认知无线电网络中基于接收信号强度的组密钥提取方案

为了保障认知无线电网络（cognitive radio networks, CRNs）中次用户之间的安全通信,提出一种基于物理层无线信道特征接收信号强度（received signal strength, RSS）的组密钥提取方案。在网络中并非所有次用户都在彼此通信范围内的情况下,该方案利用中继节点实现组密钥的提取,即在链式通信拓扑结构下,组内所有节点将链上除头节点和尾节点以外的其他节点作为辅助中继节点,提取链上所有相邻节点间的RSS测量值。之后,提出一种新的量化方法对提取到的RSS测量值进行量化。首先,给所有RSS测量值找到相应的量化区间;其次,为每个RSS测量值找到相配对的值,使得生成的密钥与多位RSS测量值相关,保证最终密钥生成的随机性;最后,利用格雷码编码对量化后的RSS测量值进行编码。使用MATLAB仿真软件模拟用户在高斯信道中建立组密钥的过程,信噪比在0～30 dB变化,实验结果表明,密钥建立过程中比特不一致率随着组内节点个数增加而增加,随着信噪比的增大而减小。此外,数值计算分析了该方案在不同条件下能够达到的组密钥率,结果表明,该方案的组密钥率随着组内节点个数和信噪比变化所呈现的变化趋势与比特不一致率相反。与现有方案相比,本方案能够大幅地降低用户建立组密钥的通信代价。综上所述,本方案在提高组密钥提取效率和降低用户通信代价方面都具有较明显的优势。     

一种高度自适应的物理层密钥生成方案

为了增强基于密钥的物理层安全的性能,提出了一个利用正交频分复用系统信道响应的高度自适应密钥生成方案。首先,采用线性最小均方误差估计,提高了生成密钥的一致性;其次,提出一种结合了离散余弦变换和交织技术的预处理方法,提高了密钥熵;再次,提出了一种高度自适应量化方法,包括保护间隔自适应、量化级数自适应以及量化门限自适应．仿真结果显示,在相同的散射环境下该方案生成的密钥的一致性以及随机性高于一般的密钥生成方案,验证了该方案的优越性．     

采用k均值聚类的物理层密钥生成方案

传统的密钥生成算法没有同时利用幅值及相位两方面的信息,对信道信息利用不充分。针对此问题,提出了一种使用k均值聚类进行密钥生成的方案,该方法可以充分利用多个维度的信息,提高生成密钥的一致性。在密钥生成过程中,双方通过传输聚类中心的位置来进行对测量值进行分类,不会造成密钥信息的泄露。为了更好地提高密钥的一致性与随机性,结合随机导频系数和二维补偿方法,又提出了一种k均值二维补偿密钥生成方案。仿真结果表明,相比于其他密钥生成方法,两个方案在密钥的一致性与随机性方面性能更优。     

密钥生成系统中的改进量化算法研究

针对密钥生成系统中传统量化算法导致合法双方初始不一致率较高从而降低最终的密钥生成长度的问题,在对窃听信道进行合理建模的基础上,给出了改进量化算法CQA算法的基本原理,以合法双方最终生成的密钥长度为目标函数,推导得到了最优的量化比特数。进一步的仿真表明CQA算法的符号错误概率远小于普通的等概量化算法,接近理论上的性能限,从而能够提供更大的密钥生成长度,特别是在高信噪比时效果明显。     

基于图像分割和SVD的数字水印算法

利用图像分割法,提出了基于图像分割和SVD的数字水印算法。该算法将原始图像划分为许多不同的区域,对于不同的区域,分别采用同一区域块用统一的量化步长和同一区域用基于统计特性的自适应量化步长等两种形式对其进行分析。水印的提取不需要原始图像,并受到密钥的控制,不知道密钥就无法正确恢复水印。     

基于自适应聚类中心的脑血管分割方法

脑血管分割是血管病变可视化、诊断和定量分析的关键步骤.但由于脑血管几何结构复杂,所占空间面积小,因此低对比度区域的血管分割依然是难点.在传统的基于密度的统计方法基础上,进一步采用基于梯度的自适应聚类中心的K均值进行血管提取.首先,根据磁共振血管成像(MRA)图像密度特征用一个瑞利分布和两个高斯分布函数,分别对背景区域、中间组织区域以及血管区域进行建模,采用期望最大的方法进行参数估计,利用后验概率获取血管的主体部分;之后根据剩余体素中包含血管的部分多为低密度区的细小血管以及血管边界的特点,对剩余体素进行梯度化处理,并提出改进的自适应聚类中心的K均值方法对剩余体素的梯度数据进行血管的聚类操作.实验结果表明,对剩余数据梯度化的聚类方法优于传统的仅基于密度的统计方法,且能更好地获取血管的细小分支及血管的边缘区域.     

