【关键词】 正交匹配 追踪研究 压缩感知信号 检测算法
压缩感知是一种新型的采样方法，通过信号记录每个观测过程中投影的数据，如果感知信号资源小，则可以将这些信号资源进行压缩处理，以保证在观测值数量少的情况下信号结构的准确性和完整性。相对于重构结构复杂的感知信号，信号和图像的重构步骤复杂，且重构效果很差，面对这些不能被正确重构的感知信号，应采用采样的方法将特征量从样本数据中采集出来，通过检测目标信号，完成检测流程。综上所述，通过正交匹配追踪研究压缩感知信号的检测算法，其综合应用性能很好，检测范围和效果很好。
一、感知信号检测
1. 感知信号理论概述
信息获取是压缩感知信号理论的核心内容，其理论基础建立在信号系数、样本数据处于非相关性的状态下的数据测算，通过数据重构和特征量数据采集，以局部分析整体的方式，完成检测流程。压缩感知理论的内容主要包括：①将感知信号的投影在观测向量上，利用重构思想对样本数据进行重构测算，并建立检测集合，如果信号程度为M，则其重构集合稀疏度为K（K
2. 感知信号检测原理
二、基于正交匹配追踪的压缩感知信号检测算法
1.检测算法。正交匹配追踪是一种新型改进算法，其检测方法的理论依据是正交匹配理论，和其他感知信号检测算法相比，正交匹配追踪算法的检测流程更为简单，检测结果的准确度很高。其检测特点是在每次迭代中将选出的列用Gram-Schmidt正交化方法进行正交化处理，将采集到的样本数据选列在空间投影中，通过直观的数据变化曲线，选择精确的检测算法，这种检测方式不仅可以简化检测过程，还能提高样本数据各特征量的收敛速度。在数据迭代次数相同的情况下，空间投影出的采样信息的更新速度很快，检测人员可以通过采样值选出最优投影，并随时更新系数，以确保空间投影的真实性，检测结果的准确度。
2. 实验结果分析。实验结束后，通过检测结果进行分析可知，在每次迭代中，OPM检测算法的感知信号的波形都相对平稳，在一段时间内，其特征量不会随着加性高斯白噪声的变化而变化。当采集样本数据在规定资源数量时，OPM的检测结果和MP的检测结果大体相同，当检测阈值超过3时，OPM的检测结果的准确率明显由于MP检测算法。实验结果表明，与MP检测算法相比，本文提出的OMP检测算法其检测成功率很高，可以在提高检测成功率，所需采样点数、抑制噪声等方面有更好的性能，所以正交匹配追踪压缩感知信号检测算法是一种综合应用性能很好的信号检测方法。
结论：通过上文对正交匹配追踪压缩感知信号检测算法进行系统分析可知，通过匹配追踪定位感知信号，采集特征量，不仅可以方便于检测人员搜集信号样本，还能大大提高检测结果的准确性。通过对每次迭代的特征量进行及时、系统修正，可以延长采集样品的有效时间，以获得更科学、更真实的检测结果。
参 考 文 献
[1] 刘冰，付平，孟升卫. 基于正交匹配追踪的压缩感知信号检测算法[J]. 仪器仪表学报，2010，13（07）：109-113
关键词： 恶意程序； 检测算法； 恶意程度文件； 检测误报率
中图分类号： TN915.08?34； TP309.5 文献标识码： A 文章编号： 1004?373X（2017）03?0085?04
Research and implementation of malicious program detection algorithm
LU Tao
（College of Information Engineering， Nanning University， Nanning 530200， China）
Abstract： Since the malicious program has simple invasion way， massive hidden ways and fast update speed， and the traditional detection algorithm dealing with the malicious program has high false alarm rate of the detection， poor update and tracking ability， a malware program detection algorithm based on probability theory and linear superposition was designed. The algorithm is composed of the behavior feature extraction module， behavior feature detection module and malicious program output module. The program behavior feature in the network under test are extracted by means of the behavior feature extraction module， and its concrete behavior and hidden behavior are dynamically detected via the behavior feature detection module. The malicious degree file of the program is given， and taken as the input of the malicious program output module. According to the designed linear superposition function and depth detection flow chart， the malicious program was detected and output. The experimental results show that the algorithm has low false alarm rate of the detection， and good capacity to track the updated malicious program.
