基于时间触发的机载统一网络协议一致性测试技术

基于时间触发的机载统一网络是下一代航空机载系统技术的重要发展方向。为实现网络设备快速可靠互联,需要建立网络协议标准并通过一致性测试保证网络信号品质可靠、协议正确无故障。文中基于AS6802及IEEE 802.3协议规范,结合机载网络需求选取适用于航空机载时间触发网络物理层及链路层标准,建立了机载统一网络设备标准。依据网络标准设计测试项目,结合测试需求建立了基于现场可编程门阵列(Field Programmable Gate Array,FPGA)的实物测试环境。使用光示波器、光功率计、光衰减器等设备进行发送端眼图、信号速率、上升下降时间、消光比、平均光功率、接收端误码率、接收灵敏度等物理层信号特性测试。通过特异性设备仿真端系统发送测试所需网络帧,进行链路层协议状态机、同步参数一致性测试。测试结果表明,被测网络设备误码率小于10-12,眼图等光电信号特性均满足物理层标准。状态机跳转符合链路层协议,重要同步参数满足主机所规定,所成品厂实现互联互通。

基于区块链且可验证的智能电网多维数据聚合与分享方案

针对如何支持轻量级多维数据聚合,实现系统整体过程中多维数据的双端完整性验证,以及处理云服务器集中化等问题,提出了一种基于区块链且可验证的智能电网多维数据聚合与分享方案。首先,为了满足智能电网对电量数据细粒度分析的需求,利用掩蔽值和霍纳法则实现了隐私保护多维数据聚合。在此基础上,针对现有数据聚合方案在云存储数据与第三方分享方面存在的数据完整性验证问题,借用基于RSA的乘法同态承诺方案和同态哈希函数的同态性设计了一种新的签名算法,使云服务器不仅可以验证聚合数据的完整性,还可以验证数据分享阶段的完整性,即实现了云存储数据的双端可验证性,并且可以抵抗内部攻击。同时,提出了一种基于联盟链多链的聚合数据分享体系结构,有效地避免单机处理瓶颈和易受攻击等集中化问题。理论分析证明了所提方案的安全性。性能实验表明,所提方案比已有方案具有更低的计算和通信成本。

面向车辆边缘计算的任务合作卸载

随着物联网技术和人工智能技术的飞速发展,车辆边缘计算越来越引起学者的关注。车辆如何有效地利用其周边的各种通信、计算和缓存资源,结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元,已经成为目前车联网研究的热点。由于车辆应用设备计算资源的有限性,车辆用户的任务计算需求无法满足,需要提升车辆周边计算资源的利用率来完成计算任务。本文研究了车辆边缘计算中任务的合作卸载机制,以最小化车辆任务的计算时延。首先,考虑周边停泊车辆以及路边单元的计算资源,设计了由云服务器层、停泊车辆合作集群层和路边单元合作集群层组成的任务合作卸载3层系统架构,通过路边单元合作集群和停泊车辆合作集群的合作卸载,充分利用系统的空闲计算资源,进一步提高了系统的资源利用率。然后,基于k-聚类算法的思想提出了路边单元合作集群划分算法对路边单元进行合作集群的划分,并采用块连续上界最小化的分布式迭代优化方法设计了任务合作卸载算法,对终端车辆用户的任务进行卸载计算。最后,通过将本文算法和其他算法方案进行实验仿真对比,仿真结果表明,本文算法在系统时延和系统吞吐量方面具有更好的性能表现,可以降低23%的系统时延,并且能提升28%的系统吞吐量。

基于ISODATA改进K均值聚类算法的NLOS识别技术

针对超宽带信号中非视距误差造成定位系统定位偏差的问题,提出了一种改进无监督算法的NLOS识别技术。本文提取信道脉冲冲激响应波形的8种特征参量,选择主成分分析算法对多维特征进行降维处理;采用基于迭代自组织数据分析法改进的K均值聚类算法,自适应地选择K值来区分视距和非视距信号;最后,结合特征参量的冗余性、相关性对分类结果进行判别。实验结果表明,该方法能有效地识别出NLOS信号,且具有较好的环境适应性,识别准确度达到95%。

