一、产生高斯随机序列的新方法（论文文献综述）
高山[1]（2019）在《海洋工程结构物的非高斯响应极值与疲劳研究》文中研究说明相对于陆上结构,海洋结构物的服役环境更为恶劣,其遭受的环境荷载更加复杂。为确保海洋结构物在服役期间的安全性和可靠性,需要在设计阶段对结构物的响应进行准确的极值预报和疲劳损伤评估。相较于时域分析方法,基于功率谱的频域分析方法更为快捷,能满足实际工程中需要对诸多工况进行快速预报的要求。然而,面对海洋工程研究设计中无可避免的诸多非线性问题,以及结构响应呈现出的宽带特性和非高斯统计特征,现阶段的频域分析方法依然存在着很多不足。基于此,本文先后开展了以下的时-频域研究工作:无论是非高斯过程的极值预报还是疲劳损伤评估,若采用频域或概率方法,都绕不开对非高斯随机过程的显式公式化描述。因此,本文对工程上常用于描述非线性系统的Hermite变换模型展开了研究,并提出了同时基于中心矩和线性矩的复合Hermite变换模型,有效地将Hermite变换模型的应用从三阶拓展到四阶,以处理强非高斯问题。本文以对数正态模型作为假想的非线性系统,对比分析了在解析条件下和在样本数据条件下,各类Hermite变换模型与传统的Gumbel法以及平均条件穿越率（ACER）法在非高斯极值预报中的表现。结果表明,对于大偏度强非高斯随机过程的极值预报,复合Hermite模型不仅在解析条件下较为准确,在小样本条件下也最为可靠。针对双模态高斯随机过程和三模态高斯随机过程的疲劳损伤评估,本文提出了一种新颖的谱分析方法——模态耦合分析方法。不同于传统的基于概率论的谱分析方法,该方法从分割功率谱的角度出发,将功率谱分割成很多份极窄的频带。每个频带所造成的疲劳损伤可以使用窄带假设单独计算,而任意两个频率模态间的耦合效应则通过引入一个耦合系数ζ进行计算。这些窄频带造成的疲劳损伤和模态耦合造成的疲劳损伤之和,即是总的疲劳损伤。大量的数值实验结果表明,对比于其它主流疲劳损伤谱分析方法,本文提出的高斯过程模态耦合法不仅物理意义明确,还具有更好的准确性和鲁棒性。对于时域模拟,本文提出了一种基于四阶、五阶Hermite变换的强非高斯随机过程的同源繁衍方法,推导了这些高阶Hermite变换模型中底层高斯随机过程与目标非高斯随机过程间的自相关函数关系。使用该方法,可以从目标非高斯功率谱直接解析推导出底层高斯功率谱,而其他方法则需要反复迭代更新来找寻底层高斯功率谱。本方法生成的非高斯随机过程与目标过程有着相同的功率谱和十分接近的统计特性（相同的统计矩）。本文对莫里森拖曳力、自升式平台的波浪荷载和漂浮式风机的塔柱应力进行了模拟,结果表明本文提出的模拟方法可以迅速有效地生成可用于极值预报和疲劳损伤评估的强非高斯随机过程。基于上述的非高斯过程时域模拟方法,本文还对宽带非高斯随机过程的疲劳损伤进行了研究与讨论。而后通过非高斯疲劳修正因子,分别讨论了带宽和非高斯性对疲劳损伤的影响,指出了现阶段的谱分析方法在结合Hermite变换法进行宽带非高斯疲劳损伤评估存在的不足。使用谱分析方法和非高斯疲劳修正因子对双模态中、弱非高斯过程的疲劳损伤进行了研究,结果表明本文提出的高斯过程模态耦合法配合非高斯疲劳修正因子可以对双模态的中、弱非高斯随机过程进行最为精确的疲劳损伤计算。
王蛟龙[2]（2019）在《基于自适应卡尔曼滤波器的编队卫星相对导航技术研究》文中研究指明随着空间科学技术战略地位的日益提高,旨在扩展系统能力的卫星编队飞行技术越来越受到重视。编队卫星系统中高精度编队控制等多项关键技术的性能均依赖于高精度的卫星相对导航技术。因此,分析不同编队卫星场景相对导航的问题特点,研究可精确、高效确定星间相对位置与速度的滤波方法,有针对性地改进和优化编队卫星相对导航性能,具有重要研究价值和意义。本学位论文依托编队飞行卫星相关研究背景,考虑编队卫星不同参考轨道对相对导航系统性能的影响,抽象具有不同运动模型和噪声/残差特性的滤波问题,提出具有针对性改进机制的新型自适应卡尔曼滤波方法,提高卫星相对导航滤波精度、效率及自适应性能。主要工作及创新如下:第一,针对圆轨编队卫星相对导航中线性时不变运动模型含有未知过程噪声协方差参数的特点,提出了一种基于误差协方差反馈调整的自适应卡尔曼滤波算法。仿真对比实验表明其算法估计精度高、计算量小,对滤波器过程噪声参数不精确的情况具有参数自适应能力。第二,针对近圆轨道编队卫星相对导航中非线性连续运动模型离散化和线性化过程引入不可预测近似误差的特点,提出了一种基于后验随机序列反馈的非线性连续离散自适应卡尔曼滤波算法。仿真结果表明其可有效抑制模型离散化和线性化近似误差对滤波精度及稳定性的影响,并且具有计算效率高的优势。第三,针对大偏心率椭圆轨道卫星相对导航中强非线性连续运动及离散测量模型的容积变换和数值近似过程引入不可忽略模型残差特点,提出了一种基于容积采样向量NIRK积分及误差自适应控制的连续离散容积卡尔曼滤波算法。仿真实验表明其可自适应抑制模型离散化和非线性变换残差的幅度从而提高算法估计精度及滤波稳定性。综上,本学位论文以圆形、近圆及大偏心率椭圆三种参考轨道编队卫星的相对导航问题为研究背景,抽象出线性时不变、非线性连续运动及强非线性连续运动/离散测量系统三种滤波问题理论模型,考虑其过程噪声或模型近似误差的不同特性,分别提出了针对问题特点的新型自适应卡尔曼滤波方法。编队场景数值仿真验证了本文新方法的状态估计性能,为相关领域应用研究提供理论基础及借鉴经验。
马兴亮[3]（2019）在《建筑结构表面风压非高斯特性分析方法研究》文中认为建筑结构抗风设计需要充分考虑风荷载的非高斯特征,不容忽视。本文首先回顾了非高斯风荷载研究领域的几个热点问题,综述了研究现状,指出了缺陷和不足。在此基础上,针对非高斯风压概率分布拟合、非高斯风压极值计算、非高斯风压过程模拟以及非高斯风压插值预测四个问题,展开深入研究。全文主要内容及结论如下:（1）现有基于穿越率理论的非高斯风压极值计算方法适用范围有限,且对于短尾侧极值的计算精度明显低于长尾侧。鉴于此,本文开发了“分离描述”（separate description,简称SD）算法以解决这些问题。SD算法采用Johnson变换作为潜在高斯过程与目标非高斯过程之间的转换工具,其适用范围覆盖了整个Pearson平面,适用于任意偏度、峰度组合的非高斯分布。由于短尾侧数据在极大似然函数的计算中所占权重更高,因而提出对母体风压分布拟合两次,以极大似然估计的拟合结果计算短尾侧极值,以矩估计拟合结果计算长尾侧极值,以针对性地改善短尾侧极值计算精度。经对比验证,SD算法的整体计算误差在4%以内,其精度高于传统算法,优势在短尾侧以及处理非高斯性较强的软过程时尤为明显。（2）现有基于极值理论的非高斯风压极值算法需要进行长时间风洞试验,其资源耗费较大。为解决这一问题,本文提出一种试验数据与数值模拟相结合（hybrid measurement and simulation-based,简称HMSB）的算法,通过数值模拟的手段,以前四阶统计量和功率谱密度（power spectral density,简称PSD）为口标,仿真生成大量风压时程,以获取足够多的极值样本,拟合极值分布。考虑到统计量对于极值计算精度影响更大,在保证统计量模拟精度的基础上,为了最大程度地提高模拟效率,提出了一种简化模拟方法,可以实现统计量的精确模拟和PSD的近似模拟。经验证,HMSB法计算精度高于传统方法,整体计算误差在4%左右。其计算效率极高,能在短时间内生成大量模拟时程,从而有效地节省了试验资源。（3）平稳非高斯过程模拟包含频率和概率两方面目标,传统方法大多基于先干涉频率再干涉概率的模拟思路。本文采用新的模拟思路,即先干涉概率再干涉频率,提出了一种新的模拟方法。在此过程中,推导了线性滤波系统输入过程与输出过程低阶统计量之间的转换关系,解决了统计量扭曲问题;探讨了新思路与传统思路所各自面临的不相容问题的成因,证明了两种不相容区间并不完全重叠,新方法可以解决某些传统方法的不相容问题;通过多个算例证明了新方法的有效性和准确性。此外,所提方法还具有模拟高阶相关非高斯过程的潜力。（4）现有非高斯非平稳过程模拟方法较少,且均需要迭代计算,模拟效率较低。本文基于线性滤波技术,提出了新的模拟方法,使用时变自回归（time-varying auto-regressive,简称TVAR）模型将潜在非高斯非平稳白噪声过滤成目标非高斯非平稳过程。新方法无需迭代,计算简便。在其开发过程中,推导了TVAR模型输入过程与输出过程时变低阶统计量之间的变换关系,从而可在模拟前根据目标时变低阶统计量计算出潜在非高斯非平稳白噪声的时变低阶统计量;将传统Johnson变换升级为时变版本,用于生成非平稳白噪声输入;提出了一种简便方法,用于确定TVAR模型阶数;通过算例证明了新方法的可行性和准确性。（5）将高斯过程回归（Gaussian process regression,简称GPR）技术引入到风压统计量的插值估计问题,相比于现有方法中使用的人工神经网络技术,GPR的优势在于超参数自适应选取、输出具有明确的概率意义等方面。对于低阶统计量估计问题,本文所提方法相对于传统方法精度更高,能够实现对未布测点位置和未测量风向角的风压信息的准确补充。对于风压时程估计问题,本文充分利用GPR善于处理小样本问题的特点,提出了时变GPR估计方法,其精度相对传统方法更高,且能够处理风场随时间变化的非平稳情形。尝试估计了高阶统计量和累积密度函数,其中三阶统计量和累积密度函数估计精度较高,可以满足使用要求。而四阶统计量由于其随机性更强、波动幅度更高,精度尚无法满足要求,需进一步提升算法。