Keywords： malicious program； detection algorithm； malicious degree file； false alarm rate of detection
0 引 言
2009年，源于某视频网站遭受的恶意程序非法入侵，致使网络服务器出现瘫痪，使电子信息厂商对恶意程序检测算法的研究与实现格外关注[1?3]。恶意程序的入侵方式较为简单、隐藏方式众多，且更新速度非常快，导致传统的恶意程序检测算法无法对其进行有效应对，检测误报率高且恶意程序更新追踪能力不佳。因而，设计了一种基于概率论和线性叠加的恶意程序检测算法[4?6]。
文献[7]对基于人脑解析的恶意程序检测算法进行设计，这种算法的设计人员意识到对恶意程序特征的准确提取是算法高水平检测的基础，而计算机往往无法对恶意程序特征进行深度挖掘，故利用构建人脑解析模型增强算法的恶意程序更新追踪能力。这种算法需要大量技术人员实时监管，实现较为不易。文献[8]对基于贝叶斯定理的恶意程序检测算法进行设计，其检测误报率较低，但这种算法需要在相对独立的环境中进行检测工作，这一点将恶意程序的更新隔绝在检测环境外，因此几乎不具备恶意程序更新追踪能力。文献[9]对基于机器学习的恶意程序检测算法进行设计，这种方法的恶意程序更新追踪能力较强，但机器学习只能针对以往出现过的恶意程序进行检测，因此算法的检测误报率较高。文献[10]对基于线性叠加的恶意程序检测算法进行设计，这种方法的z测误报率较低且拥有较强的恶意程序更新追踪能力。但线性叠加只考虑到了恶意程序的具体行为对网络造成的伤害，若想进一步提高该算法的检测水平，还需通过特定手段对恶意程序的隐含行为进行挖掘和双向检测。
通过对传统恶意程序检测算法进行分析，设计了基于概率论和线性叠加的恶意程序检测算法，利用概率论手段对恶意程序的行为进行深度分析，对恶意程度文件进行线性叠加检测，减少算法的检测误报率，增强算法的恶意程序更新追踪能力。
1 恶意程序检测算法设计
基于概率论和线性叠加的恶意程序检测算法由行为特征提取模块、行为特征检测模块和恶意程序输出模块组成。行为特征提取模块对被测网络中程序的行为特征进行提取，行为特征检测模块利用概率论手段对程序行为特征的恶意程度进行分析。恶意程序输出模块利用线性叠加函数检测恶意程序并输出。
1.1 行为特征提取模块设计
基于概率论和线性叠加的恶意程序检测算法的行为特征提取模块主要由控制芯片组、网络交互器和模拟器组成，其结构如图1所示。
由图1可知，控制芯片组决定着整个行为特征提取模块的工作水平，其负责对模块提取工作中产生的中断请求和直接内存访问进行控制，控制芯片组的接口电路图如图2所示。网络交互器可实现程序在被测网络和行为特征提取模块间进行数据交互。模拟器用于对被测网络进行虚拟化，并提供程序数据交互接口。网络交互器和模拟器均有两组，分别安放在网络入口和出口处。
由图2可知，基于概率论和线性叠加的恶意程序检测算法每进行一次检测工作，都要利用特征提取模块从被测网络提取程序的行为特征，这有助于增强算法的恶意程序更新追踪能力。为了提高行为特征提取模块的整体效率，需要在控制芯片组中写入PE文件。
PE文件是能够在网络中进行直接提取的文件的统称，这类文件是在设计基于概率论和线性叠加的恶意程序检测算法前经由多次实践获取到的。PE文件的内容主要是网络共通非恶意程序，这些程序的内部机制较为完善，永久不会被恶意行为特征入侵。因此，行为特征提取模块可以对PE文件进行忽略提取，以提高模块整体效率。同时，用户也可手动开启行为特征提取模块对PE文件进行提取。
随后，行为特征检测模块将对行为特征提取模块的提取结果进行分析。
1.2 行为特征检测模块设计
行为特征检测模块基于概率论和线性叠加的恶意程序检测算法，对特征提取模块提取结果的分析使用概率论手段，旨在获取恶意程序的具体行为和隐含行为。恶意程序行为包括具体行为和隐含行为，如图3所示。
由图3可知，具体行为是指恶意程序直接利用网络漏洞进行入侵的行为，这种行为比较容易被发现；隐含行为是指恶意程序设计者模仿非恶意程序行为进行设计，用于迷惑用户发出不正当指令的行为，包括行动指令行为和指令调用行为，这种行为具有一定的传播和侵蚀能力，而且分析较为困难。
行为特征检测模块对恶意程序行为的分析是一种动态检测方式。在具体行为下，恶意程序的恶意代码会直接体现在行为文件中，行为文件数据量很大，用户通常不会主动查阅，这就需要借助概率论构建概率论测试文件对行为文件中的具体行为进行定位和审查，得出程序恶意程度文件，再经由恶意程序输出模块进行深度检测。
在恶意程序的隐含行为下，指令行为和指令调用行为均会在恶意程序的行为文件中嵌入指令代码，这些指令代码可用概率论进行动态检测，如图4所示。
由图4可知，行为特征检测模块先进行恶意文件隐含行为的文件格式分析，利用概率论对文件格式进行模拟，建立概率论测试文件。行为特征检测模块可根据概率论测试文件获取虚拟程序和程序中的二进制代码，对二者同时进行动态检测可获取程序恶意程度文件。
将程序的具体行为和隐含行为的程序恶意程度文件组合起来，共同传至恶意程序输出模块进行深度检测。
2 恶意程序检测算法软件设计
基于概率论和线性叠加的恶意程序检测算法在软件中给出行为特征检测模块的概率论分析函数，以及恶意程序输出模块的线性叠加函数和深度检测流程。
2.1 概率论分析函数和线性叠加函数设计
概率论分析函数的作用是对程序行为特征的恶意程度进行挖掘。将行为特征提取模块的提取结果组成集合[K]，选取[K]中阈值的最大值[KMAX]和最小值[KMIN]（下角标代表二者的位置坐标值），则恶意程序与非恶意程序间阈值的概率差[M]可表示为：
式中[Lk]表示行为特征[k]的阈值。[Bk]值越大，程序行为特征的恶意程度就越高。
用[Ak]表示程序的被测点，[ak]表示被测点行为阈值，则线性叠加函数[T]可表示为：
2.2 恶意程序输出模块流程设计
基于概率论和线性叠加的恶意程序检测算法设计的恶意程序输出模块的深度检测流程，如图5所示。
由图5可知，恶意程序输出模块的检测实质是利用线性叠加函数将特征检测模块的程序恶意程度文件串联起来，给出线性叠加函数[T]值。基于概率论和线性叠加的恶意程序检测算法对误报率的要求在0.4%以下，故根据经验将恶意程序的预设值设为15，如果[T≥15]则判定被测程序为恶意程序。
恶意程序被检测出来后，恶意程序输出模块将构建恶意程序行为文件，作为日后检测工作的参考数据，并将该文件上传至云端，同时向用户发出警报。
3 实验验证
实验对本文算法、人脑解析算法和机器学习算法的检测误报率和恶意程序更新追踪能力进行对比验证。在被测网络中给出100个程序并产生2 000个程序行为，其中的恶意行为有300个，恶意程序有18个。
3.1 检测误报率验证
