摘要：为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响,提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法.该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计,并将估计结果用于交互式多模型算法的设计中,构造出时变马尔科夫状态转移概率的交互式多模型算法,有效地降低了人为因素对机动目标跟踪精度的影响.通过对一个机动目标的跟踪对比,说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率.

摘要：基于位置的服务(location based service,LBS)得到了广泛应用,同时,用户的位置数据面临着巨大的隐私风险。因此,针对现有位置隐私方法中存在攻击者通过分析用户移动模式降低用户位置匿名度的问题,提出基于转移概率的位置隐私保护算法,通过马尔可夫链对用户的移动模式建模得到用户的转移概率,根据转移概率构建最优保护位置集,用策略图形式化保护位置集,通过拉普拉斯机制发布最优位置。通过实验分析,所提算法在保证用户位置隐私和发布效用的同时,拥有较低的时间成本。

摘要：为了提高认知无线Ad Hoc网络路由算法的性能,提出一种基于多层图转移概率的认知无线Ad Hoc多跳路由算法。首先,采用多层图进行认知无线Ad Hoc路由模型的构建,并设计一种多跳协议的改进形式;其次,提出一种基于概率的信道转移概率估计技术,每个SU在路由生成之前构造转移概率矩阵。基于所有者PU的ON/OFF状态,对每个信道分配一个稳定常数,提出一种新的基于转移概率路径选择的认知无线电Ad Hoc网络路由协议。实验结果表明,该算法可选择任何一对源节点和目的节点之间最稳定的路径,可有效提升网络路径生存时间、路由开销和数据包丢失率等性能指标,体现了算法的性能优势。

摘要：针对系统中含有两个相互独立的Markov链,且转移概率不完全已知的时滞不确定离散Markov跳变系统的滑模控制(SMC)问题,通过考虑参数不确定性的匹配条件,设计离散积分型滑模面.利用时滞分割技术构造含加权参数的Lyapunov-Krasovskii函数,得到系统随机稳定的充分条件,根据指数趋近律的到达条件设计滑模控制律,使得系统的状态轨迹能够到达所设计的滑模面.数值仿真结果表明,该方法具有一定的有效性.

摘要：为了适应实际通信系统中信道随时间的变化,本文将极化码设计推广至更实际的时变通信信道;综合考虑信道变化范围内所有位信道的平均性能,然后选择出平均性能最好的位信道作为极化码的信息位。文章设计了几种用于设计极化码的位信道平均性能算方法和一种衡量平均增益的计算方法。仿真结果表明,这些设计能有效地提高极化码的平均性能;在时变信道中,通过更加细致地设计极化码,能有效地提高极化码的平均性能。

摘要：为提高无线MESH网中多路径路由协议AOMDV的安全性,在AOMDV中引入信任模型,通过该模型在每个节点上维护一个信任度表;源节点在路由建立前对节点信任度进行验证,当节点的信任度值低于限定值时,就孤立该转发节点,在数据转发过程中采用转移概率算法,将数据随机分散在若干个路径中传输,以此减小数据被截获的概率,提高AOMDV路由协议的安全性。仿真结果表明,在包含恶意节点的WMN中,改进后的路由协议有较好分组投递率和较低的数据截获率。

摘要：引入适合解决随机序列决策问题的马尔可夫链理论,建立基于历史运行数据条件下的马尔可夫链的太阳能光伏并网发电量预测模型,完成与实际光伏并网发电系统运行数据的对比。结果表明,预测模型有较高的精度,能够应用于光伏并网系统发电量预测。

摘要：为有效检测出芯片在设计和外包制造过程中是否被插入硬件木马电路,提出一种在芯片设计阶段插入二选一数据选择器(MUX)来提高电路节点转移概率的方法.即在电路中转移概率低于转移概率阈值的候选节点的主要输入端插入MUX来提高相关节点的转移概率,从而实现加速电路中硬件木马的检测.通过对扇出锥和电路逻辑拓扑结构的分析,选择对整个电路转移概率影响最大的节点作为候选节点,实现对MUX插入算法的优化,从而减少MUX的插入数量.同时增加关键路径延时限制,避免电路关键路径延迟超过预先设定的阈值.将预先设计的硬件木马电路的输入端插入在电路中转移概率较小的节点,并向电路输入端输入激励信号,分析计算在MUX插入前后电路转移概率变化以及硬件木马电路的激活概率.ISCAS'89基准电路的实验结果表明:在插入MUX之后,电路整体转移概率显著提高,电路中转移概率小于转移概率阈值的节点数明显降低;被插入在电路中的硬件木马被激活的概率显著提高;电路关键路径延时增加百分比控制在预先设定的比例因子之内.

摘要：为解决中心群跟踪(CGT)算法中由于群机动造成的量测丢失、估计误差增大的问题,提出了一种基于自适应关联波门的机动群目标跟踪算法。首先,将CGT算法与交互式多模型(IMM)算法结合,并利用最新量测信息对IMM算法中的转移概率矩阵进行实时修正。其次,设计了一种用于整体机动和分离机动的自适应关联波门,根据机动时刻模型的新息协方差对其进行自适应调整,确保量测点迹进入波门。仿真结果表明,所提算法一方面减小了传统固定转移概率矩阵带来的估计误差,将优势模型的平均概率由0.58增加到了0.7;另一方面,设计的自适应关联波门有效解决了目标机动带来的有效量测减少的问题,相比于传统波门,目标失跟率减少了30%,具备工程实用性。

摘要：针对传统的基于隐马尔科夫模型(HMM)的设备评估模型大多假定设备状态间的转移概率不变,忽略了实际运行中设备状态间转移概率会随使用时间的增加而变化的问题,提出一类考虑劣化因素的HMM,通过设计劣化因子来克服传统HMM的不足,并开发了一个双重的期望值最大算法来估算劣化因子和状态初始转移概率矩阵,从而对设备状态进行评估。最后,通过算例验证了模型的可行性和有效性。