基于自动删除算法的最小选择恒虚警检测器

将自动删除算法和最小选择方法相结合，提出了一种在强干扰目标背景下基于自动删除算法的最小选择恒虚警检测方法,分析了自动删除算法的性能，推导了该方法的平均虚警概率，平均检测概率的解析表达式．该检测方法的排序时间只有自动删除均值检测器的一半，而通过计算机仿真显示在多目标环境中．当强干扰目标较多时，该检测方法优于自动删除均值检测器。     

基于自动删除算法的广义变化性指标恒虚警检测器

针对自动删除均值检测器存在的排序时间过长的问题,先提出了一种修正自动删除均值检测器.计算机仿真显示,与自动删除均值检测器相比,该检测器的性能或与其相同,或稍有改善,但排序时间却减少了一半.推导了该检测器的平均虚警概率、平均检测概率的解析表达式.比较了该检测器与基于自动删除算法的最小选择恒虚警检测器的性能,分析了这2种检测器各自适用的场合.为了得到稳定的检测性能,提出了一种广义变化性指标恒虚警检测器,该检测器根据变化性指标可以自动在修正自动删除均值检测器和基于自动删除算法的最小选择恒虚警检测器之间转换.最后通过计算机仿真验证了该检测器的有效性.     

一种新的循环谱统计量频谱感知算法

为了提高认知无线电中感知用户对授权用户（主用户）的检测概率,提出一种新的基于循环谱统计量的主用户信号检测算法．该算法利用循环谱离散频域平滑方法,对信号的循环谱在循环频率处建立合理的检测统计量,然后求解得到对应不同虚警概率的判决门限,以使感知用户能检测信噪比更低的授权用户信号．该算法具有检测结构简单,易实现的特点．仿真结果表明,在高斯白噪声信道中,虚警概率为0．1,频域平滑累积次数为255,在信噪比为-16dB的条件下,与Dandawate-Giannakis（DG）方法相比,本文算法的检测概率提高23％．     

基于采样协方差矩阵的频谱感知判决门限优化

在认知无线电频谱感知算法中,传统的基于采样协方差矩阵特征值极限分布函数的频谱感知算法难以同时实现高检测概率和低虚警概率.在此基础上,提出了一种基于采样协方差矩阵的频谱感知判决门限优化方法.利用随机矩阵理论,分别得到了采样协方差矩阵最大特征值和最小特征值极限分布函数下的判决门限,并将两个判决门限的加权求和作为最终判决门限.仿真结果表明,在获得较高检测概率的情况下,优化判决门限仍可保持较低的虚警概率.     

直接序列扩频通信中扩频码捕获系统的研究

围绕扩频通信中的关键技术-扩频码的捕获展开讨论.针对直接序列扩频通信中的同步速度问题,研究了扩频码的捕获原理;通过状态分析,利用编码序列相位转移图,研究了扩频码的捕获过程;论述了虚警产生的原因、虚警概率和虚警对同步捕获速度的影响.在此基础上,提出了一种带有辅助电路的扩频码捕获系统,该系统可大大降低非相关状态下输入门限检测器的等效噪声电压,从而降低虚警概率,缩短捕获时间,提高通信效率.     

基于物元-阴性选择算法的轴箱轴承故障检测

针对高速列车轴箱轴承故障数据获取困难的问题，提出了一种无需先验知识的利用物元和阴性选择算法进行轴承故障检测的方法. 首先利用多维物元构建阴性选择算法的检测器模型，以检测器与训练样本之间的综合关联度作为匹配规则，并在综合关联度约束范围内引入控制参数，实现检测器对非己空间的更大覆盖；其次，根据匹配规则和控制参数构建适应度函数，采用粒子群优化算法生成候选检测器，分析控制参数对检测器生成和粒子群优化算法收敛速度的影响；此外，为降低候选检测器集合的冗余度，基于关联度提出了检测器特征参数区间的合并规则，将成熟检测器个数降低至18个；最后，通过信号模拟方法生成轴箱轴承的各类故障信号，建立100组测试样本，并利用18个成熟检测器进行故障检测. 研究结果表明:成熟检测器对不同类轴承故障均具有较好的检测性能，正常样本的检测器激活率为1.11%，故障样本的检测器激活率不低于96.67%.      