恶意程序检测算法的检测误报率分为恶意程序漏报率和非恶意程序误报率。记录下实验中检测到第15，30，45，60，85，100个程序时，算法的恶意程序漏报率和非阂獬绦蛭蟊率的各自合计值，如图6，图7所示。
由图6，图7可知，本文算法的恶意程序漏报率和非恶意程序的误报率均明显低于其他两种算法，证明本文算法的检测误报率低。
关键词 燃烧热；密度泛函（DFT） ；共振能；苯
中图分类号O64 文献标识码A 文章编号 1674—6708（2012）76—0109—02
“燃烧热测定”是物理化学中一个经典的实验，在实验室中一般测定固体物质萘或蔗糖等有机物固体的燃烧热[1—2]。本文通过热力学综合测定仪中的燃烧热测定装置，可以测量出液体苯、环己烷、环己烯的燃烧热，进行计算可得到苯的共振能。应用量子化学理论算方法亦可计算苯的共振能，通过计算方法的选择，并与文献值比较[3]，可找到计算适合苯、环己烷、环己烯系列物质的最佳方法。
1 实验部分
1.1 实验仪器及药品
物理化学热力学综合实验装置RLXZH— ?（配计算机及相关软件），氧弹量热计，压片机，电子天平，氧气钢瓶；苯甲酸，苯（A.R），环己烯（A.R），环己烷（A.R），药用胶囊（本实验用的是重庆申高生化制药有限公司生产的氨咖黄敏胶囊，把药粉倒出，只用外包装的胶囊）。
1.2 空心胶囊燃烧热的测定
取6个空心胶囊，将其叠压在一起，量取约15cm的铁丝，在分析天平上准确称取铁丝的质量，然后把铁丝绑在胶囊上面，准确称量总质量。利用量热计测出空心胶囊的燃烧热。
1.3 测定试剂的燃烧热
选取一个密封完好的药用胶囊，在分析天平上准确称取它的质量，取适量铁丝，准确称取它的质量，放入胶囊中，用滴管小心加入苯，使其装满，再把胶囊套好，在分析天平上准确称取质量，算出苯的质量。再把装好的胶囊置于氧弹中，冲入氧气，利用氧弹量热计测出燃烧热，扣除胶囊的燃烧热，即得到苯的燃烧热，用同样的方法测出环己烷和环己烯的燃烧热。
1.4 实验记录及其数据处理
根据所测的数据作图，并对各测定做温度雷诺校正图，直接通过南大万和综合热测定仪随即软件作图，求出每次实验时温度差T。之后再作雷诺校正图得到温差，图l是四个实验的雷诺校正图，温差T已标出；计算量热计的热容，计算结果可由南大万和物理化学热力学综合实验装置随机软件记录并处理数据。从量热计的热容、各液体样品燃烧时的水温升高值以及胶囊的燃烧热值，计算苯、环己烷和环己烯的恒容燃烧热，并由H=QP=QV+ nRT计算恒压反应热，结果见表1。
2 理论计算部分
2.1 计算方法
在ChemDraw程序中构建苯、环己烷和环己烯的分子结构模型，先用AM1半经验算法对分子模型进行初步的几何优化。之后分别用半经验法（AM1）、从头算方法HF（6—311+g*和6—311++g*基组水平）和密度泛函（B3lyp/6—31）进行优化构型的量子化学计算，整个计算过程使用Gaussian 03程序包完成。
2.2 计算结果
分别使用半经验AM1法，从头算方法HF（6—311+g*）、HF（6—311++g*）、B3lyp/6—31进行结构全优化计算。苯是一个完全对等的正六边形，6个C—C单键完全。由于苯环的共轭作用，使得苯环中C—C单键长度介于环己烷的C—C和环己烯的C=C双键之间。环己烷是较为稳定的椅式结构，6个C原子不在一个平面上。
3 结果与讨论
3.1 实验结果与计算结果对比
按照下列公式求得苯的共振能E[4]，计算结果如表2所示。
3.2 误差分析
文献值是123.58kJ·mol—1[5]，从实验测量与计算结果上分析，实验方法与文献值相差较大，测量了多次仍存在较大误差，主要原因：1）由于苯、环己烷和环己烯都具有强挥发性，在装入氧弹并排出氧弹中空气的过程中已有部分挥发所导致；2）用胶囊盛装液体，在高温时胶囊变软，从而导致液体挥发，使液体燃烧不完全引入误差。用量子化学理论计算方法，经过半经验法（AM1）、从头算方法HF（6—311+g*和6—311++g*基组水平）和密度泛函（B3lyp/6—31）4 种方法计算，密度泛函方法计算得到的结论与文献3值吻合较好，而且在用HF方法计算时，我们用了不同的基组，发现基组的改变对计算数值影响不大，所以用密度泛函方法使用较小的基组也能得到与文献值相符的结果。
4 结论
通过实验和量子化学理论计算均能得到苯的共振能，通过方法和误差分析也可比较两种方法的优点。从误差分析，实验方法得到的结果误差较大，经过多次改进仍不理想。量子化学理论计算方法中的密度泛函（DFT）方法得到的结果与文献值接近，是计算该类物质能量的较好的方法。
参考文献
[1]复旦大学.物理化学实验[M].北京：高等教育出版社，2002，6：24—26.
[2]孙尔康.物理化学实验[M].南京：南京大学出版社，2010，1：8—10.
[3]马沛生.有机化合物实验物性数据手册[M].北京：化学工业出版社，2006，8： 476—480.
关键词： 合成孔径雷达； 多重分形； 广义维数； 边缘检测
中图分类号：TP391 文献标志码：A 文章编号：1006-8228（2017）06-36-04
SAR image edge detection based on multi-fractal generalized dimension
Hao Qiang
（Changzhi University The Department of mathematics， Changzhi， Shanxi 046011， China）
Abstract： In this paper， an algorithm for SAR （Synthetic Aperture Radar） image edge detection based on multi-fractal generalized dimension is proposed. The algorithm calculates the multi-fractal generalized dimension of image by defining a measurement on the image gray level， extracts the image edge information according to the multi-fractal generalized dimension， and evaluates the detection result according to the evaluation indexes including the number of edge point and the number of 4-connected component. Experimental results show that the algorithm has a good edge detection effect.