陈世适[4]（2016）在《基于多源响应信息融合的优化设计理论与方法研究》文中指出本论文主要针对采用多源响应信息进行构建代理模型、序列全局最优设计与多学科系统动态资源配置三大难题,对融合多源响应信息进行基于仿真的复杂系统优化设计而进行了研究。首先基于高斯随机过程提出了多种非层次型多模型融合方法,用来整合多个相互竞争的仿真模型与少数昂贵的实验测量数据,实现了建立高效且准确的响应预测模型。每种新提出的方法均采用不同的构架与假设来描述仿真模型与实验测量之间的关系。第一种方法将真实目标响应表示为所有仿真模型的线性加权和,并且加上一个残余偏差函数;另外两种方法将真实目标响应表示为单个仿真模型与它对应的偏差函数之和,它们的不同点在于假设响应偏差函数具有不同的统计属性:与真实响应相互独立,或者与仿真模型共用空间相关函数。算例研究表明,在多模型融合中考虑额外的响应数据（尽管低精度）往往能够改善代理模型的预测性能。与已有的层次型方法相比,新提出的非层次型方法能够灵活地处理各种复杂的模型精度情况,并且三种新方法的均值与整体预测性能都非常接近。其次,针对多模型融合的情况,提出了两种面向目标的序列采样策略,实现了使用非层次型多级精度模型进行序列全局最优设计。其中,统一序列采样策略利用仿真模型之间的后验相关性作为预测精度的判断准则,提出了一种新的拓展期望改进函数,能够同时确定新样本的输入位置以及评估模型;而两阶段序列采样策略首先采用最大化原始期望函数确定新样本的输入位置,然后采用预后验分析方法对仿真模型的功效进行预测,选取出新样本的响应评估模型。算例研究表明,新提出的两种序列采样策略灵活地均衡不同仿真模型的预测精度与计算费用,不仅能够以消耗更少的计算资源寻得全局最优解,并且提供了具有更好预测性能的最终响应代理模型。最后,提出了一种序列策略将多学科复杂系统的资源配置问题分解为多个决策过程,通过动态添加设计资源以实现降低系统响应的累积认知不确定性。采用多模型融合方法对学科子系统模型进行误差校正,并且量化它们的模型认知不确定性;提出高效的多学科不确定性传播与统计灵敏度分析方法,为选取新填充样本的输入位置与学科响应提供决策信息;利用样本之间的相关性来保证新填充样本在设计空间内足够稀疏;采用预后验分析方法选取所需配置资源的类型。算例研究表明,通过添加计算机仿真数据,绝大多数系统响应的累积认知不确定性都能得到有效的降低,仅需在少数情况下需要添加昂贵的物理实验数据,从而极大地提高了设计资源的利用率。通过设计资源的动态配置过程,新方法能够逐步检测到设计者可能由于缺乏先验知识而忽略的耦合变量输入区域,具有较强的空间探索能力。
刘嫣[5]（2021）在《电能质量扰动信号压缩采样与重构方法及其在造纸工业中的应用研究》文中进行了进一步梳理电能质量扰动直接关系工业生产的用电品质和安全,对电能质量扰动进行监测具有重要的理论意义和广阔的应用前景。然而,长期、多点、在线、高频监测必然会形成电能质量扰动“数据池”,从而引发数据存储成本高、数据传输效率低等问题。压缩感知（Compressed Sensing,CS）技术是一种解决海量数据的信息处理工具,但当前的CS技术一般停留在理论研究层面,还存在压缩采样和重构方法不满足工程实际需求的问题。为攻克该技术在工程应用中的难题,本文围绕电能质量扰动信号压缩采样和重构方法开展应用技术基础理论和实验研究,并试图将研究成果应用于造纸工业供电网络的电能质量扰动信号监测中。论文的研究内容和贡献可总结为如下四个方面。（1）基于RD-AIC的观测矩阵构造及其性能分析研究。针对电能质量扰动连续信号的压缩采样和可靠重构问题,设计了基于随机解调模拟信息转换器（Random Demodulation Based on Analogy-to-Information Converter,RD-AIC）的压缩采样和重构方案,建立了研究RD-AIC不相关性和采样相位偏差性的观测矩阵模型,分析了伪随机序列周期、低通滤波器通带截止频率及其单位脉冲响应移位偏差对不相关性和采样相位偏差性的影响规律,并获得了提高重构精度和抗噪鲁棒性的RD-AIC参数设定方法。通过这些研究工作和实验结果表明,具有强不相关性和无采样相位偏差的RD-AIC不仅能高比例压缩采样连续信号,还具有良好的采样恢复精度和抗噪鲁棒性。（2）电能质量扰动信号的稀疏特性分析与改进重构算法研究。针对电能质量扰动信号在DFT字典下的重构实时性问题,推导了电能质量扰动信号的幅度谱解析表达式,获得了电能质量扰动信号在DFT字典下稀疏表示的科学依据,并由此提出一种基于频谱能量差的稀疏度自适应匹配追踪（Sparsity Adaptive Matching Pursuit,SAMP）改进算法。针对瞬时脉冲扰动信号在级联字典下的重构实时性问题,构造了含工频和瞬时脉冲原子的过完备级联字典,验证了该字典的有效性和抗噪鲁棒性,并提出了一种基于部分级联字典的正交匹配追踪（Orthogonal Matching Pursuit,OMP）改进算法。通过上述研究工作和实验结果表明,DFT字典下的SAMP改进算法和级联字典下的OMP改进算法,达到了提高电能质量扰动信号重构实时性的目的。（3）基于TCN理论的电能质量扰动信号重构算法研究。针对传统重构算法受限于电能质量扰动信号稀疏表示的问题,提出了基于时间卷积神经网络（Temporal Convolutional Network,TCN）理论的重构方案,建立了基于TCN理论的电能质量扰动信号重构模型,设计出一种具有非因果性和重构能力的TCN网络结构,构建了电能质量扰动原始和压缩数据集,并训练和测试了基于TCN的重构算法的可行性和有效性。通过上述理论和实验研究工作,探索出一种免稀疏表示的快速重构方法,不仅突破了传统重构算法的瓶颈,还达到了批量重构电能质量扰动信号的目的。（4）CS技术在造纸工业电能质量扰动信号监测中的应用研究。以高耗能流程工业中的典型代表一—造纸工业为应用背景,开展了 CS技术在造纸工业电能质量扰动信号监测中的应用研究。首先,分析了制浆造纸的主要生产工艺、先进生产技术、主要用电负荷与电能质量扰动的相互作用关系,由此给出谐波和电压暂降是造纸工业典型电能质量扰动的结论。其次,研制了用于造纸工业电能质量扰动信号的压缩采样和重构实验装置,并提出了一种基于CS技术的电能质量扰动信号监测优化方案。再三,谐波和电压暂降测试结果表明了 CS技术在应用中的有效性和优越性。通过以上研究工作,为CS技术在造纸工业电能质量扰动信号监测中的应用和推广奠定了基础。综上所述,针对电能质量扰动信号压缩采样与重构方法及其在造纸工业中的应用研究,本文主要开展了基于RD-AIC的观测矩阵的构造及其性能分析、基于DFT和级联字典的稀疏特性及其改进重构算法、基于TCN的重构算法等三个方面的理论研究工作,并将部分研究结果应用于造纸工业供电网络的电能质量扰动监测实验装置和优化方案中去。研究结果表明,本文所提方法能够有效改善CS技术的性能,能够满足工程应用对可靠性和实时性需求,并能促进CS技术在造纸工业电能质量扰动监测中的推广和应用。
王龙奇[6]（2021）在《X射线脉冲星循环平稳信号处理算法研究》文中提出深空探测是是人类获取太空知识,走向宇宙深处,实现自我认知的伟大征程。脉冲星的发现为探索大尺度时空提供了新方向,同时X射线脉冲星导航作为一种新兴的天文自主导航方式,它利用X射线脉冲星天体分布特点和宇宙灯塔特性为航天器提供导航信息,尤其适用于深空导航。本文针对X射线脉冲星信号处理领域的关键问题,利用脉冲星自转周期稳定、脉冲星信号循环平稳的特点,提取有效频域和时域特征,并结合与特征模型相匹配的神经网络,有效实现了已知脉冲星信号辨识、待定脉冲星信号搜索和脉冲星相位信息提取。主要研究内容如下:总结脉冲星的基本物理特性,包括其辐射机制、基本分类、信号特性。针对X射线脉冲星信号循环平稳的特性,给出该类信号常用的分析手段,包括循环平稳定义,循环统计量的低阶和高阶信息,以及相应的时域和频域特征表示方法。研究脉冲星信号基于循环平稳理论的特征表示方法。首先基于信号的循环平稳特性建立数学模型,模型中考虑了脉冲星辐射过程中的周期抖动、相关性干扰和高斯噪声。将信号模型分为确定性分量和随机性分量研究其频谱特点:有用信号的频谱是离散的,随机信号的频谱是连续的。引入循环统计量,分析脉冲星信号的二阶循环谱和三阶循环谱（循环双谱）分布特点,给出循环双谱的直接估计策略,相比于传统频谱其具备更好的抗噪特性和抗干扰特性以及更丰富的相位信息。介绍罗西X射线计时探测器卫星数据,并基于仿真和实测数据对所提方法加以验证。这种特征表示方法为后续与神经网络结合提供了建模思路和效果保障。提出了一种利用双谱和DCNN的已知X射线脉冲星信号辨识方法。由于脉冲星光子通量、传播距离以及探测器面积的限制,接收到的脉冲星信号往往十分微弱。传统的基于FFT的频谱搜索技术需要累积很长时间的观测数据才能获得合适的信噪比增益。本文利用包含了非均匀采样、高通滤波、自相关等策略的高阶谱估计方法在很大程度上抑制了噪声。同时将这种二维特征与Goog Le Net相结合,充分发挥了DCNN在二维数据挖掘方面的优势,精准的实现了脉冲星信号辨识任务。实验数据来自罗西X射线计时探测器数据库中的三颗旋转供能脉冲星:B0531+21、B0540-69、B1509-58,在三颗星观测时长仅有0.5s、40s、15s的情况下可达90%以上的分类准确率。进一步的实验表明,高通滤波和自相关能有效抑制红噪声和随机噪声,双谱的非均匀采样策略能有效避免频率泄露。虽然提出算法的时间复杂度（O（n2））高于传统的FFT（O（nlogn））,但该算法从实质上减少了观测时长的要求,因此其计算复杂度与传统方法相当。提出了二维自相关轮廓图谱新概念,并与DCNN相结合,有效实现了待定X射线脉冲星信号搜索。从众多待定脉冲星信号中搜索到有效信息是脉冲星天文学的重要课题,本章从空间X射线脉冲星信号入手,提出了一种名为二维自相关轮廓图谱的特征建模方法,其通过对X射线脉冲星信号的自相关函数进行历元折叠和周期轴时域信息扩充得到。与传统折叠轮廓相比,该特征具有更强的抗噪能力、更丰富的信息和更好的特征一致性。利用高斯仿真模型对二维自相关轮廓图谱的特征分布特性进行分析,发现其特征分布与轮廓双峰间距密切相关。之后在tensorflow框架下将其与Inception-Res Net相结合,从克服数据不平衡问题和提高网络泛化能力的角度给出样本集生成策略,网络训练方案和超参数调试策略。在网络收敛到稳定状态后能成功识别99%以上的脉冲星信号,排除99%以上的干扰。实验结果验证了DCNN与特征模型的高契合度,以及提出方法在脉冲星搜索领域的巨大潜力。提出了一种基于Transformer结构的X射线脉冲星相位信息提取方法。高精度的脉冲到达时间估计是实现X射线脉冲星导航的保障。本部分对二维自相关轮廓图谱进行简化,去除自相关环节以恢复相位信息,并将简化后的特征命名为二维轮廓图谱。考虑到二维轮廓图谱在相位方向上具备前后时序关系,使用近年来在自然语言处理领域大放异彩的开创性结构Transformer,对这种时序关系进行建模学习,实现相位高精度估计的目的。仿真实验结果表明:本文所提算法优于传统互相关算法,在X射线脉冲星导航方面有很大的应用潜力。
