网络维护过程异常干扰信号优化检测仿真

来源 :计算机仿真 | 被引量 : 2次 | 上传用户:wq52131
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
在网络维护过程中的异常干扰信号的检测,能够有效提高网络使用寿命,加快网络维护过程。对异常干扰信号的优化检测,需要将滤波粒子当作萤火虫,计算萤火虫的吸引度并对权值进行更新。传统方法构建网络状态异常信号的检测模型,利用遗传法优化回声状态网络中的参数,但忽略了对参数权值的求取,导致检测精度偏低。提出基于萤火虫的异常干扰信号优化检测方法。以干扰信号的时域为基础,构建基于熵的异常干扰信号检测器;获得干扰信号的检测门限值,得到异常干扰信号的预处理结果;利用萤火虫法对粒子群进行初始化,并对粒子的当前权值进行计算;
其他文献
Fast SLAM算法中粒子滤波存在粒子退化问题,重采样可以抑制粒子退化,却又带来了多样性减弱问题。提出量子粒子群优化免疫粒子滤波的Fast SLAM算法,利用量子粒子群优化算法,减缓粒子权值的退化,再通过人工免疫算法的变异操作扩大搜索范围,从而增加粒子的多样性,避免算法陷入局部最优,提高全局搜索能力。在无人机环境下对提出的算法进行仿真验证,结果表明在SLAM的估计精度和一致性方面,提出的算法都明
多跳无线网络的干扰攻击都是先从时域或频域角度展开的,为了更好地保障多跳无线网络的安全稳定性,需要进行多跳无线网络干扰节点目标定位方法的研究。但是采用当前方法对干扰节点目标定位时,无法构建干扰节点跳数与欧式距离的映射关系,存在多跳无线网络干扰节点目标定位误差大的问题。为此提出一种基于连续回归的多跳无线网络干扰节点目标定位方法。上述方法先基于被动监听推断多跳无线网络节点的度分布状态,选择度较大的节点作