123,123

基于深度學習的車輛檢測算法研究[其他][其他]

針對目前車輛實時檢測中存在定位不準確、檢測精度低等問題，采用了一種以Darknet-53為骨架網(wǎng)絡的YOLOv3車輛檢測算法，將該算法模型在標準數(shù)據(jù)集Pascal-VOC2012上進行訓練，以拍攝的西安南二環(huán)路的圖片作為測試集進行測試。實驗結(jié)果表明，YOLOv3算法的檢測精度達到84.9%，相比于SSD算法，其檢測精度提高了11.3%，檢測速度提高了3.8 f/s。因此YOLOv3算法檢測精度更好，檢測速度更快，能準確地檢測出圖像中的車輛信息，滿足車輛實時檢測的要求。

發(fā)表于：2021/6/10 14:50:00

函數(shù)級別的復用開源代碼檢測方法[其他][其他]

軟件開發(fā)中對開源代碼的復用會帶來開源代碼漏洞和違反開源許可等問題。傳統(tǒng)復用代碼檢測方法常常檢出較多偶然克隆代碼，影響了復用代碼的檢測準確性。為此，提出了一種基于復用度量指標的函數(shù)級別復用開源代碼檢測方法。該方法對被測代碼和開源代碼庫，先使用克隆檢測工具獲取克隆函數(shù)，然后使用依據(jù)克隆代碼行和共用標識符在開源代碼庫中的出現(xiàn)頻率的復用度量指標，判定每對克隆函數(shù)是否為復用。在公開有標注數(shù)據(jù)集和真實數(shù)據(jù)集上的實驗結(jié)果均表明所提方法優(yōu)于基于逆文檔頻率的方法。

發(fā)表于：2021/6/10 14:44:00

面向工控現(xiàn)場應用的邊緣網(wǎng)關(guān)架構(gòu)設計和性能評估[通信與網(wǎng)絡][物聯(lián)網(wǎng)]

工業(yè)現(xiàn)場控制作為邊緣網(wǎng)關(guān)的典型應用場景，是物聯(lián)網(wǎng)與人工智能交叉學科的研究熱點。在場景中，傳感器的數(shù)據(jù)經(jīng)過高速無線網(wǎng)絡匯集至邊緣網(wǎng)關(guān)，算法模塊根據(jù)傳感器數(shù)據(jù)向設備發(fā)送控制指令，完成控制閉環(huán)。與傳統(tǒng)網(wǎng)關(guān)僅僅收集和轉(zhuǎn)發(fā)數(shù)據(jù)相比，邊緣計算網(wǎng)關(guān)還承擔了數(shù)據(jù)加工和控制生成的重要功能，所以其安全與性能顯得尤為重要。針對邊緣網(wǎng)關(guān)中的安全與性能要求，提出了一種工業(yè)邊緣網(wǎng)關(guān)架構(gòu)，該架構(gòu)在基于X86的Linux平臺上進行了模擬仿真和實機測試，結(jié)果表明該邊緣網(wǎng)關(guān)可以滿足工業(yè)現(xiàn)場控制的典型應用場景，并滿足了傳統(tǒng)網(wǎng)關(guān)的基準性能。

發(fā)表于：2021/6/10 14:24:06

一種利用類別顯著性映射生成對抗樣本的方法[其他][其他]

如果對抗樣本的遷移性越強，則其攻擊結(jié)構(gòu)未知的深度神經(jīng)網(wǎng)絡模型的效果越好，所以設計對抗樣本生成方法的一個關(guān)鍵在于提升對抗樣本的遷移性。然而現(xiàn)有方法所生成的對抗樣本，與模型的結(jié)構(gòu)和參數(shù)高度耦合，從而難以對結(jié)構(gòu)未知的模型進行有效攻擊。類別顯著性映射能夠提取出樣本的關(guān)鍵特征信息，而且在不同網(wǎng)絡模型中有較高的相似度。基于顯著性映射的這一特點，在樣本生成過程中，引入類別顯著性映射進行約束，實驗結(jié)果表明，該方法生成的對抗樣本具有較好的遷移性。

發(fā)表于：2021/6/10 13:55:43

域名畫像系統(tǒng)的設計與實現(xiàn)[通信與網(wǎng)絡][通信網(wǎng)絡]

網(wǎng)絡空間逐漸成為人類生產(chǎn)活動的第二空間，網(wǎng)絡空間測繪對人們了解認識網(wǎng)絡空間資源分布、網(wǎng)絡關(guān)系和威脅情況等具有重要意義。當前對域名這一網(wǎng)絡空間重要資產(chǎn)的測繪研究相對較少，因此針對域名資產(chǎn)進行探測分析，結(jié)合多源域名數(shù)據(jù)對域名的基礎(chǔ)屬性、譜系關(guān)系、規(guī)模狀況和時空變化等情況進行分析，形成域名畫像。該研究有助于用戶掌握互聯(lián)網(wǎng)域名整體發(fā)展情況，可對網(wǎng)絡流量過濾和惡意域名檢測、網(wǎng)絡空間資產(chǎn)屬性識別等提供支撐。