赵文静[7]（2020）在《海杂波背景下的雷达目标检测方法研究》文中指出海杂波背景下的运动目标检测在军事领域和民用领域具有重要意义,同时面临很大的困难和挑战。由于高分辨海杂波的统计特性呈现出非高斯、非线性以及非平稳特性,给运动目标检测带来极大的挑战;对于慢速移动、雷达截面积较小的隐身目标或漂浮目标,其回波信杂比较低,使得检测难度增加;此外,在有效检测样本数较少的情况下,检测信杂比难以提高,检测性能受到较大制约。因此高分辨海杂波背景下的短脉冲目标检测问题成为国内外学者关注的热点问题。针对这些检测难点,本文旨在研究短脉冲情况下高分辨海杂波背景中的运动目标检测的新理论与新方法,基于接收数据的相关性、信息几何理论及杂波抑制方法,探索了几种雷达运动目标检测方法,主要工作如下:（1）充分挖掘和利用数据样本间的信息,提高短脉冲条件下的检测性能是雷达目标检测需要解决的一个难点问题。对于海杂波的时间相关性和空间相关性特性,利用协方差矩阵的特征值捕捉相关性并提取信号特征,进而用于区分目标和杂波。从特征值域的似然比检测角度和广义似然比角度分析了检测统计量与特征值的关系,设计了一种基于最大特征值的矩阵检测器。仿真实验表明,该算法取得较优的检测性能。此外,利用不变理论分析表明所提算法对杂波协方差矩阵具有恒虚警率特性。（2）以信息几何理论为基础,深入探究矩阵信息几何理论并设计雷达目标检测方法。针对矩阵流形上的几何测度和均值矩阵估计问题,利用矩阵谱范数,给出了矩阵流形上一种新的几何测度,并分析了几何测度的各向异性,指出了所提出的几何测度与现有几何测度的区别。基于不依赖于数据统计特性的几何模式,将基于新几何测度的均值矩阵估计问题转化为矩阵流形上的凸优化问题,提出了两种有效的求解方法。利用提出的几何测度和均值矩阵估计器,设计了两种雷达目标矩阵检测器。理论分析及仿真实验表明,所提出的矩阵检测器具有有界恒虚警率特性,且获得较好的检测性能。（3）针对一些现有的矩阵检测器的检测性能不理想以及计算复杂度高的问题,提出2类新的检测算法:其一,利用Root-Euclidean距离、Power-Euclidean距离、Cholesky-Euclidean距离和新Riemannian距离衡量矩阵流形上两个点的差异性,研究了相应度量的均值和中值矩阵计算问题,并设计了基于均值和中值的矩阵检测算法;其二,为保持原算法的优势,保留现有矩阵检测算法中的中值矩阵的求解方法,但是采用最大特征值作为检测统计量,进而设计了6种不同的中值矩阵检测方法。基于多个仿真场景的实验分析表明所提算法具有较优的检测性能和鲁棒性,特别是最大特征值与Hellinger中值矩阵相结合的新算法表现出较优的性能。此外,计算复杂度分析表明,所提的两类算法比现有的几何方法具有更低的计算复杂度。（4）针对短脉冲条件下的相干积累难以提高检测信杂比的问题,研究杂波抑制手段,提出了 2种基于滤波处理的最大特征值矩阵检测器:其一,通过对接收数据执行快速傅里叶变换实现预处理过程,将频域相干积累与最大特征值方法相结合,提出基于预处理的最大特征值矩阵恒虚警率检测器。该算法利用目标导向矢量的先验信息减弱杂波的影响,进一步提高检测性能;其二,研究了子带分解的思想,利用子带分解将接收信号在多普勒域维分解为多个子带信号,有效地抑制杂波且增加相干积累时间,提出子带分解与特征值检测级联的两阶段检测算法。基于仿真数据和实测数据的实验表明,所提的两种算法均取得较好的检测性能。上述工作在检测算法方面做了有益的探索,在一定程度上丰富了高分辨率海杂波背景下的雷达运动目标检测算法的理论,提高了在实际系统中的可行性,具有很好的理论意义和实用价值。
甘罕[8]（2020）在《基于密码芯片的旁路攻击方法研究》文中提出密码芯片是密码算法的载体,用于保护隐私数据,常应用于ATM机、银行卡、服务器、智能卡等各种设备。在密码芯片安全问题的研究中,除了对密码算法的缺陷和漏洞问题研究,旁路攻击方法的研究也成为了广大学者的关注的焦点。旁路攻击方法可利用密码芯片工作时泄露的物理信息有效破解密钥,攻击效果显着。密码芯片的旁路攻击研究是一种风险评估,利于密码算法的完善,同时利于芯片内部结构及安全性能的优化。本文搭建了旁路信息采集系统,优化了旁路信息的对齐方法,提出了最佳采集策略,以高级加密标准（Advanced encryption standard,AES）和RC4加密算法为目标,分别对电磁分析、功耗分析、模板攻击、机器学习四类攻击方法进行了优化。论文的主要工作及创新点如下所述。1)针对捕获的旁路泄露信号存在时间偏移的问题,提出了一种信号对齐方法,以增强攻击效力。相关对齐法利用两条曲线片段的相关系数实现曲线的对齐,但是它存在相关系数局部最大的问题,这使得曲线存在局部对齐的现象。因此本文提出了一种双峰相关对齐法,将双峰中的一段片段用于数据平移量的确定,另外一个片段用于监测后半段曲线的对齐效果。实验结果证实了相关对齐法存在局部对齐的问题,同时证实了新方法的可行性。从数据对齐前后的攻击结果对比可以看出:后者的攻击效果在尖峰相关系数幅值和密钥猜测成功率两方面均有提升。相关电磁曲线的尖峰幅值增加了 75%,同时某一字节密钥的成功率由0变为100%。同时针对不同测量策略对电磁分析的影响进行实验分析并进行了理论验证。2)以传统AES加密算法为攻击目标,对不同泄露模型下的差分功耗分析（Differential Power Analysis,DPA）进行优化。在单比特-DPA攻击中,分析了不同比特所泄露的信息对攻击的影响,确定了最佳攻击方案。随后提出了一种全新的多比特模型设计方案:七比特-DPA攻击方法,并从理论、实验两方面验证了算法的可行性。该方法有效地利用了多个比特的泄露信息,有效地提高了攻击效果。较之单比特-DPA攻击,新方法的尖峰幅值增加了 101%。3)插入随机操作的 AES（AES with random progress interrupts,AES-RPIs）加密算法使得旁路信号的噪声增加,从而削弱旁路攻击的效果。针对噪声的频率具有不确定性的问题,本文提出了基于经验模态分解（Empirical Mode Decomposition,EMD）的相关功耗分析（Correlation Power Analysis,CPA）攻击方法。新方法将复杂信号分解为多个不同时间尺度的局部特征信号并作为实际泄露模型实施CPA攻击以增强攻击效果。同时提出了一种攻击效果评估方案,利用尖峰对比度对尖峰进行了有效放大。实验证明新方法的攻击效果显着:其尖峰对比度相比传统EMD增加了 64%,同时比传统CPA攻击增加了 3.46倍。4)以AES-RPIs加密算法为目标,针对随机干扰插入位置未知、差分曲线或者相关性曲线的尖峰未知的极端情况,提出了一种盲式带滑动窗的 CPA（Sliding window CPA,SW-CPA）攻击方法。盲式 SW-CPA 攻击方法无须参考尖峰的位置,直接对分散的原始功耗曲线的信息进行聚合。同时采用遍历滑动窗的形式确保叠加效果最优,更符合实际情况。同时采用了两组数据对算法的攻击效果进行了实验分析。在第一组数据的攻击结果中,较之CPA,新方法得到的尖峰增幅范围在2.98～7.32倍,较之SW-CPA,增幅范围在1.96～5.25倍。在攻击成功率为100%的情况下,新方法所消耗的曲线数量比传统方法降低了 15%。5)在对AES-RPIs加密算法的攻击中,提出了一种基于压缩能量熵的SW-CPA方法,通过滑动窗对分散信息进行了叠加处理,同时将曲线划分为多个片段,得到了压缩后的能量熵,使有效信息聚焦,削弱了随机操作（random progress interrupts,RPIs）的影响。新方法能够有效降低随机干扰对加密算法的指令操作的泄露规律的影响。首先通过理论推导证实了算法的可行性,随后分别从数据复杂度、尖峰幅值两方面对攻击效果进行了实验验证。结果表明新方法的攻击效果良好。在第一组数据的分析中,较之CPA攻击,新方法的尖峰增幅范围3.89-9.51倍,较之SW-CPA的增幅范围在2.64-5.89倍。当攻击成功率为100%,新方法所消耗的曲线数量比其它方法降低了 35%。6)在基于贝叶斯的模板攻击研究中,提出了两种兴趣点的筛选方法,将兴趣点进一步筛选以构建模板。同时研究了模板构建的数据量、模板匹配的数据量以及兴趣点的选取对攻击效果的影响,从而确定了模板的最佳构建和匹配方案。在机器学习攻击方面,提出了一种独立成分分析（Independent component analysis,ICA）和主成分分析（principal component analysis,PCA）混合方法,充分利用了旁路信息的特征,削弱了数据间的高阶相关,提高了预测成功率。实验结果表明:在不同维度下,与PCA方法相比,ICA方法的分类成功率的增幅范围为:11.1%～230%,混合算法的增幅范围为:33.3%～230%。在数据量消耗相同条件下,混合算法的预测成功率比PCA增加了 6.69倍,ICA方法比PCA增加了 5.15倍。
