基于STFT的雷达信号脉内调制识别

针对脉内调制识别计算量大、实时性不强、准确率低的问题,结合信号调制的频率、相位特征,提出一种基于STFT的信号测量、识别算法。首先采用幅度自相关法测量信号脉宽,然后通过STFT运算测量信号频率及带宽,再利用时域累加瞬时自相关法得到信号相位差,结合频率均值、频率变化斜率等信息对常规信号、相位编码信号、频率编码信号、线性调频及非线性调频信号进行调制类型识别。仿真结果表明,所提出的算法具有较高的识别精度和鲁棒性以及较低的运算量,适合工程化实现。

环境电磁监测的立方体天线设计

针对环境电磁功率监测,设计了一种全向全极化立方体天线,将平面偶极子天线折叠为立方体结构,大幅度缩小了天线尺寸,并具有对垂直/水平极化和圆极化极化,以及各方向上来波的有效接收能力。采用增加电感耦合环、寄生单元和偶极子臂末端弯折环等结构,提高了立方体天线的阻抗匹配、全向性和接收增益等性能。设计并加工制作了一只尺寸为10cm×10cm×10cm的立方体天线样品。测试和仿真结果吻合良好,表明所提出的天线在1~10GHz工作频段内,具有良好的球状全向方向图,增益达到-1.67~9.71dBi。

一种基于云的RFID认证协议改进方案

RFID(radio frequency identification)技术用于服务器、阅读器、标签之间进行信息的识别和传递。为了解决标签和后端服务器计算及存储能力有限的问题,将云服务器引入到RFID技术中,同时提出使用轻量级和超轻量级认证协议。2019年,K.Fan.提出一种新的基于云服务器的轻量级RFID认证协议,经分析发现其存在安全问题——无法抵抗冒充攻击和重放攻击。通过更改标签端的加密方式和增加时间验证对该协议进行了改进,改进后的协议可有效抵抗冒充攻击和重放攻击。

transformer在底层视觉应用上的发展综述

transformer,一种基于自注意机制的序列网络,首次被引入到自然语言处理范畴。由于其强大的长距离特征表示能力以及高性能和对视觉特定感应偏差的需求减少,基于transformer的模型被广泛应用于计算机视觉任务。在各种视觉基准测试中,基于transformer模型性能类似于或优于其他类型的网络,如卷积神经网络和递归神经网络。首先讨论基于transformer的不同底层视觉任务;然后分析了它们的优缺点;最后,总结了视觉transformer存在的问题,并提供了进一步的研究方向。

一种基于电子控制器的故障检测及处理机制

为反映电子控制器状态,提出了一种基于电子控制器嵌入式软件的故障检测及处理机制。考虑控制器的余度性能,将一种故障状态区分为瞬时故障和时延性故障两种状态,采用时延性故障作为故障发生的标志,避免了控制器误报故障的情况。当故障发生后,根据故障发生时间区分为当前故障和历史故障进行不同的处理,利于开发人员对故障信息进行分析,判断故障的发生时间以及电子控制器状态。经过试验验证,验证了故障检测及处理机制的有效性。

基于边聚合的图卷积神经网络节点分类

随着图网络和深度学习技术的发展,如何在图上构建深度学习模型近些年受到研究者的广泛重视。图卷积神经网络能够有效地学习图的语义信息和提取网络结构信息,在节点分类任务上取得了一定的效果,但如何更全面地利用图中丰富的语义信息,使节点划分的结果更为准确仍面临着挑战。针对以上问题,提出了基于聚合过程的图卷积神经网络(aggregate graph convolution neural network,AGGCN)。通过设计聚合过程将边的信息经聚合方法汇聚至节点上,在后续进行图卷积时能更充分地利用图本身所包含的丰富语义信息,生成更为合理的节点语义表示。在三个公开的引文网络数据集上将AGGCN与五种基准方法进行了实验对比分析,实验结果验证了AGGCN的有效性,表明AGGCN能更加全面地利用图的语义信息提升节点分类的效果。

基于双哈希函数的WSN密钥预分配方案

无线传感器网络经常部署在无人值守和易受攻击的环境中,几乎没有维护条件,这使得攻击者可以进行拆卸和窃取等物理攻击,从而破坏节点和整个网络的安全性。针对现有的无线传感器网络密钥预分配方案存在安全性较低、网络连通率不高等问题,提出一种基于双向哈希函数的密钥预分配方案(key predistribution scheme based on two-way hash,KPSTH),通过构造密钥矩阵和哈希函数的单向性质降低密钥破解概率,对单跳路由范围内无法建立连接的节点通过中间节点密钥协商扩大了邻居范围,提高了本地节点安全连通概率和节点抗俘获能力,并进行了理论分析和实验仿真。结果表明,所提出的方案具有较高网络抗毁性的同时拥有更高的全局网络连通率,且能耗方面也有良好表现。

