基于谱压缩的大斜视TOPS BP图像自聚焦算法

在机动平台大斜视TOPS模式SAR成像时,通过使用地平面直角坐标系BP成像算法,能够在短时间内获取地距平面无畸变的宽幅SAR图像,但实际应用中如何对BP图像快速完成运动误差补偿与旁瓣抑制仍是一个难点。针对此问题,提出了一种改进的谱压缩方法,基于此能够快速实现机动平台大斜视TOPS模式地平面BP图像自聚焦等后续操作。首先,考虑到传统BP谱压缩方法仅适用于聚束成像模式,结合大斜视TOPS SAR虚拟旋转中心理论与波数谱分析,推导出了改进的精确谱压缩函数,能够通过全孔径压缩获得无模糊的地平面TOPS模式BP图像频谱。在此基础上,利用相位梯度自聚焦(PGA)能够快速完成全孔径运动误差估计与补偿。此外,基于提出的改进谱压缩方法得到的无模糊对齐BP图像频谱,可以在方位频域统一加窗实现图像旁瓣抑制。最后,通过仿真数据处理验证了所提算法的有效性。

一种用于自动驾驶场景的轻量级语义分割网络

在自动驾驶场景下,针对语义分割模型在车载硬件设备中部署时内存受限且算力不足的问题,需要设计一种较好权衡效率和精度的语义分割模型。采用单分支网络结构,设计了一个轻量级多尺度双向注意力网络。为了实现高效的特征提取,设计了一种轻量级卷积单元来构成网络的特征提取骨干。为了较好地定位和分割道路场景中尺度差异较大的物体,提出了一种多尺度双向注意力模块。它具有全局多尺度感受野,并且在沿一个方向编码通道注意力的同时保留了另一个方向的空间位置信息。基于该注意力模块,设计了跳跃注意力连接模块和特征注意力融合模块,使得输出特征兼具细节信息和语义信息。模型在Cityscapes数据集上以0.9M的参数量,取得了71.86%的平均交并比,同时在单个RTX2080Ti GPU下实现了88FPS的推理速度。实验结果表明,该模型能够实现较高的分割精度,适用于车载硬件下的部署和应用,具有一定的实用价值。

一种抗伪造攻击的车联网无证书聚合签密方案

车联网给现代交通系统带来了极大的便利并受到人们的广泛关注。在车联网中,车辆访问控制的身份认证和发送消息的隐私性是两个关键问题。同时,由于有限的带宽以及车辆的高移动特性,验证效率也至关重要。聚合签密方案可以有效解决上述问题。但现有部分基于Schnorr签名的聚合签密方案未对密钥进行正确的哈希绑定,而无法抵御两类公钥替换攻击;且在进行聚合签密时,用户间交换部分签密信息生成的单个无效签密仍能通过聚合签密验证,故无法抵御合谋攻击。基于上述问题提出了一种新的面向车联网的无证书聚合签密方案。该方案利用密钥原像保护技术抵御公钥替换攻击,利用哈希抗碰撞特性抵御合谋攻击。在随机预言机模型下,证明了该方案的机密性与不可伪造性。与现有方案相比,该方案增强安全性的同时并未增加计算开销,整个验证阶段仍只需要6 n+1次点乘操作。性能分析表明,该方案完全适用于车联网。

针对Fruit v2和Fruit-80的差分错误攻击

基于轻量级流密码Sprout,Fruit v2、Fruit-80、Fruit-128和Fruit-F等Fruit族小状态流密码自2016年相继被提出。Fruit族密码与Sprout结构相比,最大的区别在于Fruit族密码中非线性反馈移位寄存器与线性反馈移位寄存器的内部状态没有参与轮密钥函数状态更新,这使得对Fruit族密码的密钥恢复攻击相比于Sprout更加困难。借鉴Maitra等学者对Sprout的差分错误攻击方法和Banik等学者对Grain的差分错误攻击方法,在一个相对宽松的错误模型下,对Fruit v2和Fruit-80进行了差分错误攻击。攻击中,在攻击者能够多次注入时间同步的单比特错误的假设下,首先精确识别了错误注入的位置;随后通过求解利用输出函数的一阶差分性质得到的线性方程组,完整恢复了Fruit v2与Fruit-80的整个内部状态,恢复内部状态所需的时间复杂度为216.3(线性反馈移位寄存器)和26.3(非线性反馈移位寄存器)。进一步地借助Cryptominisat-2.9.5 SAT解算器,只需要大约10 min即可求解所有密钥,整个故障攻击所需错误个数为27.3。精确识别错误位置的复杂度分别为26.3(Fruit v2)和27.3(Fruit-80)。