基于接收信号强度的无线网络自适应密钥提取方法

无线信道的物理层特征已被证明能够用于生成密钥以保证无线网络的通信安全,由此研究了物理层密钥生成方案,并提出了一个高效的基于接收信号强度的密钥生成方案.该方案包括以下流程:信道探测、预处理、量化、信息协调以及保密增强.收发节点在信道探测阶段收集足够的信道状态(接收信号强度)后对信道状态进行评估;然后在量化阶段根据评估结果...     

一种具有中介的基于身份的签名方案

针对基于身份密码体制中用户身份的吊销问题,提出了一种新的具有中介的基于身份签名方案.该方案不同于传统的方案,而是重新考查了用户注册过程中的安全性.在新方案中,用户注册时,密钥生成中心(KGC)只为用户生成公共信息,对已吊销的用户或只是注册而不进行任何操作的用户,KGC不提前生成部分密钥和中介的私钥,不提前为它们发送私钥.对新方案的性能分析结果表明:减少了计算量,节省了存储和带宽,降低了由于提前传送密钥带来的风险,提高了系统的安全性.并在随机预言机模型下证明了该方案的安全性.     

一种奇异值填充加密的大数据量化编码方法

在大数据传输的公钥密码体制中,为了提高密文抵御短明文攻击的能力,提出了一种基于奇异值有限域填充加密的网络链路层大数据传输量化编码算法.对链路传输层的比特序列进行线性分段处理,采用多次重传机制进行大数据嵌入式自适应编码,采用奇异值分解方法进行加密密文的信源编码设计.利用伪随机序列构造量化编码密钥,在奇异值有限域中构造密钥协商协议,输入密钥敏感性参数,将公钥嵌入主密钥分布的有限域中,填充密钥中心的敏感域参数,实现加密比特序列的量化编码.仿真结果表明,采用该方法进行大数据传输的加密编码,密文的抗攻击能力较强,加密比特序列的泄漏概率较低,具有更高的安全性.     

基于AHLO与K均值聚类的图像分割算法

针对图像分割中K均值算法全局搜索能力差、初始聚类中心选择敏感的问题,提出了一种将自适应人类优化算法与K均值算法相结合的聚类算法.该算法利用自适应人类学习优化算法初始化聚类中心,提高K均值算法的稳健性.结果表明,该算法聚类得到的标准差相比传统K均值算法和基于粒子群K均值(PSO-Kmeans)算法分别小两个数量级和一个数量级,同时图像分割得到的PSNR值均较高,具有算法收敛速度更快,聚类质量更好,图像分割效果更好,适应性更强的优点.     

一种自适应的关键帧量化参数确定方法

以JVT-AA029提出的适用于基于分层B帧的分层预测结构的码率控制方案为基础,提出了一种自适应确定关键帧量化参数(Quantization Parameter,QP)的方法．根据起始QP、可用信道带宽和信源特性的经验关系式,计算用于编码视频序列中第一个关键帧的QP．对于其他关键帧,首先根据已编码帧的编码特性确定参考QP和目标比特预算值,然后使用率失真模型计算QP,并以参考QP为依据进一步调整计算所得的QP．实验结果表明,提出的关键帧量化参数确定方法使原JVT-AA029的码率控制性能平均提高了0.14dB; 同时,基于提出方法的码率控制方案能够更准确地达到目标比特率,与已有码率控制方案相比,平均性能提高了0.77dB．     

非对称双向中继信道中断概率分析与功率分配策略

为改善非对称瑞利衰落信道下双向放大转发中继系统的中断性能,提出一种新的最小化中断概率的功率分配方案.引入非对称因子,通过理论分析给出传统三节点网络结构中4种非对称双向中继信道下系统中断概率的闭合表达式,并通过仿真比较发现下行信道非对称系统中断性能最差.针对下行信道非对称系统,利用基于信道状态信息的用户节点功率分配方案来最小化中断概率,该方案中功率分配值为与非对称因子有关的分段函数,节点能根据信道状态的变化自适应调整发射功率.仿真实验结果表明:提出的功率分配方案可以改善下行非对称双向中继系统的中断性能,与等功率分配方案相比,非对称因子越小,改善效果越好.     

