MSSR应答代码提取与置信度标注的实时算法

该文提出了一种能在高密度应答下,有效提取单脉冲二次雷达(MSSR)应答代码,并对应答代码的置信度进行实时标注的算法。该算法不仅能够一次完成对脉冲的应答代码提取与置信度标注,并且能同时完成OVERLAP 和DEFRUIT处理,保证在多应答框架出现交叠时正确区分应答和置信度判断,为目标的点迹处理提供有效报表。

二次雷达应答代码的提取及解析

本文根据二次雷达工作原理,对常用询问信号和应答信号的编码格式进行了说明,提出了一种基于大容量FPGA加高速PC104计算机模块进行二次雷达应答代码提取及解析的架构,给出了详细的工作流程和实现步骤,在某雷达系统上进行了实际验证,取得良好效果,并对后续工作提出了建议。

汽车发动机自诊断故障代码的提取与清除

在发动机电子控制系统中,除少数 ECU 无自诊断故障功能外,大多数都具有自诊断故障功能,监测控制系统的工作状况,当 ECU 检测到来自传感器和执行器的故障信号时,立即将'CHECK ENGINE'报警灯点亮,同时将故障信息以故障码的形式存入存贮器中。对发动机进行检修时,通过特定的程序,

代码特征自动提取方法

神经网络在软件工程中的应用极大程度上缓解了传统的人工提取代码特征的压力。已有的研究往往将代码简化为自然语言或者依赖专家的领域知识来提取代码特征,简化为自然语言的处理方法过于简单,容易造成信息丢失,而引入专家制定启发式规则的模型往往过于复杂,可拓展性以及普适性不强。鉴于以上问题,提出了一种基于卷积和循环神经网络的自动代码特征提取模型,该模型借助代码的抽象语法树(AST)来提取代码特征。为了缓解因AST过于庞大而带来的梯度消失问题,对AST进行切割,转换成一个AST序列再作为模型的输入。该模型利用卷积网络提取代码中的结构信息,利用双向循环神经网络提取代码中的序列信息。整个流程不需要专家的领域知识来指导模型的训练,只需要将标注类别的代码作为模型的输入就可以让模型自动地学习如何提取代码特征。应用训练好的分类编码器,在相似代码搜索任务上进行测试,Top1、NDCG、MRR的值分别能达到0.560、0.679和0.638,对比当下前沿的用于代码特征提取的深度学习模型以及业界常用的代码相似检测工具有显著的优势。

基于面向对象程序设计语言的代码分类提取模型研究及应用

通过对多种面向对象开发工具开发软件进行文件组织分析,提出一个文件组织的层次模型.通过对具体VB语言的分析,获取VB语言的项目组织规则,并编程实现提取VB项目中的对象,包括属性和代码,以及对象之间的关系.

基于Transformer和卷积神经网络的代码克隆检测

基于深度学习的代码克隆检测方法往往作用在代码解析的词序列上或是整棵抽象语法树上,使用基于循环神经网络的时间序列模型提取特征,这会遗漏源代码的重要语法语义信息并诱发梯度消失。针对这一问题,提出一种基于Transformer和卷积神经网络的代码克隆检测方法(TCCCD)。首先,TCCCD将源代码表示成抽象语法树,并将抽象语法树切割成语句子树输入给神经网络,其中,语句子树由先序遍历得到的语句结点序列构成,蕴含了代码的结构和层次化信息。其次,在神经网络设计方面,TCCCD使用Transformer的Encoder部分提取代码的全局信息,再利用卷积神经网络捕获代码的局部信息。再次,融合2个不同网络提取出的特征,学习得到蕴含词法、语法和结构信息的代码向量表示。最后,采用两段代码向量的欧氏距离表征语义关联程度,训练一个分类器检测代码克隆。实验结果表明:在OJClone数据集上,精度、召回率、F 1值分别能达到98.9%、98.1%和98.5%;在BigCloneBench数据集上,精度、召回率、F 1值分别能达到99.1%、91.5%和94.2%。与其他方法对比,精度、召回率、F 1值均有提升,所提方法能够有效检测代码克隆。