Key words： SAR； multi-fractal； generalized dimension； edge detection
0 引言
合成孔径雷达（Synthetic Aperture Radar，SAR） 图像由于受到许多因素的影响，使其成像条件非常复杂，从而导致对其进行边缘检测也非常复s。近年来，对SAR图像边缘检测的方法层出不穷。为了有效地检测SAR图像边缘，需要研究有针对性的新的算法。
自从Mandelbrot B.引进了分形集合和维数的概念和分析方法[1-2]，分形就已经在很多领域变得非常的有用，并且很多实验结果是非常理想的。但是一般的分形分析不能描述分形集合的更多细节，因此，Halsey T.C. et al在1986年引进了多重分形的概念和分形方法[3]。分形分析已被划分出许多理论研究和应用研究领域。近几年，多重分形在图像分析方面显示了巨大的优点。鉴于此，本文应用多重分形的广义维数理论进行边缘检测。
在文献[4]中，采用了一些传统的边缘检测算子，如Robert梯度算子、Sobel梯度算子，它们是通过构造对像素灰度级阶变化敏感的微分算子来进行边缘检测的，虽然能检测出图像的边缘信息，但效果不好，丢失了一些重要信息。文献[5]采用的是基于分形理论的边缘检测方法，利用图像区域的DFBR场模型假设及H参数的估算方法检测边缘，其检测结果忽略了许多信息，也不是很理想。文献[6]采用的是基于多重分形的奇异性指数和多重分形谱的边缘检测方法，该方法利用多重分形对图像进行边缘检测，通过计算多重分形的奇异性指数和多重分形奇异谱进行边缘检测，效果较好。针对文献[5]和文献[6]的方法思想，本文提出基于多重分形的另一种语言的一种基于广义维数的边缘检测算法，并根据边缘总数和4-连通成分数等指标进行了边缘效果评价。研究表明，多重分形理论为图象分析提供了强有力的工具，用多重分形广义维数描述图象的特征，要比简单分形维数提供更多的信息，因为广义维数实际上包含了分形理论所涉及的全部维数，并且扩展了分形理论的内涵。因此常被用于描述其他方法难以描述的具有自相似结构的体系中某些物理量的分布特征，与分形理论边缘检测的方法相比，具有良好的边缘检测效果。
1 算法的提出
1.1 多重分形的定义
定义1 （Dq-q定义）[7] 令是与测度μ的支集相交的Nδ个δ网格坐标立方体，那么多重分形的广义维数定义如下：
⑴
已经证明D0对应测度μ支集的分形维数，D1对应测度的信息维数，D2对应其关联维数。
定义质量指数
则Dq=τ（q）/（q-1）。
1.2 算法的提出
通常情况下，我们用图像边缘的几何特征来定义图像边缘。事实上，我们也可以通过给定尺度中的概率来定义图像边缘。广义维数Dq可以衡量图像内多重分形的复杂程度，可以表征多分形的非均衡性和奇异性。这种方法对噪声比较敏感，为了弥补这个缺点，通过定义下面几个测度来修正。
设Ω是灰度为非零的一个区域，f（X） （X=（x，y））是点X处的灰度，则定义如下的几种测度：
⑵
⑶
其中，（x，y）∈Ω，μsum（Ω）代表Ω中某些像素的灰度和，max（f（x，y））代表Ω中像素的灰度的最大化值，min（f（x，y））代表Ω中像素的灰度的最小化值。
基于多重分形广义维数分形的图像边缘提取算法步骤总结如下。
⑴ 计算像素的质量指数。
定义V（i）为i×i的方形区域，其中心像素为I（x，y），则，i=2ε+1（ε=0，1，…）。i与计算的定位有关，一般取i?3。μ（V（i））可以采用式⑵⑶给出的测度。具体哪个测度的结果比较理想，要根据实际情况而定。
⑵ 计算多重分形的广义维数。
根据第二节多重分形广义维数的定义和性质，有：
Dq=τ（q）/（q-1），q∈R
即可求出多重分形的广义维数。但对于具体q的选取，我们要进行反复实验的比较方能确定。
⑶ 根据广义维数设定阈值，提取边缘信息。
根据多重分形广义维数的频率分布和所取得的测度，经过反复实验分析，我们可以取得合适的阈值。
2 算法的实现和评价
2.1 边缘检测评价指标
图像边缘检测的评价标准主要有两个：主观标准和客观标准。主观标准主要是根据客观事物之间的相互关系，由人的眼睛来分辨。客观标准也包含两类：第一类是基于边缘局部相关性的方法[8]，第二类是基于标准边缘图的方法[9]。
本文主要采用的是第一类的方法，采用边缘点数、4-连通成分数和8-连通成分数，来判断边缘检测的好坏。研究表明[10]，提取的边缘点数越多，在某种程度上来说，提取效果就越好。当8-连通成分数与4-连通成分数和边缘总数的比值越小时，说明边缘线型的连接程度越好。所以，我们采用8-连通成分数与4-连通成分数和边缘总数的比值来衡量线型连接程度的好坏。
2.2 算法的实现和评价
对于某一地区的一副SAR图像分别采用Robert、Sobel边缘检测算子、基于分形理论的边缘检测方法及本文基于多重分形广义维数的方法进行实验，得到如图1-图7所示。
从主观视觉进行描述，图1是原始图像，图2是sobel 算子检测的检测结果。图3是Robert 算子检测的检测结果，可以看出用 sobel 算子进行边缘检测的结果较好，检测出了Robert 算子没有检测出的许多细节。图4是基于分形理论的检测结果，虽然能检测出边缘信息，但忽略了许多信息。图5、6是基于多重分形广义维数和相应测度的边缘检测结果，在保留边缘重要信息的同时还在一些细节的地方取得很好的结果。图7是广义维数的频率分布，左边的为⑴测度的频率分布，右图为⑵测度的频率分布，由这两幅广义维数的频率分布，给我们确定阈值提供了一些依据，使我们对阈值的选取不再盲目。
由图1-图7可以看出，本文所提出的基于多重分形广义维数的检测要比经典的边缘检测算子和分形理论检测的结果更能突出局部细节。可见本文算法更能突出边缘信息，更加符合人的视觉心理。
由2.1节的边缘评价指标，我们也可以客观的对各个算法进行比较分析，得到实验中五幅边缘图的统计数据，如表1所示。
可以看出，基于多重分形广义维数边缘检测的边缘总数明显多于用Robert算子、sobel 算子检测的边缘总数，L8/T、L8/L4的值要比其余的Robert算子、sobel 算子以及基于分形理的边缘检测方法的值要小，同时可以看出，就本实验来说，基于测度⑵的边缘检测的L8/T、L8/L4的值最小，这表明，这种方法提取的边缘的线型的连接程度较好，效果较好。此结论与我们主观视觉的观察结果也是比较吻合的。
3 结束语
通过实验证实，与传统的Robert边缘检测算子和sobel边缘检测算子方法相比，基于多重分形广义维数的边缘检测是可行的、有效的。它能检测出许多传统方法检测不出的许多边缘细节。同时，与基于分形理论的边缘检测方法相比，也能检测出许多边缘信息。但是，由于每幅图像的信息不同，计算时选取哪种测度以及q的选举，都要根据具体情况而定，现在还只能通过反复实验来确定。所以，如何通过图像的特征选取不同的测度及相关参数需要进一步的研究。
参考文献（References）：
[1] B. Mandelbrot. How long is the coast of Britain Statistical
self-similarity and fractional dimension[J]. Science，1967.156：636-638
[2] B. Mandelbrot. Self-affine fractals and the fractal
dimension[J]. Physica Scripta，1985.32：257-260
[3] T.C. Halsey， M.H. Jensen， L.P.Kadanoff，I.Prccaccia， B.I.
