Wiener Attack

前言

本文是学习自下述网站
https://zhuanlan.zhihu.com/p/400818185

Note

在这里插入图片描述
在这里插入图片描述

脚本

# sage
def wiener_attack(n, e):
    n = Integer(n)
    e = Integer(e)
    cf = (e / n).continued_fraction().convergents()
    for f in cf:
        k = f.numer()
        d = f.denom()
        if k == 0:
            continue
        phin = ((e * d) - 1) / k
        b = -(n - phin + 1)
        dis = b ^ 2 - 4 * n
        if dis.sign() == 1:
            dis_sqrt = sqrt(dis)
            p = (-b + dis_sqrt) / 2
            q = (-b - dis_sqrt) / 2
            if p.is_integer() and q.is_integer() and (p * q) % n == 0:
                p = p % n
                q = q % n
                if p > q:
                    return (p, q)
                else:
                    return (q, p)
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
wiener deconv是一种用于信号和图像恢复的数学方法。它基于维纳滤波器的原理,旨在对被模糊和受到噪声干扰的信号进行恢复,以尽可能还原原始信号。 wiener deconv的基本思想是将观测到的信号与估计的维纳滤波器进行卷积,以得到最优的估计信号。维纳滤波器是一种自适应滤波器,能够根据信号和噪声的特性进行调整。它的设计考虑了信号的功率谱、噪声的功率谱以及系统的传输函数等信息。 实施wiener deconv的关键步骤包括估计维纳滤波器、构造恢复滤波器、对观测信号进行频率域处理以及进行频率域逆变换。首先,通过信号的功率谱、噪声的功率谱以及系统的传输函数,可以估计出维纳滤波器的频率响应。然后,通过反演估计的维纳滤波器,可以得到恢复滤波器的频率响应。接下来,将观测信号转换到频率域,并将其与恢复滤波器进行频率域乘法操作。最后,通过进行频率域逆变换,可以获取到恢复后的信号。 wiener deconv在信号和图像处理中有着广泛的应用,例如在医学影像处理中用于去除模糊和噪声,以及在通信系统中用于提高信号的接收质量。然而,wiener deconv也存在一些限制,特别是当噪声水平较高或者信号和噪声的功率谱存在较大差异时,其恢复效果可能会受到较大影响。因此,在实际应用中需要根据具体情况进行适当调整和改进。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值