王婧[9]（2020）在《伪随机动态测试信号建模与智能电能表动态误差测试方法》文中研究表明进入21世纪,为解决能源与环境间的矛盾,能源的供给侧与需求侧发生了重大变革,我国《十三五规划纲要》中明确提出“深入推进能源革命,着力推动能源生产利用方式变革”。经过多年的技术创新与应用,落实习近平总书记提出的“创新、协调、绿色、开放、共享”五大发展理念,我国能源生产与利用方式在发生重大变化的同时,也为电能的准确计量带来了挑战。电网供给侧可再生新型能源大规模发电,其输出功率具有较强的不确定性、间歇性和随机波动性。需求侧大功率非线性动态负荷的广泛应用,导致负荷电流表现出复杂的快速随机动态波动特性,进而引起电能表电能计量严重超差。根据国家能源局统计数据,2019年,我国以非线性动态负荷使用为主的工业用电量占全社会用电量的67.1%,因而,由动态负荷信号快速随机波动所导致的电能计量1%的误差就可能造成几十亿元的经济损失。目前,国内外缺少对快速随机波动条件下智能电能表动态误差的测试理论与技术。本文以上述国家战略实施中存在的问题为导向,发现并提炼出智能电能表动态误差测试的科学问题,研究探索电能表动态误差测试的理论和方法,形成了原创性的研究成果,主要包括:（1）研究分析电网中实际动态负荷信号的典型本质特性,在此基础上,针对现有的电能表误差测试信号模型无法反映实际动态负荷信号快速随机波动特性的问题,建立了一种新的畸变波形m序列伪随机动态测试信号结构化参数模型,并研究了此类信号的产生方法,所提出的测试信号模型满足电能表动态误差测试信号建模的要求,为开展智能电能表动态误差测试提供了有效的解决方法。（2）为提高智能电能表动态误差的测试效率,根据压缩感知理论中的测量矩阵线性编码调制理论,采用结构化方法,构建正交伪随机测量矩阵,通过矩阵映射产生正交伪随机幅度调制函数,建立畸变波形正交伪随机动态测试信号模型。使其在反映实际电网中动态负荷典型本质特性的同时具备紧凑性,提高了电能表动态误差的测试效率。解决了压缩感知理论在工程领域应用的难题。（3）针对国内外电参量测量领域广泛使用的窗函数卷积算法在快速随机动态条件下测量准确度明显降低的问题。基于压缩检测信号处理理论,分析离散畸变波形伪随机动态瞬时功率测试信号的频域稀疏性,通过构建最小误差有功功率检测滤波器,提出了动态电能量值准确测量的非交叠移动压缩检测（Nonoverlapping moving compressive measurement,NOLM-CM）算法,在仿真与实验条件下,验证了 NOLM-CM算法具有更高的准确度。为智能电能表在快速随机动态条件下的电能量值准确测量提供指导。（4）针对智能电能表动态误差测试,在所提出的两类畸变波形伪随机动态测试信号模型的基础上,定义测试信号的游程似然函数,建立智能电能表动态误差的似然函数间接测试方法,解决了从动态参考电能量值到稳态参考电能量值的溯源问题。其次,搭建智能电能表动态误差测试系统,实验验证了本文所建立的畸变波形伪随机动态测试信号和电能表动态误差似然函数间接测试方法的有效性,且测量不确定度显着降低。本文从理论研究到仿真分析,再到实验验证,形成了智能电能表动态误差测试的完整理论体系,解决了测试关键技术,研究成果对保证快速随机动态波动条件下电能的准确计量与公平交易,促进电能替代绿色发展与创新发展,具有重要意义和广阔的应用前景。
刘卫强[10]（2020）在《基于机器学习的分布式全波形激电信噪分离与反演成像方法》文中研究说明激发极化电法勘探（激电法）是一种针对地质体导电性和激电性差异进行探测的地球物理分支方法。近年来国内外先后研发了分布式全波形电法勘探仪器设备,激电数据采集效率得到迅速发展,但相应的数据处理解释方法依然有所滞后。本文的研究目的是针对分布式激电勘探产生的大规模数据,建立一套初步智能化的信噪分离与反演成像方法,提高激电勘探的数据质量和应用效果。为了提高分布式激电抗干扰数据处理的精度和效率,本文提出了基于降噪方法库与统计决策的抗干扰技术。首先实现了三维介质的激电全波形响应正演模拟,通过分析生成的激电全波形理论信号与不同类型噪声干扰特征,提取最能表征时间序列类型的八个时/频域统计分量。继而模拟生成激电信号库与噪声库,通过支持向量机（SVM）分类算法实现机器对时间序列中不同噪声干扰的判断识别。然后,通过学习总结信号处理领域的相关知识,优选并改进五种有针对性的信号处理技术,包括:经验模态分解、波形匹配、稳健估计、主成分分析和小波分析等,并集成为一个降噪方法库,供决策系统自动选择相应的信号处理技术,实现干扰压制。上述方法是一种基于统计分析与信号处理知识驱动的自动化抗干扰算法。为了克服激电反演成像中常规拟线性最优化算法依赖初始模型、分辨率不足等问题,本文对两种机器学习算法进行改进,提出了样本压缩神经网络算法和自适应聚类分析算法,分别应用于激电勘探数据反演和边界识别。首先通过随机介质模型理论生成电性介质模型样本,通过分布式计算正演产生理论响应,然后用理论模型和响应数据训练神经网络模型,对新数据进行预测。为降低数据冗余性,本文将数据压缩技术与人工神经网络相结合,降低输入输出样本维度,提高神经网络反演的速度与精度。为了进一步根据反演结果划分异常体的边界,本文对聚类分析进行改进,根据原始数据的分布特征和稳健统计,实现聚类数目的自动确定,进而对反演结果进行属性聚类、边界拾取和异常中心定位。上述方法进一步提高了激电反演成像的精度和自动化水平。最后,将本文提出的方法应用于我国西南某铅锌多金属矿区的实测激电数据,获得了超过5000个测点上的高品质激电数据。分析了不同电极极距与不同观测频率下的抗干扰效果,对误差进行了统计;并将抗干扰处理前后的电性扫面和测深数据进行了对比。同时采用新的反演成像算法,根据实测的全波形数据分别进行了平面激电参数反演、二维电测深反演、三维多剖面反演等处理,并对反演结果进行边界拾取和属性聚类。数据处理结果反映出了测区地下介质电阻率极化率的异常特征,结合测区地质资料推断了成矿有利区,算法效果得到验证。综上,为了提高分布式全波形激电勘探的数据质量和应用效果,本文开展了两种综合算法研究,包括:基于降噪方法库与统计决策的干扰压制算法,基于样本压缩神经网络和自适应聚类的反演成像算法。模拟和实测数据的测试表明,新算法可有效提高激电数据质量并增强观测数据对地下异常体的反映能力,同时提高数据处理解释的精度与自动化水平。本文的框架和算法可进一步迁移到其他人工源电磁勘探方法中,目前相关研究已经开展。
二、产生高斯随机序列的新方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、产生高斯随机序列的新方法（论文提纲范文）
（1）海洋工程结构物的非高斯响应极值与疲劳研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 1. 绪论 |
| 1.1 研究背景及意义 |
| 1.2 非高斯随机过程的极值预报方法研究现状 |
| 1.2.1 非高斯过程极值预报的概率方法 |
| 1.2.2 非高斯过程极值预报的非线性变换方法 |
| 1.3 高斯疲劳损伤的谱分析方法研究现状 |
| 1.3.1 常用的宽带高斯疲劳损伤的谱分析方法 |
| 1.3.2 双模态高斯疲劳损伤的谱分析方法 |
| 1.3.3 三模态高斯疲劳损伤的谱分析方法 |
| 1.4 平稳非高斯随机过程的数值模拟方法研究现状 |
| 1.5 非高斯疲劳损伤的谱分析方法研究现状 |
| 1.6 本文主要研究内容 |
| 2. 基于Hermite变换的非高斯极值分析方法 |
| 2.1 引言 |
| 2.2 中心矩和线性矩 |
| 2.2.1 中心矩 |
| 2.2.2 线性矩 |
| 2.3 三阶C-Hermite变换模型 |
| 2.3.1 超高斯随机过程的三阶Hermite变换模型 |
| 2.3.2 亚高斯随机过程的三阶Hermite变换模型 |
| 2.4 超高斯三阶L-Hermite变换模型 |
| 2.5 超高斯四阶Hermite变换模型 |
| 2.5.1 超高斯随机过程的四阶C-Hermite变换模型 |
| 2.5.2 超高斯随机过程的四阶L-Hermite变换模型 |
| 2.5.3 超高斯四阶Hermite变换模型的单调性 |
| 2.6 复合Hermite模型 |
| 2.7 短期极值预报 |
| 2.7.1 Hermite变换法 |
| 2.7.2 使用解析统计矩的极值预报 |
| 2.7.3 四阶Hermite模型的单调性讨论 |
| 2.7.4 使用样本统计矩的极值估计:60段3-hr模拟数据 |
| 2.7.5 使用样本统计矩的极值预报:10段1-hr模拟数据 |
| 2.8 本章小结 |
| 3. 双模态高斯随机过程疲劳损伤的谱分析 |
| 3.1 引言 |
| 3.2 谱矩以及谱宽系数 |
| 3.3 窄带高斯随机过程疲劳频域分析理论 |
| 3.4 常用的宽带高斯随机过程的疲劳谱分析方法 |
| 3.4.1 Wirsching-Light(WL)法 |
| 3.4.2 Dirlik(DK)法 |
| 3.4.3 Tovo-Benasciutti(TB)法 |
| 3.4.4 单矩(Single-Moment,SM)法 |
| 3.5 双模态高斯随机过程 |
| 3.6 针对于双模态高斯随机过程的疲劳谱分析方法 |
| 3.6.1 Jiao-Moan(JM)法 |
| 3.6.2 LOW法 |
| 3.7 基于功率谱分割思想的模态耦合法 |
| 3.7.1 功率谱分割思想 |
| 3.7.2 双模态高斯过程疲劳分析中的模态耦合效应 |
| 3.7.3 模态耦合法 |
| 3.7.4 模态耦合系数ξ的确定 |
| 3.7.5 高频模态为窄带的双模态算例 |
| 3.8 模态耦合法在宽带高频情形下的应用 |
| 3.8.1 高频模态为宽带的双模态算例 |
| 3.8.2 高频子模态数M的确定 |
| 3.9 本章小结 |
| 4. 三模态高斯随机过程疲劳损伤频域分析 |
| 4.1 引言 |
| 4.2 三模态高斯随机过程 |
| 4.3 高频为窄带的三模态高斯过程的模态耦合法 |
| 4.4 高频为宽带的三模态高斯过程的模态耦合法 |
| 4.5 算例讨论 |
| 4.5.1 理想三模态随机过程 |
| 4.5.2 低频模态与中频模态是宽带的三模态随机过程 |
| 4.5.3 高频模态是宽带的三模态随机过程 |
| 4.5.4 海洋工程中的一个实际三模态谱 |
| 4.6 本章小结 |
| 5. 强超高斯随机过程的时域同源繁衍方法 |
| 5.1 引言 |
| 5.2 高斯随机过程的模拟 |
| 5.3 Grigoriu非线性变换理论 |
| 5.4 强超高斯过程的同源繁衍方法 |
| 5.4.1 方法简介 |
| 5.4.2 底层标准高斯随机过程的功率谱求解 |
| 5.4.3 去除高斯功率谱中存在的负值 |
| 5.5 同源繁衍方法在极值预报和疲劳分析上的应用 |
| 5.5.1 算例5-1:莫里森拖曳力 |
| 5.5.2 算例5-2:自升式平台的波浪力极值估计 |
| 5.5.3 算例5-3:近海风机的疲劳损伤评估 |
| 5.6 本章小结 |
| 6. 双模态的中弱超高斯随机疲劳谱分析 |
| 6.1 引言 |
| 6.2 非高斯疲劳修正因子的时域分析 |
| 6.2.1 单模态非高斯随机过程 |
| 6.2.2 双模态非高斯随机过程 |
| 6.3 基于三阶Hermite变换的非高斯疲劳修正因子 |
| 6.3.1 Winterstein(WT)非高斯疲劳修正因子 |
| 6.3.2 Dirlik非高斯疲劳修正因子 |
| 6.3.3 Tovo-Benasciutti非高斯疲劳修正因子 |
| 6.4 非高斯疲劳修正因子对比 |