Shraiman. Fractal measures and their singularities： the characterization of strange sets[J]. Physical Review A，1986.33：1141-1151
[4] 罗梦贞.传统的图像边缘检测算法的分析与比较[J].电脑知
识与技术，2011.16：3907-3909
[5] 巫兆聪，方圣辉.基于分形理论的SAR图像边缘检测[J].武汉
测绘科技大学学报，2000.25（4）.
[6] 张红蕾，宋建社，张宪伟.一种基于多重分形的SAR图像边缘
检测方法[J].电光与控制，2007.5：86-88
[7] 赵健，雷蕾，蒲小勤.分形理论及其在信号处理中的应用[M].
清华大学出版社，2008.
[8] Kitchen L， Rosenfeld A. Edge Evaluation Using Local Edge
Coherence[J].IEEE Trans Syst Man， Cybern，1981.SMC-11（9）：597-605
[9] Venkatesh S， Kitchen L. Edge Evaluation Using Necessary
Componets[J].CVGIP，1992.54（1）：23-30
关键词：基站 电磁 测量 建模
中图分类号：TN929.5 文献标识码：A 文章编号：1674-098X（2016）09（a）-0178-02
目前基站的电磁辐射计算都是基于电磁辐射体为点源的理论公式，而实际测量结果往往与理论计算结果相差很大。因此，该文基于数学分析方法对移动通信基站电磁辐射实际测量结果进行建模，通过模拟得出的经验公式帮助工程计算。
1 理论计算和实际测量
1.1 理论计算
根据《辐射环境保护管理导则――电磁辐射监测仪器和方法》（HJ/T10.2-1996），功率密度S按照
（1）
其中，S楣β拭芏龋W/m2；取单个项目的贡献管理限值0.08 W/m2。P为天线口功率，W；G为天线增益，倍数；d为离天线直线距离，m。
以某种型号的基站为例，其天线详细参数为：频段935～954 MHz，载频数为4，天线挂高40 m，0°俯角，增益15.5dBi，15W/载频。
根据公式（1），代入相关参数，得到A基站T型号天线的功率密度理论计算值，距离天线2 m、4 m、8 m、12 m、16m、20 m、24 m具体数值分别为（单位：×10-2 W/m2）：671.59、167.90、41.97、18.66、10.49、6.72、4.66。
1.2 实际测量
按照《辐射环境保护管理导则-电磁辐射监测仪器和方法》（HJ/T10.2-1996）、《移动通信基站电磁辐射环境监测方法》（试行）及仪器操作规程对A基站T型号天线进行实际测量。
测量时间：上午10：00～11：00；天气：晴好；测量仪器：NBM-550型综合场强仪，探头型号为EF0391，量程为100 kHz～3 GHz，在检定有效期内。距离天线2 m、4 m、8 m、12 m、16 m、20 m、24 m的具体测量结果分别为（单位：×10-2 W/m2）：420.85、123.98、31.84、17.91、13.29、6.88、4.53。
1.3 对比分析
通过对比，可以看出理论计算与实际测量值之间存在巨大差异。这是由于理论计算值是按照天线主瓣方向进行预测，而实际测量时，限于实际情况，测点位置往往不在主瓣范围之内，因此实际测量值与理论预测值相差很大。
随着距离的增大，因为电磁辐射和距离的平方成反比，电磁场能量迅速减弱，因此，距离天线越远，理论预测值与实际测量值越来越接近。
2 数值分析建模
由于工程实际需要，可以用数值分析的方法来模拟建立符合实际测量值的模型，从而解决未测量点的预测问题。
2.1 插值法
由于实际测量结果是趋于收敛的，因此，首先考虑使用插值多项式建模[1]。根据实测数据，采用Newton插值法[2]，利用距离天线2 m、4 m、8 m和12 m，4个点位数据作为节点数据，则根据Newton插值法计算差商，可得模拟多项式N（x）=420.85-148.435（x-2）+20.9（x-2）（x-4）-1.84559375（x-2）（x-4）（x-8）。代入x=20进行检验，则N（20）=-2610.1736，与实际测量值6.88明显不符。
原因分析：由于高次插值的Runge现象，即在零点附近逼近程度较好，在其他地方误差就很大，因此，Newton插值法不适用。
2.2 逼近法
根据实测值和预测值的曲线，采用最佳平方逼近的最小二乘法[3]进行拟合。
根据数据，初步判别可采用y=axb函数建模，其中功率密度为y，与天线的距离为x。将实际测量结果进行转换，y=lny、x=lnx。将由于y=axb两边取自然对数，则y=a0+a1X，因此，其正规方程组为。其中s0，s1Xi，s2Xi2，T0Yi，T1XiTi。
3 对比分析
将该基站的理论预测值、实际测量值和拟合函数算值进行对比，如图1所示。
通过对比，可以很明显地看出，拟合函数算值与实测结果两条曲线基本是重合的，因此，采用最小二乘法对实际测量结果进行建模是可行的。
4 结语
在实际工作中，可以只测量基站一条直线方向4个点位的电磁辐射数值，利用最小二乘法对其进行建模，从而达到掌握该方向上实际电磁辐射分布的目的，这不仅大大减少了工作量，也为进一步探究基站周围电磁场分布提供了一个新思路。
参考文献
[1] 孙志忠，袁慰平，闻震初.数值分析[M].南京：东南大学出版社，2002.