基于Arduino的家居环境物联网监测系统的设计与实现

为给居民提供一个相对适宜的生活与居住环境,通过引进Arduino,开发一种面向家居环境的物联网监测系统。以物联网作为支撑,设计系统友好登录、展示界面,集成开源电子硬件,设计监测系统架构。选择UNO R3 Arduino开源硬件、AITM1000S-CTAITM1100S-B温度传感器作为系统主要设备。在硬件设备的支撑下,采用HTTP技术设计系统通信;采集家居环境物联网监测数据,将数据传输到系统处理中心,清空中心环境变量数据,设计训练条件与家居环境的适宜度评价标准,实现家居环境物联网监测数据的评估与预警。设计对比实验,实验结果证明:该系统可以精准监测到家居环境各项指标的变化,实现环境状态的实时感知。

基于UWB技术的高精度定位系统设计

为了解决传统定位技术的不足,设计了UWB高精度定位系统。定位系统主要包括了电子移动标签系统、UWB天线标签系统等通信接口电路系统的软硬件设计。硬件设计主要包括主控DWM-1000芯片、DWM-1000基站天线芯片和无线通信接口等电路,软件系统主要包括了基本软件逻辑和电子便签P坐标解析算法软件流程设计,系统实现了电磁波信号发送、接收、数据计算分析和精确定位。测试结果表明,系统定位误差范围均小于10 cm,降低了非视距误差和噪声干扰影响,满足了定位系统高精度、强稳定性和低功耗的要求。

基于差分隐私的路网环境skyline查询

路网中的skyline查询在智慧交通、兴趣点发现和位置服务等领域具有重要的应用价值,但存在查询效率较低、未考虑查询结果的隐私性等问题。有鉴于此,文中提出了一种基于差分隐私的路网环境下skyline查询方法。首先,针对路网环境下的初始数据集数据量大和数据复杂的特点,对数据集进行预处理,利用基于距离属性划分的skyline层和路网Voronoi图的性质提出了3个剪枝规则,基于剪枝规则给出了路网环境下的数据集剪枝算法,从而有效地过滤掉大量冗余数据;其次,针对过滤后的数据集,利用网格索引的存储方式来节省存储空间,并设计了基于网格索引的skyline扩展树,基于扩展树和相应的剪枝规则提出了查询全局候选skyline点集的算法;最后,针对查询结果集,利用差分隐私预算分配模型来分配隐私预算,并基于信息散度进行结果集发布,有效提高了数据信息的隐私性。实验结果表明:所提出的查询方法的准确率在99%以上;其在数据集规模较大情况下的查询效率相较于传统skyline查询方法提升10%以上;在总差分隐私预算为0.01、0.10、0.50和1.00时,所提出的隐私预算分配方法的相对误差均低于等差分配和等比分配方法。

一种基于深度学习模型的中文地址解析方法

地址是我国城市数字化建设的重要空间资源和战略性基础信息资源,经解析处理后可应用在多个领域,因此提升地址解析的准确性十分必要。针对以上问题,本文提出一种基于深度学习模型的中文地址解析方法。该方法首先使用预训练语言模型来获取动态词向量,并利用双向门控循环单元的序列建模能力和卷积神经网络的平移不变性提取文本中的上下文语义特征;随后引入层归一化规范模型训练过程中的特征分布,再添加多头注意力机制使模型能够更有效地聚焦关键信息;最后引入条件随机场用于全局标注序列的学习和解码,完成中文地址解析任务。实验结果表明,所提模型在中文地址解析任务中的精确率、召回率和F1值均高于其他对比中文地址解析模型。

基于掩码SwinTransformer与边界平滑的中文嵌套命名实体识别

在中文嵌套命名实体识别任务中,如何增强模型字符间位置关系的注意力以及如何提高对实体边界的预测能力,是许多科研人员都在尝试解决的热点问题。本文提出了一种基于掩码SwinTransformer与边界平滑的中文嵌套命名实体识别方法。通过在训练过程中向语句中添加包含关系信息的掩码,提高空间特征表达,进而使模型学习到嵌套关系。同时在模型中使用边界平滑方法,减轻模型对标签的过度自信,提高了模型的准确性,并使用医疗和日常两种领域的数据集验证模型的有效性。实验结果表明,该模型相较于传统的中文嵌套命名实体识别模型的p值、R值和F1值在医疗领域数据集上分别提高了0.21、0.33和0.27个百分点,在日常领域数据集上分别提高了4.80、4.99和4.92个百分点。研究表明,本文提出的模型在中文嵌套命名实体任务中具有较高的性能。