發(fā)表于：2021/6/10 13:48:19

亞皮秒級激光回波半實物仿真系統(tǒng)關(guān)鍵技術(shù)研究[模擬設計][工業(yè)自動化]

激光回波仿真系統(tǒng)能夠根據(jù)所模擬的目標生成高頻高精度模擬回波信號。提出一種激光回波仿真系統(tǒng)設計方案，系統(tǒng)中采用FPGA生成延時信號，可以對回波信號實現(xiàn)亞皮秒級的延時精度；對光纖通信協(xié)議進行了優(yōu)化，用FPGA實現(xiàn)基于該協(xié)議的回波信號傳輸系統(tǒng)，擺脫了現(xiàn)有方案中對反射內(nèi)存卡的依賴性，提升了數(shù)據(jù)的刷新頻率。仿真結(jié)果表明，所設計的仿真系統(tǒng)數(shù)據(jù)傳輸速度達到1.6 Gb/s，回波精度達到125 ps，距離分辨率達到0.05 m。為基于激光陣列的高精度激光制導半實物仿真系統(tǒng)的研制奠定了基礎(chǔ)。

發(fā)表于：2021/6/2 11:50:00

一種G比特可變編碼調(diào)制的解調(diào)方法設計與實現(xiàn)[微波|射頻][通信網(wǎng)絡]

隨著衛(wèi)星通信技術(shù)的發(fā)展，寬帶頻譜越來越少，提高頻譜利用率就愈來愈重要，可變編碼調(diào)制技術(shù)(VCM)就是一種解決方案。根據(jù)DVB-S2標準中對調(diào)制信號的格式的定義，當調(diào)制方式在QPSK、8PSK、16APSK、32APSK中切換時，幀頭和導頻仍然采用π/2BPSK進行調(diào)制，基于此提出了對導頻和幀頭部分進行高碼率可變編碼的載波同步和均衡處理，實現(xiàn)結(jié)果表明，能正常對不同調(diào)制方式進行解調(diào)，同時保證在不同調(diào)制方式進行切換時仍能穩(wěn)定完成解調(diào)，測試結(jié)果表明解調(diào)性能偏離理論值小于3 dB，由于只采用了一種載波同步方法和均衡方法，實現(xiàn)方法簡單，節(jié)省了FPGA資源。

發(fā)表于：2021/6/2 9:54:00

基于ZYNQ的PTP授時精度測量方法與實現(xiàn)[其他][航空航天]

針對PTP授時精度測量存在的困難，提出在ZYNQ SOC上用μCOS操作系統(tǒng)和LWIP協(xié)議棧，來實現(xiàn)PTP授時精度測量。該方法通過接收衛(wèi)星導航系統(tǒng)信號，得到準確的系統(tǒng)時間和時鐘源差，利用硬件將系統(tǒng)時間同步至ZYNQ的納秒計數(shù)器。利用ZYNQ EMAC接口獲取PTP收發(fā)幀的觀測時間，并利用源差值實現(xiàn)對測量時間的補償，最終得到準確的時間戳，進而實現(xiàn)對待測PTP主時鐘授時精度測量。經(jīng)實際測試，利用該方法對PTP時鐘進行測量，能夠獲得優(yōu)于10 ns的測量精度。

發(fā)表于：2021/6/2 9:40:00

基于FPGA的PIE編碼與UVM驗證平臺的設計[可編程邏輯][其他]

國際標準ISO/IEC18000-6規(guī)定脈沖間隔編碼(PIE)作為RFID數(shù)字基帶系統(tǒng)中閱讀器發(fā)送鏈路的編碼方式。采用Verilog語言對該模塊進行設計，用QuartusⅡ軟件綜合并下載到FPGA開發(fā)板上，并使用SignalTapⅡ邏輯分析儀對信號進行采集和分析。此外，在設計的基礎(chǔ)上添加了UART收發(fā)模塊，實現(xiàn)PC和FPGA板的通信。為了對PIE編碼進行充分驗證，基于UVM驗證方法學和直接編程接口C(DPI-C)，設計并實現(xiàn)了一種高效且可復用的驗證平臺，驅(qū)動器和監(jiān)測器分別實現(xiàn)向DUT發(fā)送激勵及收集輸出結(jié)果的功能。參考模型與DUT的輸出結(jié)果在記分板中對比一致，功能覆蓋率達到了100%，提高了驗證效率及完備性。

發(fā)表于：2021/6/2 9:36:00

多通道SAR型數(shù)字變換器的設計與實現(xiàn)[其他][其他]

針對某項目多通道數(shù)字變換器的設計，提出了一種高可靠性、高精度的模數(shù)轉(zhuǎn)換方案。為完成12路傳感器信號的采集、4路電壓電流的采集，對硬件電路進行了詳細的分析與優(yōu)化。待采集信號先后通過信號調(diào)理、模擬開關(guān)、分壓跟隨以及抗混疊濾波對其進行處理，并對鏈路的建立時間進行分析，最后采用逐次逼近型AD芯片進行轉(zhuǎn)換，通過與上位機配合驗證數(shù)據(jù)的采集精度。經(jīng)過大量實驗數(shù)據(jù)驗證，采集精度均能優(yōu)于0.5%，達到任務要求。

發(fā)表于：2021/6/2 9:30:00