关键词：计算机检测方法；软件安全；计算机安全
中图分类号：TP309.2文献标识码：A文章编号：1007-9599 (2012) 04-0000-02
计算机软件安全检测主要是为了避免由于软件应用问题所产生的潜在的安全风险。近年来针对计算机的软件安全检测，越来越受到社会各界的重视，关于计算机软件安全的检测方法，也在不断的讨论与研究中被大家认识。本文主要针对计算机软件的安全检测方法进行了相关论述，以期更好的预防计算机软件安全问题。
一、计算机软件安全测试的重要性分析
计算机软件的安全检测是在计算机软件开发过程中的十分重要的环节，计算机软件检测的主要目标是为了发现软件中可能存在的一些故障问题，从而可以有效的预防计算机存在的潜在风险。计算机的安全测试是保障计算机程序安全的有效手段。从目前计算机安全测试的方法来看，一般是分为静态测试和动态测试。
就计算机软件安全测试来讲，计算机软件安全检测是为了检测计算机是否能够安全运行计算机软件预定所预设的程序。软件测试的过程一般包括功能测试和渗透测试以及验证过程这三个主要程序。计算机软件安全测试的安全性和一般意义上所说的软件缺陷存在着很大区别，软件安全检测所侧重的是软件应该做什么，而不是可以做什么。在进行计算机软件安全检测时，一般分为计算机安全检测和计算机安全漏洞检测。计算机安全功能的测试是检测计算机的软件安全功能和安全功能之间的步调是否一致。软件的安全功能测试所涉及的内容非常的广泛，具体包括了机密性和授权，同时还包括访问控制及安全管理等等。相比之下计算机软件的安全漏洞就非常不同，主要是针对软件中可能存在的一些缺陷进行测试，如果不进行相关测试。则该缺陷很有可能会导致软件日常的应用中出现故障，所以，进行计算机安全测试是十分有必要的。
二、计算机软件安全检测的注意事项
计算机的软件安全测试是一个动态的测试过程，在实际操作过程中需要注意以下事项。
首先要针对所检测的计算机软件进行深入的了解，了解计算性软件的相关特性。经过综合分析后，进行选择想对应的检测技术手段，本着从实际出发的角度制定出安全合理的检测方案，方案必须经济合理且保证检测的效果。在人员配置方面，要注意检测人员专业的多源化。在进行计算机的软件安全检测的时候，不仅仅是要配备相应的软件安全分析人员，同时还需要与软件设计相关的总体设计人员，只有多方面全力配合，才能分析解决软件测试中的多种疑难问题。
其次在进行计算软件安全的相关检测时，对系统级以及需求级和代码级的分析是必须进行的。当软件规模较大的时候，还要对软件的结构设计方面进行必要的分析。在进行分析的过程中要选择实际工作中较为合理的分析方法，一般采用仿真环境和相应的分析工具来进行相关的检测工作。计算机检测是一个系统的过程，单一的方法有时候往往难以独立完成，需要多方面技术人才的通力配合才能准确无误的完成检测。
三、计算机软件安全检测方法论述
（一）计算机软件测试的步骤
对于计算机软件的程序来讲，规模较大的软件系统一般是由是由一些子系统共同组成的，而不同的一些子系统又由若干个小的模块构成。计算机软件测试一般的步骤是，先进行一定的单元测试，就是通常所说的模块测试，模块测试一般是依据软件设计中的最小单位所进行的测试。模块测试的目标是为了发现系统模块可能存在的一些缺陷。在模块测试之后，将所有的模块按照一定的程序进行设计并组装成系统。并且需要对相关的体系进行一定的安全测试。在此基础之上，进一步进行有效性的测试，有效性测试是十分必要的步骤。有效性测试的主要目的是对软件的性能和功能进行检查，检测是否与用户的需求相吻合。最后的步骤是进行系统测试，就是通过有效性的软件将计算机支持软件、数据已经硬件等结合起来进行测试。
（二）计算机软件安全检测的方法论述
1.形式化与模型的安全测试。对于安全检测方法来讲，首先是要确立软件的数学模型，运用形式规格说明语言的支持来进行形式化的规格说明。一般经常用到的形式规格和语言包括了基于模型语言、以及基于有限状态的语言和基于行为的语言。基于模型的安全的功能测试方法该方法，是对计算机的软件行为和结构，通过建模的方式生成测试的模型。然后以测试模型作为基础进而生成检测，从而驱动软件的计算机安全检测。一般较为常用的模型安全功能测试的方法主要有马尔可夫链。
2.语法测试与故障注入的安全测试。语法测试是对被检测的软件的功能接口的语法生成的软件测试输入的方法。这种方法可以测试软件对于不同类型输入的反应情况。语法测试进行测试的程序是对软件接口的语言的识别以及定义语言的语法。故障注入的安全性测试是利用故障分析树和故障树的最小割集来进行检测。故障分析树分析法使用系统最不应该出现的时间作为顶事件，以此来寻找故障可能发生的中间事件和底事件，故障注入法可以提高检测的自动化程度，是比较充分的计算机安全检测方法。
3.模糊测试与基于属性的测试。模糊测试，目前使用较多的是基于白盒的模糊测试方法，这种方法是对传统意义上的模糊测试方法的一种进步。这种检测方法比较有效的结合了传统的模糊测试与动态的测试方法。而基于属性的测试的测试方法是先确定软件的安全编程规则，然后将确定的规则编码做为安全属性来验证系统是不是遵守这些程序。这种检测方法的主要优势在于能够比较有效的分析安全漏洞的扩展性和交互性等。
四、结束语
计算机软件的安全测试对于计算机的正常使用有着非常重要的意义，本文主要介绍了计算机软件测试的几种比较常见的方法，通过分析计算机软件测试的重要意义，引起对计算机软件安全的重视，探究出更科学合理的计算机软件测试方法，以保证计算机软件的安全。
参考文献：
[1]王维静,王树明,陈震,申春,彭秀增. 软件安全的多指标综合评测[J].计算机工程与应用,2006,(11)
[2]William B Bierce,Michael Harold. New Us patent gwildelines offer hope to software developers in era of diminishing copyright protection .Tolley‘s computer law And Practise,1995,Vol.11,Vol.11 (No.4)