| 6.4.1 单模态非高斯疲劳修正因子对比 |
| 6.4.2 双模态非高斯疲劳修正因子对比 |
| 6.5 双模态非高斯疲劳损伤估计 |
| 6.5.1 算例6-1 |
| 6.5.2 算例6-2 |
| 6.5.3 算例6-3 |
| 6.6 本章小结 |
| 7. 结论与展望 |
| 7.1 全文总结 |
| 7.2 创新点摘要 |
| 7.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（2）基于自适应卡尔曼滤波器的编队卫星相对导航技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 编队飞行卫星相关研究任务 |
| 1.3 编队卫星相对导航研究现状 |
| 1.4 相对导航中的滤波算法研究 |
| 1.5 卡尔曼滤波理论相关研究 |
| 1.6 论文内容创新及主体架构 |
| 1.7 本章小结 |
| 第二章 卫星相对运动模型及相关卡尔曼滤波理论 |
| 2.1 卫星相对运动模型 |
| 2.1.1 相对导航参考坐标系 |
| 2.1.2 编队卫星精确相对运动模型 |
| 2.1.3 椭圆编队非线性运动模型 |
| 2.1.4 圆轨道编队线性运动模型 |
| 2.2 自适应卡尔曼滤波器相关理论 |
| 2.2.1 线性及非线性卡尔曼滤波器 |
| 2.2.2 线性时不变系统最优滤波理论 |
| 2.2.3 噪声协方差矩阵自适应滤波器 |
| 2.2.4 变分贝叶斯自适应卡尔曼滤波器 |
| 2.3 非线性连续离散卡尔曼滤波器理论 |
| 2.3.1 非线性连续离散系统模型 |
| 2.3.2 非线性连续离散系统的状态估计理论 |
| 2.3.3 非线性连续离散扩展卡尔曼滤波方法 |
| 2.3.4 非线性连续离散容积卡尔曼滤波方法 |
| 2.4 本章小结 |
| 第三章 圆轨道编队卫星相对导航线性时不变系统滤波问题研究 |
| 3.1 圆轨道编队卫星相对导航问题的标准化数学模型 |
| 3.1.1 圆轨道编队相对导航中的离散线性时不变滤波问题 |
| 3.1.2 含有未知或不精确Q的线性时不变系统卡尔曼滤波问题 |
| 3.2 新型先验协方差自适应卡尔曼滤波器 |
| 3.2.1 新型先验协方差自适应方法 |
| 3.2.2 新自适应卡尔曼滤波器框图 |
| 3.2.3 新自适应方法的特点和优势 |
| 3.3 新先验协方差估计方法的次优推导过程 |
| 3.3.1 新自适应方法次优推导的近似假设条件 |
| 3.3.2 基于最大似然估计准则的推导过程 |
| 3.3.3 新方法次优推导过程的分析和讨论 |
| 3.3.4 新方法提高近似假设有效性的措施 |
| 3.4 新方法与传统过程噪声协方差估计方法的对比 |
| 3.4.1 新方法与现有自适应方法对比一 |
| 3.4.2 新方法与现有自适应方法对比二 |
| 3.5 基于标准模型的数值仿真与算法性能对比 |
| 3.5.1 目标跟踪模型场景设置 |
| 3.5.2 不同初始协方差参数下的自适应算法性能分析 |
| 3.5.3 过程数据及先验误差协方差估计性能分析 |
| 3.6 圆轨道编队飞行卫星典型场景仿真分析 |
| 3.6.1 圆轨道编队飞行卫星典型场景实验设置 |
| 3.6.2 不精确参数对相对导航滤波性能影响分析 |
| 3.6.3 典型卫星场应用的仿真过程数据分析 |
| 3.7 本章小结 |
| 第四章 近圆编队卫星相对导航弱非线性连续离散滤波问题研究 |
| 4.1 近圆轨道编队卫星相对导航问题的标准化数学模型 |
| 4.1.1 近圆轨道编队卫星相对导航的非线性连续离散模型 |
| 4.1.2 含有未知线性化和离散化误差的非线性连续离散滤波问题 |
| 4.2 新型随机序列反馈自适应连续离散卡尔曼滤波器 |
| 4.2.1 新随机序列反馈自适应滤波方法 |
| 4.2.2 新随机序列反馈自适应方法框图 |
| 4.2.3 新自适应滤波方法特点分析及讨论 |
| 4.3 随机反馈自适应连续离散滤波方法的次优性 |
| 4.3.1 随机序列反馈自适应方法的近似推导过程 |
| 4.3.2 新方法提高算法假设有效性的具体措施 |
| 4.3.3 新方法参数选取与第三章方法对比讨论 |
| 4.4 新自适应连续离散滤波方法中近似误差的处理方法对比 |
| 4.4.1 先离散化连续离散扩展卡尔曼滤波器中的近似误差 |
| 4.4.2 先线性化连续离散扩展卡尔曼滤波器中的近似误差 |
| 4.4.3 新自适应连续离散滤波方法中数值误差的处理方法 |
| 4.5 基于标准模型数值仿真的新方法性能分析与算法对比 |
| 4.5.1 范德波尔周期振荡器模型及实验设置 |
| 4.5.2 不同测量周期下新算法性能对比分析 |
| 4.5.3 不同近似步长下新算法性能对比分析 |
| 4.6 近圆轨道编队飞行卫星典型场景仿真分析 |
| 4.6.1 近圆编队飞行卫星典型场景实验设置 |
| 4.6.2 不同测量周期下相对导航滤波性能分析 |
| 4.6.3 典型卫星场景工程的过程数据分析 |
| 4.7 本章小结 |
| 第五章 大偏心率椭圆编队卫星相对导航强非线性连续离散滤波问题研究 |
| 5.1 大偏心率椭圆轨道编队相对导航问题的标准化数学模型 |
| 5.1.1 大偏心率椭圆编队卫星相对导航的非线性连续离散模型 |
| 5.1.2 针对强非线性连续离散系统的容积卡尔曼滤波问题 |
| 5.2 基于新型状态和协方差递推的连续离散容积卡尔曼滤波器 |
| 5.2.1 基于容积采样向量分别积分的先验状态预测 |
| 5.2.2 基于高斯-勒让德近似方法的先验协方差预测 |
| 5.2.3 新型连续离散容积卡尔曼滤波器分析及讨论 |
| 5.3 新型连续离散容积卡尔曼滤波器的平方根形式 |
| 5.3.1 新方法平方根形式的状态和协方差预测 |
| 5.3.2 新方法平方根形式的量测更新过程 |
| 5.4 基于NIRK和误差控制的连续离散容积卡尔曼滤波方法 |
| 5.4.1 基于嵌套隐性式龙格库塔NIRK的采样向量数值积分 |
| 5.4.2 数值积分误差的在线评估和积分步长自适应控制方法 |
| 5.5 基于标准模型数值仿真的新方法性能分析与算法对比 |
| 5.5.1 飞行目标跟踪场景的系统模型设置 |
| 5.5.2 测量系统较小采样周期下算法性能分析 |
| 5.5.3 测量系统较大采样周期下算法性能分析 |
| 5.6 大偏心率椭圆轨道编队飞行卫星典型场景仿真分析 |
| 5.6.1 大偏心率椭圆编队飞行卫星典型场景实验设置 |
| 5.6.2 不同测量周期下相对导航滤波性能分析 |
| 5.6.3 典型卫星场景仿真的过程数据分析 |
| 5.7 本章小结 |
| 第六章 全文总结 |
| 6.1 课题研究总结 |
| 6.1.1 课题主要研究内容 |
| 6.1.2 研究工作主要创新点 |
| 6.1.3 课题研究主要结论 |
| 6.2 后续研究展望 |
| 参考文献 |
| 攻读博士学位期间已发表的学术论文 |
| 致谢 |
（3）建筑结构表面风压非高斯特性分析方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 表面风压非高斯特性的研究方法概述 |
| 1.3 非高斯风荷载研究领域的典型问题和研究现状 |
| 1.3.1 非高斯风压区域划分 |
| 1.3.2 非高斯风压概率分布拟合 |
| 1.3.3 非高斯风压极值计算 |
| 1.3.4 非高斯风压过程模拟 |
| 1.3.5 非高斯风压插值估计 |
| 1.4 本文研究内容 |
| 2 基于穿越率理论的非高斯风压极值计算 |
| 2.1 引言 |
| 2.2 基于Johnson变换的非高斯过程极值概率模型 |
| 2.2.1 基本思路 |
| 2.2.2 非高斯过程极值分布CDF |
| 2.2.3 基于Gumbel假设的非高斯过程峰值因子 |
| 2.2.4 所提算法完整流程 |
| 2.3 高层建筑长时风洞测压试验 |
| 2.4 非高斯过程母体分布拟合精度对比 |
| 2.4.1 验证数据及其非高斯特性描述 |
| 2.4.2 对比模型介绍 |
| 2.4.3 拟合精度对比 |
| 2.5 非高斯过程极值估计精度对比 |
| 2.5.1 验证数据分类 |
| 2.5.2 峰值因子计算结果对比 |
| 2.5.3 非高斯过程极值分布CDF计算结果验证 |
| 2.6. 本章小结 |
| 3 基于极值理论的非高斯风压极值计算 |
| 3.1 引言 |
| 3.2 试验数据与数值模拟相结合的极值算法 |
| 3.2.1 基本思路 |
| 3.2.2 潜在高斯序列模拟 |
| 3.2.3 目标非高斯序列模拟 |
| 3.2.4 极值分布估计 |
| 3.2.5 所提算法完整流程 |
| 3.3 算例及结果分析 |
| 3.3.1 验证数据的非高斯特性描述 |
| 3.3.2 模拟序列的精度验证 |
| 3.3.3 峰值因子计算结果分析 |
| 3.3.4 特定非穿越保证率下的极值计算结果分析 |
| 3.4 本章小结 |
| 4 平稳非高斯过程模拟 |
| 4.1 引言 |
| 4.2 单变量平稳非高斯过程模拟 |
| 4.2.1 单变量线性滤波系统的矩扭曲关系 |
| 4.2.2 潜在非高斯白噪声 |
| 4.2.3 单变量平稳非高斯过程模拟算法流程 |
| 4.2.4 单变量平稳非高斯过程模拟目标的不相容性 |
| 4.2.5 两类不相容区间对比 |
| 4.3 多变量平稳非高斯过程模拟 |
| 4.3.1 多变量线性滤波系统的矩扭曲关系 |
| 4.3.2 多变量平稳非高斯过程模拟算法流程 |
| 4.3.3 多变量平稳非高斯过程模拟目标的不相容性 |
| 4.4 算例及结果分析 |
| 4.4.1 单变量平稳非高斯风速过程模拟算例 |
| 4.4.2 多变量平稳非高斯风压过程模拟算例 |
| 4.5 本章小结 |
| 5 非平稳非高斯过程模拟 |
| 5.1 引言 |
| 5.2 时变自回归模型建立 |
| 5.2.1 演化功率谱密度 |
| 5.2.2 模型系数求解 |
| 5.2.3 模型阶数选取 |
| 5.3 非平稳非高斯过程模拟算法 |