一种双信标机制下的指纹库构建方法

针对室内定位研究中指纹库构建需要耗费大量人力及时间进行信号采集的问题,提出了一种基于双信标机制和径向基神经网络的指纹库扩展算法。基于双信标机制和径向基神经网络的指纹库扩展算法能够根据场景需求灵活调整信标点采样比例,兼顾随机性与均匀性的基础上,调控各维度抽样区间内均能获取一个样本值,在保证预测准确度的前提下,取得最低采样开销;采用径向基神经网络挖掘信标点位置与信号之间的深层联系,以场景特征扩充小尺度指纹库,预测待估计位置信号强度,达到扩张指纹库的目的。通过主次信标的协同,选择具备平衡指纹精度和扩张效率的最优信标点,减少采样信标数量的同时,确保定位精度。经实测场景测试,在保障预测准确率的前提下,基于双信标机制和径向基神经网络的指纹库扩展算法受益于消除信标集合的偶然性的能力,能将指纹库扩展至140%,在差值误差控制在3.1%左右的情况下,平均预测误差较现有算法降低12%以上。

增强型深度对抗样本攻击防御算法

当前,深度学习在各种应用领域已取得了巨大的成功,但深度神经网络模型的鲁棒性和性能极易受到带有细微扰动的对抗样本的攻击。针对现有对抗样本去噪防御算法破坏干净样本的有用信息致使模型分类精度下降的缺陷,基于在目标模型上添加增强型输入去噪器,以及基于凸包理论所提出的隐层干净样本有损信息恢复器,提出了一种新的增强型对抗样本攻击防御算法。该算法首先在模型的输入层训练一个去噪器,去噪器的输入为干净样本和对抗样本的并集,期望去噪器去除对抗扰动的同时避免对干净样本的遗忘。其次,考虑到去噪器会破坏干净样本含有的扰动信息,故而在模型的隐层中训练一个恢复器,恢复器的输入为干净样本和对抗样本隐向量的凸组合,期望恢复器将位于错误分类空间的样本重新映射回正确分类空间,以此训练出更具鲁棒性的模型。在多个标准数据集上的大量对比仿真实验表明:所提出的去噪器和恢复器能有效地提升模型的鲁棒性,其对抗样本防御性能优于众多现有代表性的对抗样本防御算法。

面向雾计算的嵌入式异构计算服务放置策略

受限于云与端设备间的长距离通信,仅在云上处理数据已经不能满足时间敏感应用的需求,这促使部分应用开始向下层边缘设备扩展。随着嵌入式系统的快速发展,雾计算成为了连接云与端设备的新型计算范式,可以在更靠近数据源的地方执行应用程序。雾层计算能力通常源于高性能异构嵌入式板卡,服务在雾计算层不同的映射放置策略,对雾计算层设备的资源利用率影响巨大。现有的服务放置策略多数以提高系统服务质量为目标,忽略了嵌入式设备的异构性及计算资源的受限性,从而导致资源利用率降低。针对上述问题,提出了一种面向雾计算应用的服务放置策略,基于微服务架构,对雾计算层异构资源进行优化建模,细化了资源异构属性表征,在保证系统的基础上,通过动态对比服务放置消耗提升系统资源利用率。将这种策略与基于请求率的放置策略和iFogSim默认放置策略进行对比,该策略的系统资源利用率分别提高了约10.7%和28.7%。

面向高炉料面监测的宽带微带阵列天线设计

针对高炉雷达高分辨率成像和高集成度的设计需求,设计了一种宽带微带阵列天线。通过寄生贴片和空气层的设计展宽天线带宽,将多输入多输出雷达与合成孔径雷达成像原理相结合,设计了线性多输入多输出阵列。通过波数域成像算法,对模拟料线进行了近场仿真成像实验。实验结果表明,天线主瓣方向增益可达14.05 dBi,反射系数小于-10 dB,绝对带宽为5.25 GHz,工作频率为20.67~25.92 GHz。距离向分辨率较现有高炉雷达提高至3 cm,模拟料线成像的方位向平均误差为0.008 m,距离向平均误差约为0.0011 m。与传统微带阵列天线相比,此天线有效地拓宽了带宽,距离向分辨率比传统高炉雷达高,可以准确地获得模拟料线形状信息,对高炉料面监测有工程应用价值。