一种有效抑制虚警干扰的累积和检验算法

研究了累积和检验算法应用于主动声呐信号检测时产生较大虚警数目的原因.实时处理时为减小运算量,采用非时变近似方法得出的低门限导致了虚警数目的增加;双门限的设置和限幅累积处理也是导致大虚警数目的原因.针对这2点,文中提出的新的单门限策略和累积流程通过对变化过程的充分累加能有效区分目标和干扰强度,降低虚警数目.海试数据的验证结果证明了该方法的有效性.     

各向异性光流法的目标边缘检测

光流法是在图像序列中对二维物体的运动矢量估计,用经典的HS算法计算时,目标与背景对比度小或有噪声将导致较大的虚警概率。而运用各向异性高斯核,运用非极大抑制条件,可以较好的抑制噪声,同时也保留了目标边缘,进而提高了梯度偏导的准确度。较好地解决了微分光流法的不足,从而提高了计算精度。最终对序列图像中动目标的边缘检测进行了方法改进,Gabor函数的替换以及实验表明算法的有效性。     

基于车流特征分区算法的地磁传感器单节点车速估计

地磁车辆检测器是近年来兴起的新型交通流信息检测技术,而利用单节点检测数据完成车速估计是该技术研究的重点之一. 本文首先对地磁车辆检测技术予以简要介绍,然后基于对道路车辆车长分布规律的分析,在合理假设的前提下,提出了车流特征分区的车速估计算法. 该算法充分考虑实际应用中各类车型组成情况,应用最大类间方差法实现大型车与小型车的分类,基于城市道路小型车居多且车长分布集中的特点,仅利用小型车通过时间检测数据完成对平均车速的估计. 最后,选取实际路段开展试验,并基于Matlab平台对该算法进行了验证. 结果表明,本文提出的车流特征分区算法稳定性好,平均准确率达到85％以上.     

基于三维高斯混合码本模型的运动目标检测算法

为解决智能视觉监控中码本模型参数调节困难和高斯混合模型概率分布计算的复杂性,提出了一种基于三维高斯混合码本模型的运动目标检测算法.该算法基于RGB空间建立码本模型,然后基于码字中的R、G、B分量建立三维高斯模型,从而使整个码本具有三维高斯混合模型的特征.实验结果表明:该算法具有较高的实时性(该算法的平均帧率约23.0帧/s,而iGMM(improved Gaussian mixture model)算法约9.0帧/s,BM(Bayesmodel)算法约6.2帧/s,CBM(codebook model)算法约10.7帧/s),且具有良好的检测质量.     

基于BP神经网络的交通异常事件自动检测算法

对现有公路交通异常事件自动检测算法进行介绍,在此基础上提出从人工神经网络角度方向建立检测模型,摆脱以往使用仿真数据研究的局限,利用广深高速实测交通异常事件数据对BP神经网络（Back Propagation NN）在交通异常事件自动检测算法中的应用进行研究。结果表明BP神经网络算法具有检测率高、误报率低和检测速度快等优点。     

基于RBF的城市快速路交通异常事件自动检测算法分析

通过对城市快速路交通异常事件自动检测方法的分析,提出用MATLAB神经网络工具箱建立交通异常事件自动检测RBF模型,并通过采集的实测交通异常事件数据对RBF神经网络在自动检测算法中进行仿真研究。结果表明RBF神经网络算法具有检测率高、误报率低和检测速度快等优点。     

���ڸ��������ݵij��п���·��ͨ�¼�����㷨�о�

交通事件是引发快速路交通延误的主要因素,迅速、有效的检测事件是快速路交通管理与控制的重要组成部分。本文利用CUSUM理论提出了基于浮动车数据的城市快速路交通事件自动检测算法;通过采集北京市快速路上的真实事件信息以及浮动车探测数据,对不同采样间隔条件下的算法性能进行了实际验证,并与传统的基于浮动车数据的UCB算法验证结果进行了对比分析。结果表明：所提算法在采样间隔为1分钟条件下的检测性能要优于采样间隔为5分钟条件下的检测性能;相对于UCB算法而言,所提算法的检测性能大大提高,在同一误报率条件下检测率可提高10%左右。     