CCodeExtractor:一种针对C程序自动化的函数提取方法

随着程序规模和复杂性的增加,代码重构在改善软件质量、性能以及提高软件的扩展性和维护性等方面至关重要。目前的Eclipse中,C源代码重构工具的函数提取只能处理一些简单的代码,且处理过程需要人工参与,不能自动化处理。为此,提出一种C源代码级别自动化的函数提取方法(CCodeExtractor),它通过指定提取条件,在保证语义一致的前提下,将符合条件的代码片段自动分离成一个单独的函数,并将其放到新文件中,而原代码片段替换成了一个函数调用。为了验证CCodeExtractor的有效性,结合循环分析和优化在实际应用中的广泛应用,在LLVM上实现了一个提取循环的工具,将程序中满足条件的for循环封装成单独的函数。在实验中,使用该工具对6个不同规模的程序进行了测试并且对比了变换前后程序运行的结果。实验结果表明,CCodeExtractor代码提取方法在保证程序语义不变的前提下,适用于不同规模的程序。

代码缩减技术的研究

随着应用的深入,计算系统对性能的要求越来越高。另一方面,软件规模也越来越大,使得日益庞大的软件与有限的硬件资源之间的矛盾逐渐显现出来。在嵌入式系统、移动计算以及实时控制系统中,这个矛盾尤其突出。如何减少代码、提高代码的效率,成为近年来学术界和产业界关注的问题,许多组织和机构正围绕着此论题开展广泛而深入的研究。本文介绍代码缩减(code-size reduction)的研究背景,以及两种主要的代码缩减方法——代码压缩(codecompression)和代码紧缩(code compaction);着重讨论代码紧缩技术,包括:代码紧缩的主要方法、各个方法的特点及其中的关键技术;分析代码紧缩技术尚存在的问题和面临的挑战,并对代码紧缩技术的未来发展趋势做了一些预测。

基于增强描述的代码搜索方法

如何有效地帮助程序员从目前的各种代码库中搜索与特定编程任务相关的代码,已成为软件工程重要的研究领域之一.提出一种基于增强描述的代码搜索方法 DERECS,该方法首先基于开源项目、问答系统等构建一个代码-描述语料库,并分析代码及自然语言描述,提取方法调用和代码结构相关特征值;然后,基于代码片段中的方法调用及代码片段的结构特征对代码进行描述增强,以减小被搜索的代码与自然语言查询语句之间的差异,扩大搜索的范围.使用真实自然语言查询语句作为测试基准,对DERECS进行验证.验证结果表明,DERECS的效果显著优于典型方法 SNIFF和Krugle的查询结果.

基于众包问答信息的API使用代码搜索

现代软件开发大量依赖类库以及第三方软件框架和开发,为此软件开发者经常需要寻找能够解决特定问题的应用程序编程接口API并通过示例代码学习相关API的使用方式。然而,由于开发者的问题描述与相关的API及其使用代码之间的词汇上经常存在差异,因此直接的代码搜索效果往往不好。Stack Overflow等众包问答网站上存在着很多开发问题及建议解决方案,其中也会包含一些API等代码元素,可以成为问题描述和代码内容之间匹配的桥梁。基于这一思想,提出并实现一种基于众包问答信息的API使用代码搜索方法。该方法首先借助于众包问答信息将问题描述对应到相关的代码元素上,并生成一种包含结构信息的代码骨架,然后基于代码骨架对代码库(例如开源项目代码)进行搜索和匹配,从而生成搜索结果。为了验证方法的有效性,收集了Stack Overflow上的137多万条问答信息以及GitHub上的3亿行Java源码,并针对30个与API相关的问题进行了实验验证。结果表明,96.6%的问题能在前十个结果中找到正确答案,有40%的问题能在第一个结果中找到正确答案,并且所有问题能在2 s内返回结果。

基于多特征值的源代码相似性检测技术

在软件开发的过程中,开发人员通过复制粘贴式的开发方式或者模块化的开发方式来完成需求是十分常见的,这两种开发方式可以提高开发效率,但同时会导致软件系统中出现大量的相同代码或者相似代码,大量的相似代码会给软件维护等方面带来很大的困难,这也是最常见的重构对象。源代码相似性度量是指利用一定的检测方法分析程序源代码间的相似程度。该技术被应用于代码抄袭检测、代码克隆检测、软件知识产权保护、代码复用等多个领域。为了提高代码相似性度量的准确性,提出了一种基于多特征值的源代码相似性检测技术。构建了源代码注释、型构、代码文本语句与结构中特征提取的方法,并给出了源代码相似度检测的度量模型。通过与权威的代码相似检测系统Moss进行对比实验,结果表明该方法可以更准确地检测出相似代码。

基于上下文特征融合的代码漏洞检测方法

针对现有代码漏洞检测方法误报率和漏报率较高的问题,提出基于上下文特征融合的代码漏洞检测方法.该方法将代码特征解耦分为代码块局部特征和上下文全局特征.代码块局部特征关注代码块中关键词的语义及其短距离依赖关系.将局部特征融合得到上下文全局特征从而捕捉代码行上下文长距离依赖关系.该方法通过局部信息与全局信息协同学习,提升了模型的特征学习能力.模型精确地挖掘出代码漏洞的编程模式,增加了代码漏洞对比映射模块,拉大了正负样本在嵌入空间中的距离,促使对正负样本进行准确地区分.实验结果表明,在9个软件源代码混合的真实数据集上的精确率最大提升了29%,召回率最大提升了16%.