JEDERL:一种异构计算平台任务调度优化算法

随着图形处理单元、现场可编程门阵列等计算单元的快速发展,由不同类型计算资源组成的异构计算平台具有计算资源丰富、架构灵活多样、并行处理能力强等优点,在云计算、数据中心、物联网等领域中得到广泛的应用。针对异构计算平台任务调度中存在的计算资源异构及缺乏任务全局信息的问题,首先根据任务及资源的属性进行任务执行的抽象建模;然后利用图神经网络对任务和计算资源进行可伸缩的状态信息编码,从3个层次聚合任务及资源特征,解决了任务数量不确定、缺乏全局信息的问题;接着以最小化任务的平均完成时间为目标,基于深度确定性策略梯度算法设计任务调度算法。实验结果表明,JEDERL算法与随机调度、先进先出调度、短任务优先调度、轮盘法调度以及现有的强化学习调度算法相比,任务平均完成时间分别减少了约27.8%、12.6%、28.6%、21.9%、5.3%,并且在异构计算平台中服务器个数和任务数变化时表现稳定。

融合多头自注意力机制的语音增强方法

由于人类在听觉感知过程中存在掩蔽效应,因此能量高的信号会屏蔽掉其他能量低的信号。受到这一现象启发,结合自注意力方法和多头注意力方法,提出融合多头自注意力机制的语音增强方法。通过对输入的含噪语音特征施加多头自注意力计算,可以使得输入语音特征的干净语音部分和噪声部分有较为明显的区分,从而使得后续的处理能够更有效地抑制噪声。实验结果表明,这种语音增强方法相较于使用门控循环神经网络的语音增强方法,语音增强性能更好,增强语音的语音质量与可懂度更高。

一种低复杂度SCMA多用户检测算法

为了进一步降低稀疏码多址接入系统中多用户检测算法的复杂度,提出了一种基于部分资源块高斯近似的多用户检测算法.首先对资源块优势等级进行比较;然后选择译码优势等级高的n个资源块使用加权消息传递算法,剩下的资源块使用高斯近似消息传递算法.同时联合资源块和用户优势等级,在每次迭代后对译码优势等级较高的用户直接译码并剔除,使得后续每轮迭代的复杂度依次降低.仿真结果表明,通过合理选择资源块个数,可以在保证检测性能的同时,有效地降低检测复杂度.因此,提出的算法较好地实现了译码性能和复杂度之间的平衡.

结合语音融合特征和随机森林的构音障碍识别

为分析病理人群与正常人群的发音差异性,提出一种结合语音融合特征和随机森林的语音识别方法来进行正常语音与构音障碍语音的分类识别,从而为医学诊断和治疗提供科学和客观的依据.首先,使用多伦多大学开发的病理语音数据库,提取出语音的五种韵律特征以及梅尔频率倒谱系数,再计算其统计特征,构成融合特征,最后结合随机森林算法进行分类识别.结果显示,相比于单一类型特征,提出的融合特征在识别性能上有着显著优化作用,与随机森林分类器结合后,对于男性声音的分类准确率达到99.21%,对于女性声音的分类准确率达到98.97%,综合分类准确率达到98.00%.同时研究还发现,相较于句子,患者对短语的发音更为准确.

联合eICIC和CoMP的小蜂窝网络干扰管理机制

在密集小蜂窝网络场景下,针对同层干扰和跨层干扰问题,提出了一种联合增强型小区间干扰协调和协作多点联合传输的密集小蜂窝干扰管理机制.这种机制考虑了协作多点联合传输对用户的链接、几乎空白子帧的配置、资源块分配的影响,在保证用户最低速率的前提下,最大化系统的吞吐量.仿真结果表明,相比基于增强型小区间干扰协调的干扰管理方法,联合增强型小区间干扰协调和协作多点联合传输的干扰管理方法进一步提升了网络吞吐量,提高了频谱利用率.

一种柔性形态学参数对称对数图像处理新算法

合成孔径雷达成像过程中产生的固有随机相干斑噪声严重影响图像质量,因此对相干斑噪声的抑制研究具有重要意义.针对传统相干斑噪声的抑制方法不能兼顾去除斑点噪声和保护图像纹理信息的问题,笔者提出一种柔性形态学参数对称对数图像处理新算法.该算法结合柔性形态学顺序统计量的灵活性与参数对称的对数图像处理模型自适应处理图像负值部分的特性,抑制合成孔径雷达影像斑点噪声,并且能够较好地保护图像纹理及细节信息.为验证新算法的去噪性能,将其与已有的一些滤波算法的滤波效果比较,并利用抑斑图像质量评价指标,评价新算法滤波性能.实验结果表明,该算法在抑制斑点噪声的同时很好地保留了图像细节信息,且其滤波效果优于现有的合成孔径雷达影像斑点噪声抑制算法.