一种面向多场景的轨迹相似度计算框架

轨迹相似度计算作为轨迹数据分析中的一个研究热点,主要用来衡量两个移动对象轨迹相似程度。已有的轨迹相似度计算工作主要根据不同类型的轨迹数据和应用场景提出了大量轨迹相似性度量方法,但随着轨迹数据采集手段的逐渐丰富和应用需求的发展,在轨迹相似性计算方面却缺少一个统一的框架以支持多样化轨迹数据下的相似轨迹分析。为此,本文在综合分析已有相似轨迹度量方法共性特征基础上,提出了一个兼容多种轨迹相似度度量方法的集成计算框架(Multiple Scenarios Similarity Trajectory Framework,MSSTJ),并通过一种统一的轨迹数据分区索引方法来优化不同相似轨迹度量方法的计算效率,从而使得用户可以通过参数化配置的简单方式来实现不同场景下多样化的轨迹相似度高效计算的需求。通过基于两类不同类型轨迹数据集的相关实验表明,MSSTJ可以帮助用户快速实现不同的轨迹相似度计算算法,并且实现的算法具有较好的性能表现。

基于随机森林的手写数字识别研究

目前人工智能技术正在快速发展,应用在越来越多的领域,成为研究的热点,尤其是物体检测、图像识别方面。随机森林是贝叶斯网络的优化,是一种利用多个树分类器进行分类和预测的方法,可以降低分类识别过程中过拟合现象。基于随机森林的手写数字识别算法,探究随机森林算法在数字识别中的应用和优势,进行算法优化提高识别准确率。通过实验分析,结果表明提出的基于随机森林的手写数字识别算法具有较高的分类准确率和较好的泛化性能,能够满足实际应用需求。

基于无迹卡尔曼滤波的精密时钟同步算法

工业以太网中,各设备对时钟同步精度的要求越来越高。以IEEE1588协议理论为基础,设计一种基于无迹卡尔曼滤波的时钟同步算法。通过对PTP得到的时间差进行观测,获取对下一个周期时钟偏差、时钟频率的估计值,使用该估计值校正从时钟频率和时钟偏差,以保证时钟同步。实验证明,该方法能够有效提高时钟同步精度。

面向深度学习的高质量纠错语料库自动生成方法研究

基于海量数据驱动的学习模型是目前的主流算法,但通常需要大量的标注数据驱动模型才能获得精准的结果。然而,高质量标注数据获取是一个繁琐且耗时的过程,缺乏足够的标注数据会严重影响算法的性能。本文以信息检索中的查询文本串为例,探索自动数据标注方法。针对中文查询串纠错任务,本文提出了一种新颖的语料自动生成方法,该方法结合了规则筛选和循环神经网络的优点,使用了两种方式来构造音素资源库。同时结合考虑用户的输入习惯和发音等特点,用规则模拟出更多种类的输入错误,使用神经网络语言模型将拼音转换为文字。通过这种方法可以生成更广泛的错误类别,有助于提高机器学习算法的性能。实验结果表明,采用序列到序列的数据生成模型,在自动生成纠错语料库方面具有良好的效果,生成的语料能够模拟真实语料中发生的错误情况,可以有效地提高模型的训练效果。

基于区块链的教学多视点视频生成和管理系统设计

随着3D显示快速融入人们生活,多视点视频作为其重要的支撑技术得到广泛关注。多视点视频是一种能够满足用户全方位、多角度观看视频的视频采集技术,目前多视点视频主要存放在集中存储的磁盘阵列,存在数据篡改或替换的隐患,不适合教育等保密要求较高的场景开展应用,因此,文章基于区块链技术进行多视点视频生成和管理系统设计,能够在有效满足视频实时传输的基础上确保视频访问和管理的安全性。

