123,123

自動(dòng)氣象溫濕度傳感器采集電路設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

為了順應(yīng)民航氣象自動(dòng)化發(fā)展需求，設(shè)計(jì)了一種自動(dòng)氣象溫濕度傳感器采集電路，能夠?qū)崿F(xiàn)對(duì)民用機(jī)場(chǎng)跑道周邊溫濕度要素的較高精度采集。系統(tǒng)對(duì)硬件電路部分進(jìn)行了模塊化結(jié)構(gòu)設(shè)計(jì)，對(duì)溫濕度采集原理進(jìn)行了分析，利用4線制PT100鉑電阻對(duì)溫度進(jìn)行測(cè)量，通過恒流源驅(qū)動(dòng)的方式產(chǎn)生溫度對(duì)應(yīng)電壓，再通過AD7792進(jìn)行采集，計(jì)算出溫度傳感器的電阻值Rpt100。濕度信號(hào)輸出類型為0～1 V的直流電壓，利用AD7792的第2通道以及片內(nèi)1.17 V的基準(zhǔn)電壓進(jìn)行采集，得到ADSample2采樣值,計(jì)算出濕度對(duì)應(yīng)的電壓值Vrh(單位：mV)， Vrh在數(shù)值上與濕度采樣值相等。試驗(yàn)證明采集電路可以完成對(duì)溫濕度信號(hào)的采集。

發(fā)表于：2021/4/15 22:55:29

一種多通道高速高精度PXIe數(shù)據(jù)采集模塊設(shè)計(jì)[其他][其他]

介紹了一種基于放大器、模數(shù)轉(zhuǎn)換(Analog to Digital Converter，ADC)和現(xiàn)場(chǎng)可編程門陣列(Field Programmable Gate Array，F(xiàn)PGA)的多通道數(shù)據(jù)采集方案，包括采集系統(tǒng)的主要構(gòu)成以及實(shí)現(xiàn)方法，最后對(duì)系統(tǒng)性能進(jìn)行了測(cè)試。該電路模塊為子母板結(jié)構(gòu)，通過PCI Extensions for Instrumentation Express(PXIe)機(jī)箱背板總線實(shí)現(xiàn)數(shù)據(jù)的讀出能力。該模塊可支持8個(gè)采集通道的同步采集，每通道采樣率可達(dá)500 MS/s。測(cè)試結(jié)果表明，在其帶寬內(nèi)有效位可接近11 bit(ADC采樣精度為14 bit)，能夠滿足高速高精度的數(shù)據(jù)采集需求。

發(fā)表于：2021/4/15 22:47:51

衛(wèi)星網(wǎng)絡(luò)負(fù)載均衡路由技術(shù)研究綜述[其他][其他]

發(fā)表于：2021/4/15 22:43:59

基于GRU神經(jīng)網(wǎng)絡(luò)的有毒氣體擴(kuò)散預(yù)測(cè)方法[其他][其他]

有毒氣體的擴(kuò)散預(yù)測(cè)在應(yīng)急響應(yīng)中起著重要作用?，F(xiàn)有的計(jì)算流體力學(xué)(CFD)方法存在計(jì)算耗時(shí)長等問題，無法快速進(jìn)行毒害氣體擴(kuò)散預(yù)測(cè)。提出了一種利用深度學(xué)習(xí)技術(shù)進(jìn)行有毒氣體擴(kuò)散預(yù)測(cè)的方法。根據(jù)有毒氣體擴(kuò)散原理，設(shè)計(jì)基于GRU的神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)快速、有效的氣體擴(kuò)散濃度的預(yù)測(cè)。將本文的方法在經(jīng)典的公開數(shù)據(jù)集草原牧場(chǎng)數(shù)據(jù)集上進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明本文方法可實(shí)現(xiàn)較高精度的氣體擴(kuò)散濃度的預(yù)測(cè)，并且優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)模型的方法。

發(fā)表于：2021/4/15 22:36:18

基于高階圖卷積網(wǎng)絡(luò)的城市空氣質(zhì)量推斷模型[其他][其他]

能否精確地預(yù)測(cè)城市區(qū)域空氣質(zhì)量分布，對(duì)于政府環(huán)境治理以及人們?nèi)粘ｎA(yù)防等方面，具有重要的意義。該問題面臨的挑戰(zhàn)是：一是不同區(qū)域的空氣質(zhì)量分布具有時(shí)空交互性；二是空氣質(zhì)量分布受到外部因素的影響。通用化卷積神經(jīng)網(wǎng)絡(luò)以處理任意圖結(jié)構(gòu)數(shù)據(jù)，成為近些年來研究的熱點(diǎn)之一，將城市空氣質(zhì)量預(yù)測(cè)問題可制定為時(shí)空?qǐng)D預(yù)測(cè)問題。基于提出的高階圖卷積網(wǎng)絡(luò)，設(shè)計(jì)了一種有效的空氣質(zhì)量推斷模型。該模型可以捕獲空氣質(zhì)量分布的時(shí)空交互性和提取外部影響因素特征，從而精確預(yù)測(cè)空氣質(zhì)量分布。通過驗(yàn)證現(xiàn)實(shí)北京市空氣質(zhì)量數(shù)據(jù)，結(jié)果表明提出的模型遠(yuǎn)遠(yuǎn)優(yōu)于目前已知的通用方法。

發(fā)表于：2021/4/15 22:31:00

基于卷積LSTM的視頻中Deepfake檢測(cè)方法[其他][其他]