| 5.3.1 冲击响应矩阵计算 |
| 5.3.2 输入白噪声时变低阶边缘矩计算 |
| 5.3.3 基于时变Johnson变换生成输入白噪声 |
| 5.3.4 非平稳非高斯过程模拟算法流程 |
| 5.4 算例及结果分析 |
| 5.4.1 下击暴流算例 |
| 5.4.2 一般性算例 |
| 5.5 本章小结 |
| 6 风压统计参数插值估计 |
| 6.1 引言 |
| 6.2 高斯过程回归 |
| 6.2.1 先验高斯过程 |
| 6.2.2 后验高斯过程 |
| 6.2.3 超参数求解 |
| 6.3 算例数据源 |
| 6.4 统计参数及时程插值估计 |
| 6.4.1 风压系数低阶统计量 |
| 6.4.2 风压系数时程 |
| 6.4.3 风压系数高阶统计量 |
| 6.4.4 风压系数概率分布 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 内容与结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（4）基于多源响应信息融合的优化设计理论与方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状概述 |
| 1.2.1 多源响应信息融合技术 |
| 1.2.2 试验设计序列采样技术 |
| 1.2.3 不确定性条件下的多学科优化设计 |
| 1.3 研究现状总结 |
| 1.4 本文研究内容及结构安排 |
| 第2章 多模型融合与序列采样策略基础理论 |
| 2.1 引言 |
| 2.2 高斯随机过程建模方法 |
| 2.2.1 高斯随机过程基本原理介绍 |
| 2.2.2 高斯随机过程的优点 |
| 2.2.3 超参数对高斯随机过程响应预测的影响及分析 |
| 2.3 已有的多模型融合方法 |
| 2.3.1 用于模型误差校正的双模型融合方法 |
| 2.3.2 层次型多模型融合方法的基本原理介绍 |
| 2.4 序列采样策略 |
| 2.4.1 面向模型的序列采样方法 |
| 2.4.2 面向目标的序列采样方法 |
| 2.5 本章小结 |
| 第3章 基于高斯随机过程的非层次型多模型融合技术 |
| 3.1 引言 |
| 3.2 非层次型多模型融合方法 |
| 3.2.1 方法 1：加权和(WS) |
| 3.2.2 方法 2：并行组合且与真实响应相独立(PC-DIT) |
| 3.2.3 方法 3：并行组合且共同空间相关性(PC-CSC) |
| 3.3 算例研究 |
| 3.3.1 数值算例 1：明显区别的模型精度 |
| 3.3.2 数值算例 2：类似的模型精度 |
| 3.3.3 数值算例 3：域变的模型精度 |
| 3.3.4 数值算例 4：二维测试 |
| 3.3.5 应用实例：流化床工艺过程 |
| 3.4 本章小结 |
| 第4章 基于多模型融合的序列全局最优设计 |
| 4.1 引言 |
| 4.2 仿真模型描述 |
| 4.3 低精度模型的响应预测与模型之间的后验相关性 |
| 4.3.1 低精度仿真模型的响应预测 |
| 4.3.2 仿真模型之间的后验相关性 |
| 4.4 统一序列采样策略 |
| 4.4.1 优化设计框架 |
| 4.4.2 数学方法描述 |
| 4.4.3 算例研究 |
| 4.5 两阶段序列采样策略 |
| 4.5.1 优化设计框架 |
| 4.5.2 数学方法描述 |
| 4.5.3 算例研究 |
| 4.6 应用实例：汽车发动机活塞设计 |
| 4.7 本章小结 |
| 第5章 多学科系统动态资源配置 |
| 5.1 引言 |
| 5.2 多学科系统中模型认知不确定性的量化 |
| 5.3 资源配置策略以降低多学科系统中的认知不确定性 |
| 5.3.1 探索输入空间与评价多学科系统中的认知不确定性 |
| 5.3.2 辨别不同学科响应对系统认知不确定性的影响 |
| 5.3.3 确定资源配置的输入位置与学科响应 |
| 5.3.4 确定所需配置资源的类型 |
| 5.4 算例研究 |
| 5.4.1 热力学科初始仿真模型的误差校正 |
| 5.4.2 选取用于资源配置的输入位置与学科子系统响应(第1步迭代) |
| 5.4.3 进行预后验分析以确定配置资源的类型(第 1 步迭代) |
| 5.4.4 资源配置的整体决定结果(第 2~4 步迭代) |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
| 作者简介 |
（5）电能质量扰动信号压缩采样与重构方法及其在造纸工业中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 电能质量扰动问题概述 |
| 1.2.1 电能质量扰动现象及分类 |
| 1.2.2 电能质量扰动成因及危害 |
| 1.2.3 电能质量扰动数据及压缩 |
| 1.3 CS理论概述及研究现状 |
| 1.4 电能质量扰动信号的压缩采样与重构方法研究现状 |
| 1.4.1 压缩采样与重构方法的理论研究现状 |
| 1.4.2 压缩采样与重构方法的应用研究现状 |
| 1.4.3 当前存在的问题 |
| 1.5 论文研究内容及章节安排 |
| 2 基于RD-AIC的观测矩阵构造及其性能分析研究 |
| 2.1 传统观测矩阵模型及存在问题 |
| 2.2 RD-AIC的工作原理及其观测矩阵构造 |
| 2.2.1 RD-AIC的工作原理及压缩采样模型 |
| 2.2.2 基于RD-AIC的观测矩阵构造 |
| 2.3 基于RD-AIC的观测矩阵不相关性分析 |
| 2.3.1 不相关性判别定理 |
| 2.3.2 正交性和非奇异性分析 |
| 2.3.3 广义相关度计算及统计分析 |
| 2.4 基于RD-AIC的观测矩阵采样相位偏差分析 |
| 2.5 基于RD-AIC的压缩采样与重构方法的实验设计 |
| 2.5.1 实验设计 |
| 2.5.2 不同硬件参数下的重构性能对比 |
| 2.5.3 不同观测矩阵下的重构性能对比 |
| 2.6 RD-AIC的硬件设计指导原则 |
| 2.7 小结 |
| 3 电能质量扰动信号的稀疏特性分析与改进重构算法研究 |
| 3.1 电能质量扰动信号在DFT字典下的稀疏特性研究 |
| 3.1.1 DFT变换的数学描述 |
| 3.1.2 电能质量扰动信号的DFT变换 |
| 3.1.3 电能质量扰动信号的稀疏特性分析 |
| 3.2 基于DFT字典的SAMP改进算法研究 |
| 3.2.1 SAMP算法及其在DFT字典下的存在问题 |
| 3.2.2 改进算法思想及其实现框架 |
| 3.2.3 实验设计与性能对比 |
| 3.3 瞬时脉冲信号在级联字典下的稀疏特性研究 |
| 3.3.1 级联字典构造 |
| 3.3.2 瞬时脉冲信号在级联字典下的稀疏特性 |
| 3.4 基于部分级联字典的OMP改进算法研究 |
| 3.4.1 基于级联字典的OMP算法及其存在问题 |
| 3.4.2 改进算法思想及其实现框架 |
| 3.4.3 实验设计与性能对比 |
| 3.5 小结 |
| 4 基于TCN理论的电能质量扰动信号重构算法研究 |
| 4.1 TCN理论及其网络结构 |
| 4.1.1 因果卷积 |
| 4.1.2 膨胀卷积 |
| 4.1.3 残差链接 |
| 4.2 基于TCN的电能质量扰动信号重构算法设计 |
| 4.2.1 基于TCN的重构模型建立 |
| 4.2.2 基于TCN的重构算法网络结构设计 |
| 4.2.3 网络学习优化算法 |
| 4.3 基于TCN的电能质量扰动信号重构算法实现 |
| 4.3.1 电能质量扰动数据集建立 |
| 4.3.2 网络搭建、训练与测试 |
| 4.3.3 训练和测试结果 |
| 4.4 实验设计与性能对比 |
| 4.4.1 重构对比实验 |
| 4.4.2 数据分析与总结 |
| 4.5 小结 |
| 5 CS技术在造纸工业电能质量扰动监测中的应用研究 |
| 5.1 浆纸生产与电能质量扰动 |
| 5.1.1 浆纸生产工艺与先进制造技术 |
| 5.1.2 主要用电负荷与典型电能质量扰动 |
| 5.2 CS技术在电能质量扰动监测装置中的应用研究 |
| 5.2.1 实验装置总体设计方案 |
| 5.2.2 硬件设计与开发 |
| 5.2.3 软件设计与开发 |
| 5.2.4 实验装置联调与测试 |
| 5.2.5 实验设计 |
| 5.3 CS技术在电能质量扰动信号监测方案中的应用研究 |
| 5.3.1 现有监测方案及其存在问题 |
| 5.3.2 造纸工业用户电能质量扰动监测拓扑与优化方案 |
| 5.4 小结 |
| 6 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究工作创新点 |
| 6.3 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的成果 |
（6）X射线脉冲星循环平稳信号处理算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景及意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 脉冲星信号处理技术研究现状 |
| 1.2.2 脉冲星新星搜索技术研究现状 |
| 1.2.3 研究现状分析 |
| 1.3 本课题研究思路 |
| 1.4 论文主要研究内容 |
| 第2章 脉冲星信号处理基本理论 |
| 2.1 引言 |
| 2.2 脉冲星基本特性 |
| 2.2.1 脉冲星的发现与分布命名 |
| 2.2.2 脉冲星基本机理 |
| 2.2.3 脉冲星信号的能段分布和时域特征 |
| 2.2.4 到达光子的统计特性 |
| 2.3 循环统计量基本理论 |
| 2.3.1 循环平稳的定义与分类 |
| 2.3.2 二阶循环统计量理论 |
| 2.3.3 高阶循环统计量理论 |
| 2.4 本章小结 |
| 第3章 基于高阶循环统计量的脉冲星信号特征分析 |
| 3.1 引言 |
| 3.2 方法和分析 |
| 3.2.1 脉冲星信号模型 |
| 3.2.2 脉冲星信号频谱分析 |
