为了提高低密度校验（low density parity check,LDPC）码的打孔性能,提出一种基于校验矩阵优化扩展的码率兼容LDPC码设计方法.从码率兼容码的度分布约束关系出发,提出母码的度分布优化算法.在此基础上,结合打孔变量点的译码恢复规则,...
详细信息
为了提高低密度校验（low density parity check,LDPC）码的打孔性能,提出一种基于校验矩阵优化扩展的码率兼容LDPC码设计方法.从码率兼容码的度分布约束关系出发,提出母码的度分布优化算法.在此基础上,结合打孔变量点的译码恢复规则,构造适合打孔的LDPC码校验矩阵.采用贪婪搜索算法逐级最大化不同类型的打孔变量点数目,提高码率兼容系列子码的误码性能.仿真结果表明,与编码高效的码率兼容LDPC码相比,所提方法生成的码率兼容子码误码性能有较大改善,特别是当码率大于0.8时,编码增益提高约0.7～0.8 dB.
车载自组织网络(vehicular ad hoc network,VANET)(也称车联网)数据安全共享通常采用群加密方式,高速移动的车载终端给群组构建和群密钥管理带来困难.密文策略属性基加密(ciphertext-policy attribute-based encryption,CP-ABE)为车联...
详细信息
车载自组织网络(vehicular ad hoc network,VANET)(也称车联网)数据安全共享通常采用群加密方式,高速移动的车载终端给群组构建和群密钥管理带来困难.密文策略属性基加密(ciphertext-policy attribute-based encryption,CP-ABE)为车联网通信安全带来了新的解决方案,但是传统的CPABE方案解密计算复杂度高,属性撤销需要整个密文进行全部更新,策略树的构建不够灵活,导致在车联网中的应用受限.为了解决上述问题,围绕车联网云存储数据安全分享,设计可撤销动静态属性的属性基加密方案.将动态属性和静态属性分开管理,构建组合策略树,引入解密代理将高复杂度的属性基解密过程的主要部分外包到服务端,车辆终端通过中央和本地认证中心进行属性撤销和动态属性更新.可撤销动静态属性的车联网属性基加密方案是安全的,在空间和加解密时间复杂度上较传统CP-ABE算法具有优势,实验还分析了车载终端解密、属性撤销和系统并发等性能.
二维近程微波全息成像技术已被考虑应用于人体安检、医疗成像、隐匿武器检测等,该技术采集前、后向散射数据,入射场完全由测量或模拟直接获得,成像质量和分辨率相比近程毫米波全息成像技术有一定提高。但该技术现阶段还没有成像系统,仍处于起步阶段。对于该技术的算法实现,给出了一套利用任意复杂电磁计算(feldberechnung bei korpern mit beliebiger oberflache,FEKO)软件模拟目标散射波和入射场,并对获取数据进行网格化方法处理,最终将处理后数据重构目标图像的实现方案。在此基础上,证明了真实的入射场和前向散射数据对成像效果影响显著,同时分析了不同扫描孔径、天线位置、复杂物体的成像效果,并给出相应结论,为实际应用提供参考数据。
暂无评论