为提升高复杂海洋环境下声呐探测距离预测的准确性和效率,文章提出一种基于改进Transformer的传播损失与声呐探测距离建模方法,该方法能够兼容复杂海洋环境下不同点位、不同方向声信号传播损失差异,能够基于声呐方程及声呐主被动工作模式,快速、有效地预测多点位多方向的声呐探测距离。以真实大区域海洋环境计算得到的传播损失数据为输入,通过将双向长短时记忆网络(bidirectional long short-term memory,Bi-LSTM)与Transformer架构中自注意力机制相结合,使得模型能够有效捕捉复杂环境变化的局部精确性和全局特征。实验结果表明,所提模型预测结果与声呐方程耦合积分方式得到的探测距离具有较好的一致性;同时计算效率提高了约1 000倍,提升了声呐性能的预报效率。
隐私保护真值发现技术在移动群智感知网络领域中受到了广泛关注.然而在实际应用中,恶意用户上传的异常值对真值发现结果的可靠性带来了较大影响.为此,提出了一种基于区间验证的隐私保护真值发现算法IVPPTD (Interval Verification based Privacy-Preserving Truth Discovery).首先,采用Paillier同态加密方法实现用户感知数据的安全上传和真值发现,保护用户的感知数据、权重信息以及估算真值的隐私不被泄露.其次,提出一种密文域中的异常数据过滤算法,对数据约束区间外的异常值进行数据清洗,从而在保护用户敏感信息不被泄露的前提下,提高真值发现结果的可靠性.最后,基于感知平台和密钥生成中心协作完成真值发现过程,减少了用户与云服务器之间的通信开销.仿真实验结果表明,所提方法具有高准确率、对异常值的鲁棒性以及较低的计算开销.
暂无评论