基于K-means聚类的舰船通信网络异常数据检测

为了解决海上通信环境中的干扰和传输问题,提升舰船通信网络通信质量和可靠性,提出基于Kmeans聚类的舰船通信网络异常数据检测方法。构建舰船通信网络通信多径信道模型,利用该模型获取舰船通信网络数据。使用基于超窄带滤波的舰船通信网络数据滤波处理方法去除舰船通信网络数据内的干扰噪声,将无噪声的舰船通信网络数据作为输入,使用K-means聚类算法输出舰船通信网络异常数据检测结果。结果表明,该方法采集舰船通信网络数据较为准确,并可有效去除数据内含有的干扰噪声,降低舰船通信网络数据幅值区间,同时可用聚类方式准确检测舰船通信网络异常数据,应用效果较为显著。     

舰船用通信网络的异常数据监测技术研究

为了保障舰船用通信网络的数据传输的准确性,提高舰船网络的故障智能分析能力,需要进行异常数据监测,提出一种基于舰船用通信网络传输信号瞬时频率估计的异常数据监测技术。对采集的通信网络输出信号经过时频分解完成时域与频域之间的转换,采用高阶累积量特征提取方法进行舰船用通信网络中的异常数据检测,对检测的异常数据进行干扰和冗余数据滤波处理,完成对舰船用通信网络输出信号的瞬时频率估计,分析瞬时频率的异常状态特征,实现异常数据监测。仿真结果表明,采用该方法进行舰船用通信网络的异常数据监测能提高数据挖掘的准确度,对异常数据检测的虚警较低,抗干扰能力较强。     

云计算船舶通信网络的入侵特征提取与检测

船舶通信网络入侵特征具有宽带严平稳性,导致在入侵检测中容易受到小扰动影响,检测性能不好,在云计算环境下,提出基于时间尺度分解和谱密度特征提取的船舶通信网络的入侵特征提取与检测方法。构建云计算船舶通信网络入侵信息流检测模型,采用时频分析方法进行入侵特征的时延尺度分析,结合匹配滤波方法进行船舶通信网络的干扰滤波,对滤波后的网络传输信号进行谱分析,提取谱密度特征,根据谱密度分布的差异性实现对入侵特征提取和信号检测。仿真结果表明,采用该方法进行云计算船舶通信网络入侵检测的准确概率较高,保障了网络安全。     

舰船通信网络异常入侵检测的数学模型拟合

舰船通信网络易受到非法入侵者的攻击,导致舰船机密信息泄露、通信阻断等现象,严重威胁舰船航行和执行任务的安全性。入侵检测系统能够有效检测出非法入侵信号,及时对入侵信号进行处置,将其阻隔到舰船通信网络之外,保护通信网络安全通信。本文分析舰船通信网络异常入侵检测的现状与发展趋势,提出了基于聚类分析算法的异常入侵检测数据模型,并采用仿真实验证实数学模型能够准确检测出入侵行为,保障舰船通信网络安全运行。     

基于自适应滤波技术的舰船信号处理研究

为解决传统舰船信号处理技术对信号处理有效性较低的不足,提出基于自适应滤波技术的舰船信号处理研究。基于自适应滤波技术的引入,搭建舰船信号处理接口,完成基于自适应滤波技术舰船信号处理模型的构建。依托信号处理参数的确定,实现对舰船信号的处理,完成了提出的基于自适应滤波技术的舰船信号处理研究。试验数据表明,基于自适应滤波技术的舰船信号处理方式较传统舰船信号处理方法,舰船信号处理有效性提高52.07%,适用于不同环境下的舰船系统通信信号处理。     

舰船局域网络大规模入侵实时取证方法研究

传统检测取证方法存在大规模入侵检测数据误差大的问题。提出舰船局域网络大规模入侵实时取证方法,依托信号滤波技术,创建卡尔曼信号滤波单元,对网络波束内部干扰源进行滤波处理,利用Hybrid入侵特征提取算法,对滤波后信号进行提取运算。实现对局域网内的入侵数据信号干扰滤波与入侵信号提取。通过对比实验证明:提出的舰船局域网络大规模入侵实时取证方法,能够有效滤除局域网入侵干扰信号波,快速筛选、锁定、提取入侵数据信号,实现实时提取入侵信号证据的效果。     

舰船通信网络的自适应路由算法设计

路由算法是保障舰船通信网络正常工作的关键技术,当前舰船通信网络路由算法没有全面考虑节点能量限制问题,使得舰船通信网络的路由并非最优,导致舰船通信网络数据传输错误率高,舰船通信网络生存周期过短,为了提高舰船通信网络的通信质量,加快舰船通信网络数据传输速度,设计了一种自适应的舰船通信网络路由算法。首先对国内外舰船通信网络路由算法进行研究,找到引起各种算法不足的限制因素,然后模拟生物细胞分裂过程对舰船通信网络进行分簇,每一个簇包含不同规模的舰船通信网络通信节点,并舰船通信网络路由能耗最小、舰船通信网络生存周期最长为优化目标,构建最优的舰船通信网络通信路由,最后在Matlab 2016平台进行了舰船通信网络路由算法的性能测试实验。本文算法提高了舰船通信网络通信的平均吞吐量,舰船通信网络数据传输时延小,提高了舰船通信网络通信效率,有助于提高舰船通信网络的生存周期,具有十分高的实际应用价值。     

基于极限学习机的舰船网络入侵检测算法

针对传统网络入侵检测算法在舰船网络中存在的检测误差高的问题,提出基于极限学习机的舰船网络入侵检测算法。构建舰船通信网络模型,在该模型下实时采集通信数据并对其进行预处理。将采集的数据作为输入项,利用极限学习机算法提取网络入侵特征。根据网络入侵行为设置行为特征标准,结合舰船网络入侵节点聚集度的计算结果,得出舰船网络入侵检测结果。通过与传统入侵检测算法的对比发现,设计算法的检测误差有所降低,即入侵检测精度得到提升。     

基于两级自适应线谱增强器的舰船辐射噪声线谱检测

舰船辐射噪声中的线谱成分能表征舰船的本质特征,是舰船目标识别中的主要特征矢量.因此,舰船辐射噪声线谱的准确检测在目标识别中具有十分重要的意义.针对海洋环境噪声中舰船辐射噪声线谱检测问题,提出了两级自适应线谱增强器(adaptive line enhancement,ALE)检测方法.该方法在原一级ALE检测方法的基础上,将原信号延时信号与一级ALE误差信号相减后作为第2级ALE的输入再进行1次ALE.该方法较一级ALE在输入信号信噪比较低时能准确地将线谱从宽带背景噪声中分离出来.仿真和实验结果表明该方法的有效性和准确性.     

舰船通信网络中的移动脆弱节点定位与实现

舰船通信网络采用节点分布式组网设计,实现与外界的无线通信和远程卫星通信,对网络中的移动脆弱节点准确定位检测,实现对网络故障的及时诊断。本文提出一种基于网络传输信道量化跟踪融合的移动脆弱节点定位方法。首先构建舰船通信网络的节点分布模型,在舰船通信网络的多径传输信道中进行节点之间传输数据的信号分析;然后采用信道量化跟踪融合方法进行移动脆弱节点的异常特征提取,实现异常脆弱节点定位;最后进行实验测试,仿真结果表明,该方法对舰船通信网络中的移动脆弱节点定位检测的准确概率较高,时间开销较小,在通信网络故障诊断中具有实用性。