基于DQN和轨迹预测的自动驾驶换道决策算法研究

在自动驾驶决策层的换道行为中,针对换道决策行为需要在复杂且不稳定的交通环境中保持高速率和高安全性的问题,提出一种以深度强化学习为核心的自动驾驶换道决策模型。该模型使用DQN算法将环境感知层的数据传入用神经网络表示的Q函数,神经网络输出最优策略,然后根据当前策略预测自动驾驶车辆与环境车辆的行驶轨迹,使自动驾驶车辆与环境车辆的距离始终大于最小安全距离,以此来减少当前决策在后续行驶途中潜在的危险。仿真实验结果表明,相较于DQN换道模型,改进的换道决策模型在保持车辆高速行驶的同时,换道决策成功率也提高了11.89%。

省民政厅发布“山东省十强产业协会双百工程方案”名单

为深入学习贯彻党的二十大精神,落实山东省委、省政府“十强”产业发展重大决策部署,根据山东民政事业高质量发展“1261”总体思路和2023年行动计划,围绕打造“品牌民政”,3月21日,山东省民政厅在济南举行“山东省十强产业协会双百工程”启动暨“鲁社齐心•向阳同行”社会组织品牌发布仪式。会上,山东电子学会、山东省信息产业协会(以下简称“学协会”)双双入选“山东省十强产业协会双百工程”方案名单。

基于BP神经网络的数字图像分类系统研究

BP神经网络作为一种经典的人工神经网络模型,在数字图像分类中具有广泛的应用潜力。其具备较强的学习能力和适应性,能够通过训练样本学习到图像的显著特征和类别之间的关系。然而,BP神经网络在实际应用中仍存在一些问题,如训练时间长、易陷入局部最优等。因此,旨在研究基于BP神经网络开展数字图像分类系统,探索如何利用BP神经网络实现数字图像的自动分类和识别。通过改进和优化网络结构、训练策略和特征选择方法,以提高系统的分类性能和鲁棒性。

脉冲耦合神经网络参数优化方法研究

针对脉冲耦合神经网络(pulse coupled neural networks, PCNN)参数设置问题,对常见的脉冲耦合神经网络参数优化方法进行了概述、总结、分析和比较。首先,介绍了脉冲耦合神经网络模型以及几种常见的简化模型,分析了各模型的特点。然后,对国内外学者提出的不同PCNN参数优化方法进行了研究,总结归纳出三类常用的PCNN参数优化方法,包括结合图像本身性质确定参数、分析PCNN点火机理确定参数和利用智能优化算法自动搜索参数的方法,并对这三类PCNN参数优化方法进行了分析比较,总结出各类优化方法的优缺点和适用场合。

基于STM32的测井数据导出工具

石油测井中的原始数据往往可以给开采工作提供可靠的理论支持,在实际工作中,由于井下通信速率限制,随钻测井往往只能传输关键测井数据,原始数据导出只能在地面进行,需要一种高速可靠的通信协议,使测井数据导出更加高效,针对以上问题,提出了一种适用于随钻测井技术中的数据传输的改进SPI传输方法。该方法利用STM32F407的SPI通信和中断机制结合,能够提高数据传输效率和抗干扰能力。相比于传统的SPI应答机制,该方法不需要轮询等待SPI通信从机应答,而是通过从机向主机发送一个外部中断信号来告知SPI通信主机一帧数据已完成传输,从而准确控制下一帧数据传输的时机。该方法适用于大部分测井设备的主控芯片,不需要对测井设备做出较大的硬件改动,使用的数据传输线更少。同时,该方法避免了在系统SPI传输过程中数据移位错误发生后不可恢复等问题,降低了数据导出错误的可能性,为原始测井数据导出提供了新的思路。

一种基于自驾游路线规划的多目标优化算法

针对如何短距离遍历多个旅游景点问题,提出一种快速求解距离最短的旅游路线的遗传算法。首先,阐述算法的实验步骤和建立选取路径的数学模型,然后,以防遗传算法对求解多个旅游景点路线不合适,选取适应度函数测试遗传算法的收敛性。同时,改变遗传算法的参数,用算法测试多个旅游景点的最短路径。最后,对遗传算法进行优化之后的路径和个体平均路径的收敛情况仿真分析。实验结果表明,改进的遗传算法可以很好地应用在多个景点的路径规划方面,选出距离最短的旅行路线,减少出行成本且节约旅途时间,具有极强的研究意义和使用价值。

