问题,具有一定理论研究价值和工程实用价值。     

一种基于医学图像中感兴趣区域的数字水印算法

提出了一种基于医学图像中感兴趣区域(ROI)的盲检测水印算法,将包含重要病理信息的灰度图像作为数字水印,经置乱后在混沌序列的控制下嵌入到宿主小波域非感兴趣区域中。实验结果表明,该算法在保护医学ROI的同时提高了水印抗JPEG压缩的鲁棒性,并对篡改、几何剪切、滤波等均具有良好的鲁棒性和透明性,而且混沌序列增强了系统的安全性。