基于多帧聚合的物理层安全技术优化设计

针对卫星通信中严重的窃听和恶意干扰等安全问题,提出了一种基于噪声聚合理论的多帧聚合优化方法。该方法在传统噪声聚合方案的基础上,增强了相邻数据帧之间的聚合深度与耦合关系,将安全编码转化为多帧聚合,通过调整不同的聚合方式,使系统安全性得到最大化提升。仿真结果表明,与传统的噪声聚合方案相比,最优耦合方式可提升系统安全增益约1.3 dB,有效地增强了系统安全性保障能力。

基于多帧聚合编码层级动态跳变的安全协议设计

通信安全保密工作,关系到国家的安全和利益,为了提高卫星通信的防窃听安全性,在多帧聚合安全编码基础上,本研究探究编码层级的优选方案,提出了一种基于多帧聚合编码层级动态跳变的安全协议设计。本方案设计安全编码模块由编码层级动态跳变的方式实现,跳变信息包含在通信的数据帧中,避免了通信双方的编码密钥管理,同时增加了窃听方破解信息的难度,提升系统安全性能。最后结合卫星通信DVB协议研究背景,探究安全协议的兼容性。

基于长短期存储的聚合增强型煤矸石视频识别模型

采用煤矸石图像识别技术进行煤矸石识别会错过一些关键目标的识别。视频目标识别模型比图像目标识别模型更贴近煤矸石识别分选场景需求,对视频数据中的煤矸石特征可以进行更广泛、更有深度的提取。但目前煤矸石视频目标识别技术未考虑视频帧重复性、帧间相似性、关键帧偶然性对模型性能的影响。针对上述问题,提出了一种基于长短期存储(LSS)的聚合增强型煤矸石视频识别模型。首先,采用关键帧与非关键帧对海量信息进行初筛。对煤矸石视频帧序列进行多帧聚合,通过时空关系网络(TRN)将关键帧与相邻帧特征信息相聚合,建立长期视频帧和短期视频帧,在不丢失关键特征信息的同时减少模型计算量。然后,采用语义相似性权重、可学习权重和感兴趣区域(ROI)相似性权重融合的注意力机制,对长期视频帧、短期视频帧与关键帧之间的特征进行权重再分配。最后,设计用于存储增强的LSS模块,对长期视频帧与短期视频帧进行有效特征存储,并在关键帧识别时加以融合,增强关键帧特征的表征能力,以实现煤矸石识别。基于枣泉选煤厂自建煤矸石视频数据集对该模型进行实验验证,结果表明:相较于记忆增强全局−局部聚合(MEGA)网络、基于流引导的特征聚合视频目标检测(FGFA)、关系蒸馏网络(RDN)、视频识别的深度特征流(DFF)模型,基于LSS的聚合增强型煤矸石视频识别模型的平均精度均值优于其他模型,为77.12%;模型视频目标运动速度与识别精度呈负相关,基于LSS的聚合增强型煤矸石视频识别模型在慢速运动的目标检测上识别精度最高达83.82%。

基于深度学习与步态分析的身份识别算法

在传播性公共卫生疫情环境下,为了减少传染风险,医疗机构需要对医护人员和患者进行防护状态下的身份识别。文中基于深度学习算法提出了一种步态识别架构顺序残差卷积网络(SRCN),用来提取基于卷积主干的时空信息,从而实现对个体行走模式的学习。利用信息提取器(BIE)和多帧聚合器(MFA)两个子模块对图像时空信息进行提取,使用残差神经网络(ResNet)提取每幅图像的空间特征。MFA将整合并提取所有特征从而实现步态识别。在CASIA-B公开数据集进行的实验表明,文中所提出的方法在3种模态下准确率分别达到了95.2%、89.8%和73.9%,相比其他模型均有所提高。