| 3.2.3 脉冲星信号的二阶循环统计量分析 |
| 3.2.4 脉冲星信号的三阶循环统计量分析 |
| 3.3 仿真分析结果 |
| 3.3.1 脉冲星信号模拟 |
| 3.3.2 脉冲星信号频谱分析 |
| 3.3.3 脉冲星信号二阶循环统计量分析 |
| 3.3.4 脉冲星信号三阶循环统计量分析 |
| 3.4 实测数据分析 |
| 3.4.1 实验脉冲星选取 |
| 3.4.2 RXTE数据提取 |
| 3.4.3 实验结果分析 |
| 3.5 结论 |
| 第4章 基于双谱的已知X射线脉冲星辨识方法 |
| 4.1 引言 |
| 4.2 特征提取方法 |
| 4.2.1 光子信号预处理 |
| 4.2.2 自相关估计 |
| 4.2.3 双谱特征提取 |
| 4.3 GoogLeNet神经网络 |
| 4.3.1 卷积神经网络模型 |
| 4.3.2 GoogLeNet网络模型 |
| 4.3.3 样本集及标签 |
| 4.4 结果和分析 |
| 4.4.1 传统方法结果 |
| 4.4.2 提出方法结果 |
| 4.4.3 分析和讨论 |
| 4.5 结论 |
| 第5章 基于2D-APM的X射线脉冲新星搜索方法 |
| 5.1 引言 |
| 5.2 方法 |
| 5.2.1 二维自相关轮廓图谱 |
| 5.2.2 Inception-Resnet神经网络 |
| 5.3 样本集生成策略 |
| 5.3.1 基于泊松分布的TOAs模拟 |
| 5.3.2 训练数据集生成 |
| 5.3.3 测试数据集生成 |
| 5.4 实验结果 |
| 5.4.1 网络训练结果 |
| 5.4.2 分析与讨论 |
| 5.5 结论 |
| 第6章 X射线脉冲星相位估计方法研究 |
| 6.1 引言 |
| 6.2 基于脉冲轮廓的传统相位估计方法 |
| 6.2.1 基于脉冲轮廓的相位估计算法 |
| 6.2.2 克拉美罗下界 |
| 6.3 方法 |
| 6.3.1 二维轮廓图谱 |
| 6.3.2 网络结构 |
| 6.4 仿真实验 |
| 6.4.1 模拟数据集 |
| 6.4.2 相位估计结果 |
| 6.5 结论 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（7）海杂波背景下的雷达目标检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 英文缩略词对照表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 海杂波研究现状 |
| 1.2.2 雷达目标检测算法研究现状 |
| 1.3 研究内容与结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 2 海杂波与雷达目标检测基础知识 |
| 2.1 引言 |
| 2.2 雷达目标检测基本模型 |
| 2.3 海杂波的统计特性 |
| 2.3.1 海杂波幅度统计特性 |
| 2.3.2 海杂波相关特性 |
| 2.3.3 海杂波仿真方法 |
| 2.3.4 实测数据介绍 |
| 2.4 经典检测方法 |
| 2.4.1 单元平均检测算法 |
| 2.4.2 自适应匹配滤波检测算法 |
| 2.4.3 基于信息几何的检测算法 |
| 2.5 本章小结 |
| 3 基于最大特征值的雷达目标检测方法 |
| 3.1 引言 |
| 3.2 基于最大特征值的检测方法 |
| 3.2.1 算法设计及原理 |
| 3.2.2 性能分析 |
| 3.3 仿真结果及分析 |
| 3.3.1 基于仿真杂波数据的仿真实验 |
| 3.3.2 基于实测杂波数据的仿真实验 |
| 3.4 本章小结 |
| 4 基于谱范数的均值矩阵估计与雷达目标检测 |
| 4.1 引言 |
| 4.2 信息几何基础及新的几何测度 |
| 4.3 均值矩阵估计的几何方法 |
| 4.3.1 均值矩阵估计问题 |
| 4.3.2 基于谱范数测度的均值矩阵估计 |
| 4.3.3 基于谱范数测度的近似均值矩阵估计 |
| 4.4 基于谱范数测度的矩阵检测器 |
| 4.4.1 矩阵检测器设计及原理 |
| 4.4.2 性能分析 |
| 4.5 仿真结果及分析 |
| 4.5.1 基于仿真杂波数据的实验 |
| 4.5.2 基于实测杂波数据的实验 |
| 4.6 本章小结 |
| 5 基于不同几何测度和特征值的雷达目标检测方法 |
| 5.1 引言 |
| 5.2 基于几何重心的矩阵检测器 |
| 5.2.1 几何距离及矩阵估计器 |
| 5.2.2 算法设计及原理 |
| 5.2.3 仿真结果及分析 |
| 5.3 基于最大特征值的中值矩阵检测器 |
| 5.3.1 中值矩阵 |
| 5.3.2 算法设计及原理 |
| 5.3.3 仿真结果及分析 |
| 5.4 本章小结 |
| 6 基于滤波处理和特征值的雷达目标检测方法 |
| 6.1 引言 |
| 6.2 基于预处理的最大特征值矩阵检测器 |
| 6.2.1 问题描述及FFT-CA检测算法 |
| 6.2.2 算法设计及原理 |
| 6.2.3 性能分析 |
| 6.2.4 仿真结果及分析 |
| 6.3 子带最大特征值检测算法 |
| 6.3.1 算法设计及原理 |
| 6.3.2 仿真结果及分析 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（8）基于密码芯片的旁路攻击方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 旁路攻击介绍 |
| 1.3 旁路攻击的研究现状 |
| 1.3.1 攻击算法的研究 |
| 1.3.2 传统加密算法的攻击方法的优化 |
| 1.3.3 针对带有防御措施的加密算法的攻击优化 |
| 1.3.4 旁路攻击研究领域的延伸 |
| 1.4 目前旁路分析研究中存在的公开性问题 |
| 1.5 本文主要研究内容及章节安排 |
| 1.5.1 课题来源 |
| 1.5.2 研究内容 |
| 1.5.3 论文的创新点 |
| 1.5.4 章节安排 |
| 第二章 基于单片机的电磁分析攻击策略优化 |
| 2.1 AES密码算法的安全性分析 |
| 2.1.1 密码算法的安全性分析 |
| 2.1.2 AES密码算法的特点 |
| 2.1.3 密码算法的攻击效果评判指标 |
| 2.2 旁路信息的采集 |
| 2.2.1 电磁信息泄漏机理 |
| 2.2.2 旁路采集系统 |
| 2.2.3 旁路信息采集方法 |
| 2.3 旁路信号的预处理 |
| 2.3.1 一种双峰相关对齐法的提出 |
| 2.3.2 相关电磁分析攻击 |
| 2.3.3 信号对齐效果的实验验证 |
| 2.4 电磁分析攻击影响因素的研究 |
| 2.4.1 不同型号探头对CEMA的影响分析 |
| 2.4.2 采集点对攻击效果的分析 |
| 2.4.3 采集距离对攻击效果的分析 |
| 2.5 本章小结 |
| 第三章 DPA和CPA攻击算法的优化研究 |
| 3.1 功耗信息的泄露机理 |
| 3.2 单比特DPA攻击的最佳方案 |
| 3.2.1 DPA攻击原理 |
| 3.2.2 单比特模型 |
| 3.2.3 不同比特的泄露信息对攻击效果的分析 |
| 3.3 一种七比特-DPA攻击算法的提出 |
| 3.3.1 七比特模型的构建 |
| 3.3.2 不同模型的攻击效果验证与分析 |
| 3.3.3 不同区分函数的攻击效果实验与分析 |
| 3.4 针对AES-RPIs算法的CPA攻击的噪声弱化研究 |
| 3.4.1 基于EMD算法的CPA攻击算法的提出 |
| 3.4.2 一种峰值对比度的攻击效果评估方法 |
| 3.4.3 不同IMF的CPA攻击对比实验 |
| 3.4.4 模拟无噪声环境下的EMD攻击分析 |
| 3.4.5 模拟噪声环境下的EMD攻击分析 |
| 3.5 本章小结 |
| 第四章 针对AES-RPIS加密算法的SW-CPA攻击优化 |
| 4.1 AES-RPIs防御效果的实验验证与分析 |
| 4.1.1 SW-DPA的攻击原理 |
| 4.1.2 RPIs对CPA攻击的影响分析 |
| 4.2 AES-RPIs加密算法的传统攻击方法分析 |
| 4.2.1 SW-CPA的攻击原理 |
| 4.2.2 CPA与SW-CPA攻击效果对比 |
| 4.2.3 SW-DPA与SW-CPA对比 |
| 4.3 盲式SW-CPA算法的提出 |
| 4.3.1 SW-CPA遇到的问题 |
| 4.3.2 两种攻击方法的介绍 |
| 4.3.3 新方法的攻击阐述 |
| 4.3.4 不同算法的尖峰幅值对比实验 |
| 4.3.5 不同算法的成功率对比实验 |
| 4.4 基于压缩能量熵的SW-CPA攻击方案 |
| 4.4.1 基于压缩能量熵的SW-CPA算法的提出 |
| 4.4.2 不同算法的尖峰幅值对比实验 |
| 4.4.3 参数影响实验 |
| 4.4.4 不同算法的成功率对比实验 |
| 4.5 本章小结 |
| 第五章 模板攻击方法与SVM算法的优化 |
| 5.1 基于功耗信息的模板攻击优化 |
| 5.1.1 模板攻击分析方法 |
| 5.1.2 兴趣点筛选方法的提出 |
| 5.2 模板攻击实验分析 |
| 5.2.1 模板构建和模板匹配的数据量对攻击的影响分析 |
| 5.2.2 兴趣点对攻击的影响分析 |
| 5.3 基于电磁信息的SVM攻击优化研究 |
| 5.3.1 SVM算法 |
| 5.3.2 ICA算法首次应用于旁路信号处理 |
| 5.3.3 一种混合算法的提出 |
| 5.4 SVM攻击优化实验验证与分析 |
| 5.4.1 数据维数对预测成功率的影响分析 |
| 5.4.2 数据量对预测成功率的影响分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 不足 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 学位攻读期间发表的论文及专利着作 |