格缩减辅助MIMO检测的非线性量化

针对格缩减辅助(LRA)多入多出(MIMO)检测中,采用格缩减技术后导致星座畸变、引起变换域信号非线性联合量化复杂度高的问题,提出了一种排序反馈的非线性量化算法. 该算法同时考虑了变换星座的边界和各元素间的相关性,且根据量化误差的大小选择信号量化判决的顺序,依次量化判决信号的各元素. 仿真证明,基于该算法的格缩减辅助MIMO检测性能优于无排序反馈量化和逐元素独立量化的格缩减辅助MIMO检测,且能很好地逼近最大似然检测的性能;在平坦块衰落信道下,计算复杂度为多项式复杂度.     

小波变换图像编码中的逆量化技术研究

量化和逆量化是图像编码中重要的步骤．在现行被大多数图像编码技术如JPEG、EZW、JPEG2000所采用的均匀量化方案中,逆量化值一般取每个量化区间的中点值．然而,因为小波系数的不均匀分布,中点值可能不是最佳值．在本文中,一种自适应选择逆量化值算法被提出来,从而改进基于小波的图像解码质量．实验表明我们的算法简单和有效．     

一种新的基于小波变换的自适应量化音频水印算法

提出了一种新的自适应量化数字音频水印算法,利用量化信噪比自适应地确定量化步长,进而利用音频信号的特点来决定水印的嵌入强度.在提取水印时不需要原始的音频信号,所以可实现水印的盲提取.仿真结果表明,该算法不仅具有较好的透明性,而且也对叠加噪声、有损压缩、低通滤波、重新采样等攻击具有较好的鲁棒性.     

一类混沌系统的状态量化反馈镇定控制器设计

用状态反馈法对含量化器的一类混沌系统的渐进镇定进行了研究.混沌系统的动力学状态方程的非线性项为任意整数阶的齐次函数.设计的更新律中量化器针对一类非线性项为高次齐次函数的混沌系统,数值仿真结果表明,若非线性控制器中存在量化环节时,原非线性控制器将无法镇定此类系统.为有效反馈镇定此类混沌系统,设计了一种新的含自适应量化器的非线性控制器.量化器中设置两个互为倒数的自适应放大器,使量化器具有自适应的量化范围和量化误差界,从而可自适应量化系统各种状态.同时应用Lyapunov原理和滑模变结构控制理论,推导得到量化器的放大系数和量化误差上界的更新律.一些典型混沌系统的数值仿真结果表明,所设计的非线性控制器可以有效自适应量化系统状态,并反馈镇定上述类型的混沌系统.     

一种格缩减辅助MIMO检测的非线性量化算法

针对格缩减辅助MIMO检测中,采用格缩减技术后导致星座畸变,引起变换域信号非线性联合量化复杂度高的问题,提出了一种排序反馈的非线性量化算法。该算法同时考虑了变换星座的边界和各元素之间的相关性,且根据量化误差的大小选择信号元素量化判决的顺序,依次量化判决信号的各个元素。仿真证明,基于该算法的格缩减辅助MIMO检测其性能要优于无排序反馈量化和逐元素独立量化的格缩减辅助MIMO检测,且能很好的逼近最大似然检测的性能,在平坦块衰落信道下,算法复杂度为多项式复杂度。     

基于网络时延的SDN逻辑一致性策略研究

对SDN网络更新过程中的暂时中间态进行了研究, 阐述了因网络时延导致的控制逻辑不一致问题, 并提出了一种解决方案. 该方案通过在控制平面上调整安装控制规则的时序, 使网络达到控制逻辑一致的目的, 进一步建立了一种基于节点平均网络时延的目标优化模型, 通过对模型求解得到SDN网络逻辑一致的时延最小路由路径. 最后通过仿真实验验证了该方案的可行性和有效性.     

利用上下边界估计的图像增强方法

提出了一种基于上下边界估计的快速图像增强方法.该方法使用上边界提升图像的细节信息,使用下边界消除图像的雾霾成分,调整上下边界的距离可灵活控制图像增强的程度,在上下边界计算过程中采用了加权中值滤波,能够在有效去噪的同时保持图像边界清晰.实验结果表明,该算法能有效改善图像质量,保持图像细节信息,压缩图像动态范围,色彩逼近于真实环境,且避免了光晕的产生.