基于有限节点集的网络毁伤最大化问题研究

对网络实施攻击时,人们希望在有限的资源下获得最大的毁伤效果,而节点排序策略并不能实现毁伤最大.针对这种情况,定义攻击有限节点集的网络毁伤最大化问题,并给出问题的近似求解算法.由于近似求解算法计算复杂度较高,进一步提出基于重要节点的贪婪算法(greedy algorithm based on important nodes,GABIN).对无标度网络的实验表明:GABIN算法能够有效地减少计算时间,且效果接近于近似求解算法;当无标度网络的度指数$\gamma\geqslant2.5$时,GABIN算法的效果明显优于排序算法,所得节点集中超过30%的节点不同于排序算法.对Power网络的毁伤实验表明,GABIN算法适用于较大规模的实际网络,且效果显著优于度、介数、接近度、删除节点等排序算法.实验发现,利用GABIN算法获得的关键节点集包含大量的非中心性节点,这为网络攻击或网络防护提供了一个新的思路.     

负载作用下相依网络择优恢复方法研究

优选节点实施恢复是控制相依网络级联失效的有效措施。针对以往恢复模型未考虑节点负载的情况,该文首先分析了包含依赖失效和过载失效的级联失效过程,构建了负载作用下相依网络恢复模型。然后,基于共同边界节点的结构和动力学属性,提出一种基于容量和连接边的择优恢复(PRCCL)方法。实验结果表明,在无标度相依网络中,PRCCL方法恢复效果明显好于基准方法,恢复时间更短,恢复后的网络具有更高的平均度和鲁棒性;在Power网和Internet网构成的相依网络中,PRCCL方法恢复效果同样优于基准方法;PRCCL方法的优势与恢复比例、负载控制参数成正比,与容忍系数成反比。实验结果验证了PRCCL方法的有效性,对于现实中相依网络恢复工作具有科学指导价值。     

OM-LSA和小波阈值去噪结合的语音增强

针对OM-LSA(optimally modified log-spectral amplitude estimator)算法产生的残留噪声,提出了一种结合OM-LSA和小波阈值去噪的语音增强算法。首先,进行语音对数幅度谱估计;然后,估计残留噪声,利用带噪语音第一级小波系数和语音不存在时的增益函数进行估计,解决了常规方法对增强后语音噪声估计不准确的问题;最后,在小波域利用软阈值法对语音信号进行阈值处理。实验结果表明,提出的算法有效地去除了OM-LSA算法中的残余噪声,在分段信噪比(segmental signal-to-noise ratio,SegSNR)和对数谱失真(log-spectral distortion,LSD)等指标评价上有较大的提高。     

美国战略预警体系发展探析

面对多维空间中的战略目标威胁,美国领先于世界其它大国构建了三位一体的战略预警体系。梳理了美国战略预警体系的构成,从陆基(海基)、空基、天基三个维度对美国各个预警监视系统的发展现状进行了详细介绍。从作战部署、技术升级、预警情报保障等方面,对美国战略预警体系的发展趋势进行了概述和总结。     

语音分离与HMM相结合的语音增强方法

针对基于隐马尔科夫（HMM,Hidden Markov Model）的MAP和MMSE两种语音增强算法计算量大且前者不能处理非平稳噪声的问题,借鉴语音分离方法,提出了一种语音分离与HMM相结合的语音增强算法。该算法采用适合处理非平稳噪声的多状态多混合单元HMM,对带噪语音在语音模型和噪声模型下的混合状态进行解码,结合语音分离方法中的最大模型理论进行语音估计,避免了迭代过程和计算量特别大的公式计算,减少了计算复杂度。实验表明,该算法能够有效地去除平稳噪声和非平稳噪声,且感知评价指标PESQ 的得分有明显提高,算法时间也得到有效控制。