基于码元高斯拟合的PUE攻击检测策略

来源 :计算机应用研究 | 被引量 : 2次 | 上传用户:xfzhang901
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对仿冒主用户(PUE)恶意干扰并占用有效频段所造成的频谱资源稀缺问题,提出了一种基于高斯函数特征提取的PUE攻击检测方法。在论证码元上包络起伏特征可以作为细微特征提取的基础上,结合高斯拟合,提取出不同用户发射源的特征参数,利用模糊C-均值聚类算法来区分主用户与仿冒攻击用户。仿真实验证明,该方法在不同信噪比下所提取出的两个辐射源特征差异明显、稳定性高、可靠性好,能够快速有效地检测出PUE攻击用户。
其他文献
目标跟踪是计算机视觉中的热点问题,而目标运动的复杂背景、光照变换和尺度变化等因素大大地影响着目标跟踪的准确性。总结当前比较热门的几种跟踪算法的优缺点,针对时空上下文算法的不足提出了改进方法,即加权的超像素级时空上下文目标跟踪算法(weighted super pixel level spatio-temporal context,WSSTC)。该算法利用像素的特征信息对目标上下文区域进行聚类,形成
随着云计算技术的大规模应用,云应用的交互更加依赖于网络,较差网络拓扑的选择增加了应用在网络中的通信流量,严重影响应用的运行效率和服务质量。为解决此问题,提出了一种基于粒子群优化算法的虚拟机放置策略。该策略通过建立云环境内部时延模型,利用改进的粒子群优化算法求解目标函数来降低应用的时延,提高运行效率。在CloudSim平台上进行仿真实验,结果表明,该策略的响应时间低于基本粒子群优化算法(PSO),并
脑MR图像中肿瘤区域的精确分割对后续的治疗与诊断十分关键,提出了一种基于Hough变换定位与遗传算法优化GVF Snake模型的脑肿瘤分割方法。首先,利用Hough变换和阈值处理自动确定肿瘤区域;然后,利用GVF Snake模型对肿瘤区域进行分割;同时,为了防止GVF Snake在分割时易出现局部极小值的问题,进一步利用遗传算法的全局优化特性,对GVF Snake模型分割的结果进行优化。实验结果表