关键词：压缩感知；稀疏信号；结构信息；信号检测
DOI： 10.3969/j.issn.1005-5517.2014.1.005
引言
压缩感知（Compressive Sensing，CS）[1-3]是一种新的信息获取理论。压缩感知理论建立在Candès，Romberg和Tao以及Donoho的工作上，他们提出并证明一个在某一种基下可以稀疏表示的信号可以通过一部分投影信息重构出来。与传统的奈奎斯特采样定理不同，该理论指出，只要信号是稀疏的或者在某个基下可压缩，就可以利用随机测量矩阵把高维空间上的信号稳定的嵌入到低维空间上。信号在低维空间上的投影包含了重构信号所需要的足够信息，可以用低维空间上的少量采样值精确重构出原始信号。
当前，对压缩感知理论的研究大多是以精确重构信号为目的。然而，在许多信号处理应用中，信号获取的最终目的并不是重构原始信号，而仅仅是完成一个检测决定[4-9]，像在许多通信系统或者雷达系统中的信号检测任务[10]。在许多情况下，由于压缩感知的采样值已经保持了原始信号的结构和相关信息，即使不精确重构信号也可以通过处理压缩感知的采样值完成信号的检测[6，8]。
在基于压缩感知的稀疏信号检测具体算法方面，一种基于匹配追踪（Matching Pursuit，MP）的非相关检测和估计算法[5]已经被提出。该算法通过比较利用部分重构算法得到的最大稀疏系数和利用蒙特卡洛模拟[5]获得的最优门限之间的大小来完成检测任务。本文提出一种基于稀疏信号结构信息的检测方法，该方法可以分为两部分，包括一种基于压缩采样匹配追踪（Compressive Sampling Matching Pursuit，CoSaMP）[11]的部分重构算法和一种新的检测判定方法。
本文内容安排如下。第二部分介绍压缩感知基础理论。第三部分我们提出并分析基于稀疏信号结构信息的压缩检测方法。第四部分我们通过仿真实验结果来验证提出方法的有效性。最后，第五部分总结工作并为以后的工作提出方向。
表示位置相似度门限。若位置相似度大于所设门限，这时，需要通过幅值信息来判断目标信号的有无。文献[4]通过比较部分重构算法所得的最大稀疏系数与所设门限的大小关系来判断目标信号的有无。在该算法中，门限是通过模特卡洛模拟的方法得到的，然而，实际中门限的设置比较困难，门限对噪声比较敏感，门限设置不恰当会严重影响检测性能。在本文中，我们提出一种新的方法来完成检测判决，该方法避免了门限的设置，同时仿真结果表明该方法具有很好的检测性能。具体方法如下：
从图1可以看出，本文提出的基于结构信息的判决方法更具优势，同时，采用CoSaMP的部分重构算法比采用MP的部分重构算法获得的结构信息更可靠。下面我们研究测量点数对检测性能的影响。在仿真实验中，我们设迭代次数T=6，固定信噪比SNR=-2dB，图2为仿真实验结果。
从图中可以看出，提出方法比原有方法更有优势，即使采用原有的部分重构算法，在判决部分采取本文提出方法，检测性能也有所提升。另外，从性能曲线的变化趋势，我们可以看出检测性能随测量点数的增加变得越来越好，这是由于测量点数增多，测量信号中包含的目标信号的结构信息越丰富，部分重构得到的估计信息更可靠。
然后，我们验证迭代次数对检测成功率及检测时间的影响。实验结果如图3和图4所示。
仿真实验中，对于图3所示的实验，我们考虑了SNR=-2dB和SNR=3dB的情况，测量点数为100；对于图4所示的实验，我们设置SNR=10dB，测量点数为100，检测时间定义为1000次检测所用的时间。从图3可以看出，本文提出方法检测性能
很稳定，迭代次数对检测性能的影响很小，这是由于采用CoSaMP的部分重构算法在迭代次数很少的情况下就能获得足够的用于判决的结构信息，而采用MP的部分重构算法需要迭代次数达到一定程度时，才能获得可靠的结构信息。另外，从图4可以看出，采用CoSaMP部分重构算法检测方法要比采用MP部分重构算法的检测方法在时间上更有优势，速度更快。综合图3和图4，我们可以得出，本文提出方法在迭代次数很小的情况下也能快速、可靠地检测出目标信号的有无。
为了进一步验证算法的有效性，下面针对应用于雷达系统中的线性调频信号进行检测。在雷达系统中，线性调频信号是一种非常重要的信号形式，信号瞬时频带宽的特性虽然提高了雷达系统的目标检测及识别能力，却给信号采集及数据处理带来极大压力，如何使用较少的采集数据完成检测是一个关键技术[7]。在这里，我们使用文献[12]中的四参量chirplet字典来生成线性调频信号。设生成的线性调频信号的信号长度为1024，相对chirplet字典的稀疏系数满足正态分布[4]，这里稀疏度设为5，信噪比为10dB。下面验证本文所提算法与MP检测算法在不同测量点数下的对线性调频信号的检测性能。
从图中可以看出，本文所提算法能使用较少的测量点数获得较高的检测性能，这可以减轻接收系统系统在采样和数据处理方面的压力。
结束语
本文基于稀疏信号的结构信息提出一种新的压缩检测方法，该方法利用改进的压缩采样匹配追踪（CoSaMP）部分重构算法获得目标信号的估计，通过对比位置与幅值信息的相似度来完成检测。与原有的检测方法相比，本文提出的方法更高效、更快速、更稳定。实验结果表明，在低信噪比时，本文方法在较少的迭代次数下，可以使用较少的采样数据获得较高的检测成功率。
参考文献：
[1] E. Candès， J. Romberg， and T. Tao， Robust uncertainty principles：Exact signal reconstruction from highly incomplete frequency information[J]， IEEE Trans. Inf. Theory. 2006 ， 52（2） ：489–509.