Multimodal Evolution Approach to Multidimensional Intrusion Detection

An artificial immunity based multimodal evolution algorithm is developed to generate detectors with variable coverage for multidimensional intrusion detection. In this algorithm, a proper fitness function is used to drive the detectors to fill in those detection holes close to self set or among self spheres, and genetic algorithm is adopted to reduce the negative effects that different distribution of self imposes on the detector generating process. The validity of the algorithm is tested with spherical and rectangular detectors, respectively, and experiments performed on two real data sets （machine learning database and DAPRA99） indicate that the proposed algorithm can obtain good results on spherical detectors, and that its performances in detection rate, false alarm rate, stabih＇ty, time cost, and adaptability to incomplete training set on spherical detectors are all better than on rectangular ones.     

周期分类和Single-Pass聚类相结合的话题识别与跟踪方法

针对增量式聚类初始时话题模型不够充分和准确,随处理报道数量增加,误检与漏检的累积效应被放大的问题,提出了周期分类和Single—Pass聚类相结合的话题识别与跟踪方法．首先采用增量式聚类算法进行话题识别与跟踪,当新闻文本每积累到一定程度之后,对已经聚类的报道进行周期分类,使话题簇精度提高,从而提高后续话题识别与跟踪精度．实验表明这种方法是有效的,能够降低漏检率与错检率,减少归一化错误识别代价．     

高速公路交通事件自动检测系统与算法设计

据估计发达国家高速公路中60％～70％的延误是由交通事件引起的,而交通事件的早期检测与及早分流可以使由其引起的延误大幅度降低。自20世纪60年代开始的交通事件自动检测(AID)系统的目标一直是协助交通管理部门处理交通事件。尽管已开发并投入使用了多个AID系统,但是居高不下的误警率(FAR)和令人失望的检测效果,让一些交通管理者不得不放弃它的使用。为了提高AID系统的可靠性和实用性,提出了一种具有三级报警制度的高速公路交通事件自动检测系统框架,并以人工神经网络技术为依托,设计了基于单个检测设施的AID算法。模拟计算表明,基于单个路段交通流参数标定的模型可以应用于其它路段交通事件的检测。在检测率(DR)、误警率(FAR)和平均检测时间(MTTD)方面都优于目标方法,而且由于每个检测器站只需安装一个检测器,也降低了高速公路事件管理系统的建设成本。     

基于MSA的智能火灾报警系统

针对传统的采用单一火灾传感器的自动消防系统易产生误报警、漏报警的问题,提出基于MSA(mu lti-step-alarm)的智能火灾报警系统.该系统采用基于BP神经网络的多传感器数据融合技术融合各种火灾传感器的信号,以减少报警时间、误报警和漏报警.提出了相关判定规则,以确认火灾报警信号,克服BP算法容易陷入误差局部最小、单纯使用训练值会产生振荡的缺陷.实验结果表明,与3种单一传感器的平均值比较,基于MSA的智能火灾报警系统的误报率和漏报率分别减少了80%和92%,报警时间缩短了50%.     

The Anomaly Detection in SMTP Traffic Based on Leaky Integrate-and-Fire Model

Introduction TheSMTP[1]isusedasthebasisformost electronicmail.EmailisthemostpopularInternet servicenow[2],anditallowspeopletocommuni-catebyexchangingelectronicmessagesglobally.Thesemessagescanbedeliveredinafewseconds toacoupleofhours.Anaddedattractionisthe relativelylowcostofsendinglargemessages.Combined,thesebenefitsgiveusersaconvincing argumentforaccesstoemail,andthustheconnec-tionoftheirsystemstotheInternet.SMTPisasimpleprotocolandcontainsonlya fewbasiccommands.Thereareseveralsecurity …