广电网络新质生产力分析及发展对策建议

本文从生产力相关要素出发,以广电网络创新发展领域为研究对象,对广电网络新质生产力的特征进行了分析,并以人工智能技术在相关领域的应用为例,对广电网络产业链上下游的发展提供对策和建议。

基于联盟链的可靠边缘计算任务卸载方法

随着移动终端尤其是工业互联网技术的快速发展,终端设备密集分布,无线带宽有限,经常导致业务过程中的集中式云资源调度,难以满足远程终端应用对低时延和低成本计算的需求.着眼于本地服务器联动云数据中心,边缘计算为这类移动应用提供了一种敏捷的计算服务模式.虽然边缘计算的敏捷服务模式能够有效缩短移动应用的时延并降低对应的通信成本,但在边缘计算环境下,异构资源之间的任务卸载经常会导致一些潜在的数据安全隐患和服务质量受损.针对上述应用挑战和技术发展趋势,本文提出了一种基于联盟链的可靠边缘计算任务卸载方法 .该方法利用联盟链进行身份校验和卸载结果反馈,以任务的完成时间、卸载成本与资源可靠度作为评价标准,设计了一种基于遗传算法的卸载策略,支持卸载决策时任务卸载的可靠性评估.实验结果表明,本文方法能在满足时延约束的前提下提高任务卸载的可靠性,为移动智能应用提供了一种有效的数据安全保障方法.

基于CAN与RS485总线的交通事故感知与报警系统研究

为解决高速公路交通事故报警不及时、二次事故发生率高等问题,设计了交通事故自主采集与报警系统.对系统交通事故采集网总体、RS485感知子网、事故数据帧协议、事故采集中继节点软件流程和控制节点软件流程等进行设计,通过中继层实时与采集节点进行通信,并实时采集节点的状态,从而分析交通事故的类型并实现信号灯警报.测试结果表明,该系统实现了对正常运转、节点故障和总线故障3种信息的准确判断,可有效防止二次事故发生.

基于多智能体深度强化学习的车联网频谱共享

针对高动态车联网环境中基站难以收集和管理瞬时信道状态信息的问题,提出了基于多智能体深度强化学习的车联网频谱分配算法.该算法以车辆通信延迟和可靠性约束条件下最大化网络吞吐量为目标,利用学习算法改进频谱和功率分配策略.首先通过改进DQN模型和Exp3策略训练隐式协作智能体.其次,利用迟滞性Q学习和并发体验重放轨迹解决多智能体并发学习引起的非平稳性问题.仿真结果表明,该算法有效载荷平均成功交付率可达95.89%,比随机基线算法提高了16.48%,可快速获取近似最优解,在降低车联网通信系统信令开销方面具有显著优势.

智慧校园一卡通系统安全防护策略

高校一卡通系统作为智慧校园信息化建设的重要领域,为院校的教学、管理和师生生活保驾护航。随着智慧校园一卡通系统功能的复杂化和多样化,其安全问题也日益突出,文章针对智慧校园一卡通系统应用过程中所面临的典型的信息安全问题,从校园卡结构、终端安全、数据存储安全、数据传输安全、数据库安全等几个方面构建相应的安全策略,为高校智慧校园一卡通信息系统的安全建设和管理提供理论借鉴。

面向水下移动汇聚节点的媒体接入控制协议研究

针对水下移动传感网络(underwater mobile sensor network,UWMSN)中使用自主移动节点进行数据收集存在的拓扑结构不断变化、传输不可靠的问题,提出一种动态退避发送数据帧的自适应媒体接入控制(media access control,MAC)协议,通过将协议划分为控制阶段与数据阶段周期性地更新可建立通信的节点信息,根据当前周期获得的节点距离信息调度各节点数据传输顺序,利用水下环境的大传播时延计算各节点的回退发送数据帧的时间,使用数据重传机制提高传输的可靠性。采用OPNET网络仿真模拟器对提出的协议进行仿真和对比分析。仿真结果显示,协议在密度较低的小范围水下传感网络中可保证较高的投递成功率和较低的端到端时延,增大了网络吞吐量,提高了网络性能。