[2] D. Donoho， Compressed sensing[J]， IEEE Transaction on Information Theory， 2006， 52（4）： 1289-1306.
[3] Y. Tsaig， D. L. Donoho， Extensions of compressed sensing[J]， Signal Processing. 2006， 86（3）： 549–571.
[4] M.F. Duarte， M.A. Davenport， M.B. Wakin， R.G. Baraniuk， Sparse signal detection from incoherent projection[C]， IEEE Int. Conf. Acoustics Speech and Signal Processing（ICASSP）， Toulouse ， France， May 2006， 305-308.
[5] Jun Wu， Naian Liu， Yanfei Zhang， Changlin Shen. Blind detection of frequency hopping signals based on compressive sensing[C]. Consumer Electronic， Communication and Networks （CECNet） ，2012， 1691-1694.[6] J. Haupt， R. Nowak， A. Yeh， Compressive sampling for signal classification[C]， In 2006 Asilomar Conf. on Signals， System & Computer， Oct. 2006， 1430-1434.
[7] 刘冰，付平，孟升卫.基于正交匹配追踪的压缩感知信号检测算法[J].仪器仪表学报，2009，31，（9）：1959-1964
[8] J. Haupt， R. Nowak. Compressed sampling for signal detection [C]. IEEE Int. Conf. on Acoustics， Speech， and Signal Processing （ICASSP）， Honolulu， Hawaii April 2007， 1509-1512
[9] 刘冰，付平，孟升卫.基于采样值数字特征的压缩感知信号检测算法[J].仪器仪表学报，2011，32，（3）：577-582
[10] Joachim H.G. Ender， On compressive sensing applied to radar [J]， Signal Processing. 2010， 90（5）：1402–1414.
【关键词】小波变换;边缘检测;模极大值
1.基于视频的车辆检测方法
车辆检测是交通图像监控系统的关键,而图像最基本的特征是边缘。所谓边缘是指其周围像素灰度有阶跃变化或屋顶状变化的那些像素的集合。边缘也可以定义为图像局部特性的不连续性。例如,灰度级的突变,纹理结构的突变等。边缘常常意味着一个区域的终结和另一个区域的开始。边缘信息对图像分析和人的视觉都是十分重要的。它是图像分割所依据的最重要的特征,也是纹理特征的重要信息源和形状特征的基础,而图像的纹理形状特征的提取又常常要依赖于图像分割。图像的边缘提取也是图像匹配的基础;因为它是位置的标志,对灰度的变化不敏感,它可作为图像匹配的特征点。
运动边缘的检测可通过计算图像在空间和时间上的差分获取。空间上的差分可用各种已有的边缘检测算法得到,这方面的算法研究已经很成熟, 可以应用现有的算法, 比如Sobel 、Roberts、Prewitt、Canny、拉普拉斯算子等,这些算子在算法复杂度以及效果上有很大的差别,一般的边缘检测方法是对原始车辆图像的每个像素考察它的某个邻域内灰度的变化,利用边缘邻近一阶或二阶方向导数变化规律检测边缘,例如基于微分的边缘检测算子,一阶微分算子有Roberts算子、Sobel算子、Prewitt算子、Canny算子等,二阶微分算子有拉普拉斯算子、Logo算子等。微分算子的一个明显缺点是对噪声较为敏感。由于原始图像往往含有各种噪声,所以用这类算子进行运动车辆边缘检测时常常会有困难,于是只能人为地根据实际情况选用合适的算子。
2.基于小波变换的边缘检测理论
从小波理论入手,构造适当的小波,从多尺度的角度,通过模极大值的方法提取其边缘这种方法可以取得较好的效果,但对选择小波有较为严格的要求。图像的二维小波变换可以分别在图像的行和列的方向上做一维小波变换来得到,在图像的二维小波变换中,为了便于计算,常用的是正交(或双正交),且具紧支撑和至少一阶消失矩的二进小波变换。
首先考虑连续小波变换,假设光滑函数 满足:
3.基于小波变换的边缘检测算法
下面在二进小波变换的基础上定义小波变换在每个尺度上的梯度方向和模:
由于小波变换的结果,通常使图像的能量集中在边缘附近,且在图像灰度值的突变点取得局部极大值,其小波模的极大值反映了边缘点的奇异性,所以通过小波变换可以检测出图像的边缘点。在不同尺度下作小波变换其实质就是用不同频率的带通滤波器对信号作滤波,因此把主要反映噪声频率的那些尺度的小波变换去掉,再把剩余各尺度的小波变换结合起来作反变换,就能得到较好地抑制了噪声的信号。对于图像的边缘检测,求模的局部极大值实质上就是求梯度向量模极大。求出该小波变换的模的局部极大值点,就可以找出图像的边缘点。
4.改进的小波变换模局部极大值点算法
购物车(0)