（9）伪随机动态测试信号建模与智能电能表动态误差测试方法（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 论文研究的背景和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 动态负荷典型特性的研究现状 |
| 1.3.2 电力系统负荷建模的研究现状 |
| 1.3.3 电能表误差测试的研究现状 |
| 1.3.4 压缩感知理论的研究现状 |
| 1.3.5 电参量测量算法的研究现状 |
| 1.4 现有研究成果的总结和不足 |
| 1.5 论文研究的主要内容 |
| 1.6 论文体系结构 |
| 第二章 大功率动态负荷信号典型本质特性分析 |
| 2.1 引言 |
| 2.2 动态负荷概述 |
| 2.3 电气化铁路负荷信号的典型本质特性分析 |
| 2.3.1 宏观时间尺度电气化铁路负荷典型本质特性分析 |
| 2.3.2 微观时间尺度电气化铁路负荷典型本质特性分析 |
| 2.4 电弧炉负荷信号的典型本质特性分析 |
| 2.4.1 宏观时间尺度电弧炉负荷典型本质特性分析 |
| 2.4.2 微观时间尺度电弧炉负荷典型本质特性分析 |
| 2.5 大功率动态负荷信号典型本质特性的总结 |
| 2.6 小结 |
| 第三章 畸变波形m序列伪随机动态测试信号建模 |
| 3.1 引言 |
| 3.2 现有的电能表误差测试信号模型 |
| 3.2.1 常用的测试信号 |
| 3.2.2 稳态测试信号模型 |
| 3.2.2.1 正弦稳态测试信号模型 |
| 3.2.2.2 非正弦稳态测试信号模型 |
| 3.2.3 动态测试信号模型 |
| 3.2.3.1 正弦包络调幅动态测试信号模型 |
| 3.2.3.2 梯形包络调幅动态测试信号模型 |
| 3.2.3.3 调频动态测试信号模型 |
| 3.2.3.4 调相动态测试信号模型 |
| 3.2.3.5 00K动态测试信号模型 |
| 3.3 动态负荷信号空间分解与动态测试信号空间构建 |
| 3.4 畸变波形m序列伪随机动态测试信号模型 |
| 3.4.1 m序列伪随机函数 |
| 3.4.2 畸变波形稳态周期函数 |
| 3.4.3 畸变波形m序列伪随机动态测试信号结构化参数模型 |
| 3.5 信号的产生验证与特性分析 |
| 3.5.1 动态测试信号的产生验证 |
| 3.5.2 动态测试信号的特性分析 |
| 3.6 小结 |
| 第四章 畸变波形正交伪随机动态测试信号建模 |
| 4.1 引言 |
| 4.2 压缩感知理论概述 |
| 4.3 正交伪随机测量矩阵的构建 |
| 4.3.1 正交伪随机测量矩阵的组成 |
| 4.3.2 正交伪随机测量矩阵的结构化构建 |
| 4.4 畸变波形正交伪随机动态测试信号模型 |
| 4.4.1 正交伪随机序列函数 |
| 4.4.2 畸变波形稳态周期函数 |
| 4.4.3 畸变波形正交伪随机动态测试信号结构化参数模型 |
| 4.5 信号的产生验证与特性分析 |
| 4.5.1 动态测试信号的产生方法 |
| 4.5.2 动态测试信号的特性分析 |
| 4.6 小结 |
| 第五章 动态电能量值的非交叠移动压缩检测算法 |
| 5.1 引言 |
| 5.2 电能表的功率电能测量原理 |
| 5.3 动态电能量值的NOLM-CM算法 |
| 5.3.1 有功功率压缩检测模型 |
| 5.3.1.1 离散畸变波形m序列伪随机动态瞬时功率测试信号的稀疏性分析 |
| 5.3.1.2 最小误差测量矩阵的构建 |
| 5.3.2 动态电能量值测量的NOLM-CM算法 |
| 5.4 NOLM-CM算法的仿真与实验验证 |
| 5.4.1 常用的窗函数电能量值测量算法 |
| 5.4.2 NOLM-CM算法的仿真验证 |
| 5.4.2.1 不同动态瞬时功率测试信号条件下的仿真验证 |
| 5.4.2.2 NOLM-CM算法与窗函数算法的对比分析 |
| 5.4.3 NOLM-CM算法的实验验证 |
| 5.5 小结 |
| 第六章 智能电能表动态误差的似然函数间接测试方法 |
| 6.1 引言 |
| 6.2 智能电能表动态误差的似然函数间接测试算法 |
| 6.2.1 畸变波形伪随机动态功率测试信号的游程似然函数 |
| 6.2.2 动态误差的似然函数间接测试算法 |
| 6.3 智能电能表动态误差的似然函数间接测试系统 |
| 6.4 智能电能表动态误差测试实验 |
| 6.4.1 畸变波形伪随机动态测试信号产生的实验验证 |
| 6.4.2 智能电能表的动态误差测试实验结果 |
| 6.4.2.1 不同模式的动态测试信号条件下电能表动态误差测试结果 |
| 6.4.2.2 不同功率因数的动态测试信号条件下电能表动态误差测试结果 |
| 6.4.2.3 不同被测电能表的动态误差测试结果 |
| 6.4.3 电能表动态误差似然函数间接测试系统的不确定度评估 |
| 6.4.3.1 P_k~m(t)条件下的不确定度评估 |
| 6.4.3.2 p_k~(OPRM)(t)条件下的不确定度评估 |
| 6.5 小结 |
| 第七章 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻博期间完成的论文和取得的科研成果 |
| 作者简介 |
| 导师简介 |
| 附件 |
（10）基于机器学习的分布式全波形激电信噪分离与反演成像方法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题依据及意义 |
| 1.1.1 激电法基本原理与最新进展 |
| 1.1.2 本文的研究方向与研究意义 |
| 1.2 研究现状 |
| 1.2.1 激电法抗干扰研究现状 |
| 1.2.2 激电反演方法研究现状 |
| 1.2.3 机器学习算法应用现状 |
| 1.3 研究内容及方案 |
| 1.3.1 整体研究框架 |
| 1.3.2 主要研究内容 |
| 1.4 本章小结 |
| 第二章 三维主轴各向异性介质的激电全波形响应正演模拟 |
| 2.1 三维正演方法 |
| 2.1.1 有限体积三维正演算法 |
| 2.1.2 大型方程组加速求解策略 |
| 2.1.3 Cole-Cole模型参数估计 |
| 2.1.4 傅里叶级数分解与合成 |
| 2.2 算法精度验证 |
| 2.3 模型响应分析 |
| 2.3.1 各向异性模型响应计算与分析 |
| 2.3.2 激电时间序列响应计算与分析 |
| 2.3.3 不同激电视参数的分辨率对比 |
| 2.4 本章小结 |
| 第三章 基于降噪知识驱动的全波形激电自动化抗干扰方法 |
| 3.1 统计决策与信噪识别 |
| 3.1.1 激电勘探常见噪声干扰及统计特征分析 |
| 3.1.2 基于激电时间序列统计决策的信噪识别 |
| 3.2 降噪方法库的建立与完善 |
| 3.2.1 改进经验模态分解用于压制低频趋势项干扰 |
| 3.2.2 波形匹配法用于短时强干扰剔除与数据挑选 |
| 3.2.3 稳健统计方法用于压制尖峰脉冲离群值干扰 |
| 3.2.4 主成分分析与小波分析法用于压制随机噪声 |
| 3.3 仿真数据测试分析 |
| 3.4 本章小结 |
| 第四章 基于模型数据驱动的激电二三维反演成像方法 |
| 4.1 样本压缩人工神经网络反演算法 |
| 4.1.1 人工神经网络反演基本原理与算法 |
| 4.1.2 输入输出样本数据的压缩重构方法 |
| 4.1.3 基于随机介质模型的样本生成方法 |
| 4.2 自适应聚类分析与边界识别 |
| 4.2.1 自适应聚类分析计算方法 |
| 4.2.2 二三维图像边界识别效果 |
| 4.3 仿真数据测试分析 |
| 4.3.1 激电数据频谱参数反演测试 |
| 4.3.2 激电仿真数据二维反演测试 |
| 4.3.3 激电仿真数据三维反演测试 |
| 4.3.4 神经网络反演影响因素分析 |
| 4.4 本章小结 |
| 第五章 分布式全波形激电勘探实测数据的综合处理与分析 |
| 5.1 激电勘探分布式全波形数据采集 |
| 5.2 激电抗干扰处理效果与误差统计 |
| 5.2.1 不同频率/不同极距下抗干扰处理分析 |
| 5.2.2 激电扫面与测深数据抗干扰处理效果 |
| 5.3 激电法实测数据反演测试与分析 |
| 5.3.1 中梯数据激电谱参数反演 |
| 5.3.2 二维电测深激电数据反演 |
| 5.3.3 三维多剖面激电数据反演 |
| 5.3.4 成矿背景及激电数据解释 |
| 5.4 本章小结 |
| 第六章 机器学习算法在电磁测深数据处理中的应用分析 |
| 6.1 基于多尺度分解与波形匹配的可控源电磁抗干扰研究 |
| 6.2 基于改进神经网络与自适应聚类的大地电磁反演研究 |
| 6.3 本章小结 |
| 第七章 结论与下一步研究 |
| 7.1 主要结论 |
| 7.2 存在问题 |
| 7.3 下一步研究计划 |
| 致谢 |
| 参考文献 |
| 个人简历及攻读博士期间学术成果清单 |
四、产生高斯随机序列的新方法（论文参考文献）
- [1]海洋工程结构物的非高斯响应极值与疲劳研究[D]. 高山. 大连理工大学, 2019(08)
- [2]基于自适应卡尔曼滤波器的编队卫星相对导航技术研究[D]. 王蛟龙. 上海交通大学, 2019(06)
- [3]建筑结构表面风压非高斯特性分析方法研究[D]. 马兴亮. 大连理工大学, 2019(01)
- [4]基于多源响应信息融合的优化设计理论与方法研究[D]. 陈世适. 北京理工大学, 2016(07)
- [5]电能质量扰动信号压缩采样与重构方法及其在造纸工业中的应用研究[D]. 刘嫣. 陕西科技大学, 2021
- [6]X射线脉冲星循环平稳信号处理算法研究[D]. 王龙奇. 哈尔滨工业大学, 2021(02)
- [7]海杂波背景下的雷达目标检测方法研究[D]. 赵文静. 大连理工大学, 2020(01)
- [8]基于密码芯片的旁路攻击方法研究[D]. 甘罕. 北京邮电大学, 2020
- [9]伪随机动态测试信号建模与智能电能表动态误差测试方法[D]. 王婧. 北京化工大学, 2020
- [10]基于机器学习的分布式全波形激电信噪分离与反演成像方法[D]. 刘卫强. 中国地质科学院, 2020