方向扩散方程修正BM3D图像去噪改进算法

为更好地保护图像的边缘、细节等信息,建立了一种利用方向扩散方程进行修正的三维块匹配滤波图像去噪改进算法.该算法首先利用小波分解将三维块匹配滤波算法去噪结果分解成互相垂直的3个子带.同时为加快扩散速度,避免边缘很快被模糊,在方向扩散方程中加入各向异性扩散算子和扩散系数,将去噪结果的高频系数小于阈值子带向噪声图对应的子带进行扩散.最后利用扩散所得新的估计值代替去噪结果原有子带得到最终去噪结果.实验结果表明,该算法在去除噪声以及保护图像边缘、细节等方面的性能都要优于原始三维块匹配滤波算法的.

三支概念的构建算法

新发展出的三支概念分析理论目前还没有具体的三支概念构建算法.针对此问题,提出了一种构建三支概念的算法CbO3C.CbO3C借鉴形式概念分析中构建形式概念的CbO算法的思想,并通过使用基于部分闭包的正则检测和失效正则检测进行剪枝,使用约简条件排除非核心的三支概念,使用位操作实现集合运算等技术来提高效率,降低内存开销.文中对UCI数据和随机数据进行了实验.实验结果表明,算法可以准确、有效地计算出给定形式背景的所有核心三支概念.

一种适用于弱信号的混合差分位同步算法

在弱信号条件下，导航信号跟踪频率偏差大，针对传统位同步算法同步增益低，位同步时间长的缺陷，提出了一种混合差分位同步算法。该算法采用短的相干累加方法，提高了信号的相干增益；同时，利用远距离差分方法，该算法提高了位边界的识别概率，从而提高位同步算法的增益。实验结果表明，该算法保持了良好的频率偏差容限，在 50Hz 的频率偏差范围内具备良好的同步性能。相较于传统的差分位同步算法，该算法的同步增益提高了3～7dB。

全光网中采用可信度模型的故障定位技术

宽带业务的飞速发展推动着光网络向着超大容量、超高速率方向演进.与此同时,在透明节点增加、光电再生设备减少的全光网络中,多故障定位的非完全多项式属性、网络拓扑的复杂性以及承载业务的多样性使得故障定位变得尤为困难.如何根据收集的告警信息,确切地找出故障的准确数目及其位置成为网络管理人员的难题.针对全光网中故障与告警的关系展开研究,在多故障定位的相关方向上完成了采用可信度推理方法对故障与告警之间的复杂映射关系进行梳理,建立了一种多故障条件下全光网故障定位模型,并以此为基础,提出了基于模糊隶属度以及联合可信度的两种启发式故障定位算法.通过不同的网络拓扑以及与其他的算法对比,对这两种算法以及可信度模型的正确性进行了验证.仿真结果表明,该模型能够很好地处理多故障定位问题的不确定性,且定位性能优越,具有很强的实际意义.

信息引导条件下雷达搜索空域及策略

为使雷达在信息引导条件下快速准确地完成目标搜索,建立了指示引导模型,依据置信度、时效性和误交接概率划分初始搜索空域;在动态检测模型的基础上,以获得最大全局信息增益为准则实现了搜索波位的动态编排.仿真结果表明,即使在较大引导误差条件下,雷达依然能够迅速、准确地捕获目标,提高了无源传感器引导相控阵雷达的协同探测能力.

精密频率测量边沿效应的特性分析

在精密频率测量中,通过相位处理的方法能够得到很高的测量分辨率,而边沿效应的发现及应用对精密频率测量精度的提高起着至关重要的作用,文中详细分析了边沿效应的产生机理,并通过对边沿效应特性在精密频率测量方面的应用进行了详细分析及验证.在与频差倍增器结合的测量实验中,经二级倍增后采用边沿处理的频率稳定度可达4.8×10^(-13)/s,进一步揭示了依靠检测装置分辨率模糊区边沿,不仅保证了高的分辨率,而且更保证了在噪声环境中测量结果的正确性.