基于源码解析的软件依赖网络构建研究

软件依赖网络是指代码中各个实体因相互依赖而形成的复杂网络结构。当前,大多数的研究使用商业或闭源工具构建依赖网络数据集,工具之间缺乏统一的实体依赖模型,难以进行数据交换、工具迁移和性能对比。为此,采用源码解析的方式提取依赖关系,构建软件依赖网络,并在6个开源项目上,从依赖提取和依赖强度两个方面开展实证分析,构建一个规模不等、可复现、开放、共享的依赖网络数据集,以便研究人员开展基于软件依赖网络的应用研究。

基于反汇编的智能电表软件功能检测模型

电力企业在智能电表的生产过程中发现制造商用于招标展示的样品表和竞标成功后大量投产的批量表存在显著差异。由于检测不足,许多投入实际使用的批量表出现工作状态异常、质量不合格的情况,对这些电表的维护造成了不必要的花费。针对此问题制定了一种智能电表软件功能检测方案,设计了一种嵌入式智能电表代码逆向模型。模型以分析智能电表核心程序从而获取系统运行特征为思路,以反汇编算法分析电表固件代码功能为手段,对嵌入式智能电表进行软件功能差异测试。模型包括固件代码提取、固件代码反汇编和软件功能比较三大模块,在反汇编模块中基于现有的线性扫描和递归遍历算法使用了一种改进的单步扫描算法(SDA)。实际应用时对智能电表批量产品和样品进行比较鉴别,对系统功能的差异测量效果明显;同时使用该模型在维护电力企业已使用电表时可控制拟投产电表与已使用电表功能和质量误差在±20%范围内。

二次雷达A/C模式解码算法仿真

为了解决二次雷达在传统的A/C模式下存在的技术缺陷,以传统的"滑窗法"处理为基础,提出了新的算法。该新算法在脉冲前沿检测时,增加了脉冲宽度、幅度处理;在框架检测时,增加了对代码的提取;在参考脉冲选择时,对参考脉冲幅度重新进行了处理;在去幻影准则时,在距离相关的基础上增加了幅度相关;在代码置信度时,采用了"最小误差"方法;在去异步干扰时,采用"5判3"的算法去掉异步干扰和剩余的幻影。仿真结果表明,即使是在高密度询问和复杂的同步窜扰及异步干扰,应答信号存在非常严重的重叠情况时,该算法都具有极高的真实应答的检测概率和极低的虚警概率。

图书情报资料编目数据质量宏观监控探索

综合运用输出验收单、验收分类统计与个别登记账,宏观监控图书资料编目数据,能取得高效快捷的效果,其中关键一点是,自主开发增添几项很有用的提取项目,找到它们的提取代码,把能用统计工具提取的检查项目都增添上,这样就能脱离逐条检查编目数据的原始繁琐重复劳动,而且准确高效。

富康988电控喷射系统故障诊断

富康988,TU5JP/K发动机装配BOSCH Motronic MP5.2多点燃油喷射系统,同时控制喷射系统和点火系统,带可耐有铅汽油氧传感器,闭环控制,4个喷油器同时喷射,分组点火(1、4缸和2、3缸)。富康988电喷自诊断系统检索存储故障。故障以故障码的形式按先后顺序显示,可以同时存储15条故障码。故障分为严重故障和小故障两类。严重故障一旦被检测到,自诊断警报灯会不停闪烁,以提醒司机。

一种基于CFI保护的Android Native代码保护框架

针对Android应用的native代码面对的关键代码提取攻击和恶意代码植入攻击问题,提出了一个基于控制流完整性(CFI)保护的代码保护框架Droid CFI.该框架通过对被保护应用进行静态分析,提取其native代码的控制流特征,向开发者提供可视化策略配置视图设定关键函数,并根据策略配置生成对应的加固代码,与被保护应用的其他部分一起形成目标应用;目标应用在运行时,通过对关键函数进行动态CFI检查判定是否遭遇上述攻击,从而达到保护目的.实验结果表明,Droid CFI能够通过极小的性能开销实现对应用软件native代码的安全性保护.