工业芯片的标签文本检测

工业场景下标签图像存在扫描不清晰、光照变化大,文字大小不一致等问题,给文本的检测带来困难。针对上述问题,提出了基于分割的可微分二值化(differentiable binarization net,DBNet)网络的文本检测方法。首先通过数据增强技术对样本数据量进行了扩张;然后根据标签文本细长的特点,分析了Douglas-Peucker算法的超参数调整对检测精度的影响。实验结果表明可微分的二值化网络DBNet具有更好的检测性能,在测试集上的准确率、召回率、F1值分别达到了99.4、99.5、99.5。

一种优化的机器人抓取位姿检测方法

针对传统的机器人抓取检测方法存在准确率低、实时性差的问题,提出了基于深度学习的机器人抓取位姿检测方法。在康奈尔抓取数据集上,设计一种端到端的抓取检测网络模型并训练,输出目标物体的抓取位姿表示参数。针对现有的抓取姿态表示方法的不足,结合YOLOv5目标检测算法生成目标物体的点云图,采用PCA方法生成抓取姿态,并提出一种优化的姿态提取方法。实验结果表明,利用端到端的网络模型和优化的PCA方法提高了机器人抓取位姿检测的准确性、实时性。

基于深度学习的印刷文档扫描影像中表格位置检测方法研究

针对印刷文档扫描影像中表格位置检测中存在检测效果较差的问题,设计了一种基于深度学习的印刷文档扫描影像中表格位置检测方法。首先,在 Hough环境下对表格位置变换检测点进行确定,同时建立深度形态双向层级位置检测结构。以此为条件,创建深度学习多层级的逆向检测的模型,在深度学习的背景之下,采用多维正向法实现表格位置的检测。测试结果表明:在不同深度学习控制范围之内,所设计的深度学习位置检测方法得出的表格检测AP值相对较小,表明检测效果更佳,并具有更强的稳定性以及精准性。

突发事件监测防控中危机情报的智能挖掘研究

近年来,随着社会的进步各类突发事件频繁发生,如何对突发事件进行有效的监测防控成为保障社会和谐稳定的重要问题。为解决突发事件中有效获取数据的问题,采用k-近邻算法、关联规则算法、决策树等智能挖掘算法收集、处理情报数据,并列举了智能挖掘技术在突发事件监测防控不同阶段中的应用,如预警阶段收集突发事件相关信息、应急阶段方案学则和策略实施、恢复阶段规划物资调度预分配。通过智能挖掘技术对海量数据进行挖掘、分析、快速、精准地制定应急处置方案,合理的规划物资调度与人员分配,实现突发事件的有效监测和智能防控。

面向外包计算的图结构数据隐私计算模型研究

大规模移动轨迹、社交网络等高维图数据应用广泛且包含大量隐私信息,云计算的快速发展使得用户将图数据的存储和计算任务外包给云服务器。然而,云服务器并非完全可信且图数据拓扑结构和节点关联关系复杂,如何在云计算环境下实现隐私保护的图数据计算成为值得研究的课题。针对以上问题,对现有外包计算环境下的图数据隐私计算模型进行了全面分析和总结。首先针对云计算环境下图数据隐私保护模型进行梳理;然后对现有加密图数据隐私查询类型进行分类与分析;最后,提出了外包计算环境下图结构数据的隐私计算研究需要解决的关键问题与解决思路。

著作权使用声明

本刊已许可中国知网、万方数据和维普以数字化方式复制、汇编、发行、信息网络传播本刊全文。所有署名作者向本刊提交文章发表之行为视为同意上述声明(本刊不再另行支付费用)。如有异议,请在投稿时说明,本刊将另行处理。

基于FT-2000/4的全国产平板式加固计算机设计

设计了一种基于飞腾FT-2000/4处理器的全国产平板式加固计算机,详细介绍了平板式计算机的主板架构、硬件设计、软件设计和结构设计,选用国产电子元器件,配合以国产固件、操作系统,实现了计算机的100%自主可控,有力地保障了信息安全。通过优化整机布局、结构设计,最大限度地降低了计算机的重量和体积,提高了使用的便携性和舒适性。同时考虑高低温、淋雨、盐雾、霉菌等环境试验要求,可满足军用室内、野外、车载、舰载等各种应用场景需求。