以Deepfake為代表的偽造人臉技術(shù)，使用少量的人臉數(shù)據(jù)就能將視頻中的人臉替換成為目標(biāo)人臉，從而達(dá)到偽造視頻的目的。此類技術(shù)的濫用將帶來惡劣的社會(huì)影響，需要使用檢測(cè)技術(shù)加以制裁。針對(duì)這一問題，已有若干檢測(cè)算法被提出?，F(xiàn)有方法具有一定局限性，單幀檢測(cè)算法忽略了Deepfake動(dòng)態(tài)缺陷；當(dāng)數(shù)據(jù)存在缺陷時(shí)，模型可能會(huì)陷入“學(xué)會(huì)特定臉”的陷阱中。提出了一種對(duì)視頻數(shù)據(jù)中的Deepfake檢測(cè)方法，使用結(jié)合CNN和LSTM的卷積LSTM，判斷視頻真?zhèn)巍Ｌ岢隽艘环N基于人臉特征點(diǎn)的cutout方法，能抑制網(wǎng)絡(luò)學(xué)會(huì)特定臉。實(shí)驗(yàn)表明，在不同場(chǎng)景下，準(zhǔn)確度對(duì)比基準(zhǔn)算法均有提升。

發(fā)表于：2021/4/15 22:25:00

基于KDMSPCS-GRNN的室內(nèi)定位技術(shù)研究[其他][其他]

針對(duì)利用廣義神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network，GRNN)搭建的定位預(yù)測(cè)模型定位精度低、效率慢等問題，基于動(dòng)態(tài)分群策略，提出一種線性遞減粒子群(Linear Decreasing Contraction Particle Swarm Optimization，LDCPSO)和布谷鳥(Cuckoo Search，CS)混合尋優(yōu)算法，并利用此算法為GRNN選擇最優(yōu)參數(shù)，構(gòu)建定位預(yù)測(cè)模型。該算法主要利用K均值聚類算法(K-means)對(duì)整個(gè)種群進(jìn)行周期性的分群，底層使用LDCPSO算法優(yōu)化各個(gè)子群，并將最優(yōu)粒子傳至高層，高層使用CS算法優(yōu)化各個(gè)子群的最優(yōu)粒子，并將最終結(jié)果返回底層，執(zhí)行下一次迭代。實(shí)驗(yàn)過程中，一方面將提出的算法應(yīng)用于多個(gè)測(cè)試函數(shù)，結(jié)果表明該算法具有更好的收斂速度和收斂精度；另一方面利用該算法搭建定位模型，并與其他定位模型對(duì)比，結(jié)果顯示該定位模型具有更好的定位效果。

發(fā)表于：2021/4/15 22:21:00

基于M-DRN多尺度特征提取的入侵檢測(cè)方法[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)基于深度學(xué)習(xí)的入侵檢測(cè)技術(shù)存在準(zhǔn)確率低和模型易過擬合問題，提出一種基于多尺度特征提取優(yōu)化的深度殘差網(wǎng)絡(luò)(Multiscale-Deep Residual Network，M-DRN)模型。該模型在殘差網(wǎng)絡(luò)的殘差塊中引入多尺度特征提取和因子分解的思想，并采用BN算法提升網(wǎng)絡(luò)收斂速度。選用NSL-KDD數(shù)據(jù)集為實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練模型并迭代優(yōu)化網(wǎng)絡(luò)參數(shù)，利用測(cè)試集比較發(fā)現(xiàn)該模型在多個(gè)評(píng)價(jià)指標(biāo)上均有提升。該模型與CNN相比更穩(wěn)定，與ResNet相比分類準(zhǔn)確率提升了3.35%，與RNN-IDS相比訓(xùn)練時(shí)間減少了65.2%。實(shí)驗(yàn)結(jié)果表明，所提出模型具有更好的特征提取能力和更快的收斂速度，不易過擬合。

發(fā)表于：2021/4/15 22:16:08

基于TPCM可信根的可信網(wǎng)絡(luò)連接設(shè)計(jì)與實(shí)現(xiàn)[通信與網(wǎng)絡(luò)][信息安全]

可信連接作為可信計(jì)算理論的重要組成部分，是實(shí)現(xiàn)信任在網(wǎng)絡(luò)上傳遞的核心技術(shù)，在不同的產(chǎn)品和應(yīng)用場(chǎng)景中有不同的實(shí)現(xiàn)方案。設(shè)計(jì)并實(shí)現(xiàn)了一種基于TPCM可信根的可信連接技術(shù)架構(gòu)，通過TPCM在系統(tǒng)運(yùn)行過程中對(duì)系統(tǒng)環(huán)境進(jìn)行主動(dòng)度量，實(shí)現(xiàn)平臺(tái)的基礎(chǔ)可信環(huán)境，并將度量結(jié)果報(bào)告進(jìn)行簽名，標(biāo)識(shí)平臺(tái)當(dāng)前環(huán)境的可信狀態(tài)，由此實(shí)現(xiàn)對(duì)通信雙方身份的識(shí)別和可信驗(yàn)證，減少非法網(wǎng)絡(luò)連接，使整個(gè)系統(tǒng)具備主動(dòng)免疫防御能力，實(shí)現(xiàn)對(duì)未知威脅的有效防護(hù)。

發(fā)表于：2021/4/15 22:09:14

基于長短碼聯(lián)合控制的程序完整性校驗(yàn)方法[其他][其他]

提出了一種基于長短碼聯(lián)合度量的程序完整性校驗(yàn)方法。分析了操作系統(tǒng)文件系統(tǒng)的特點(diǎn)，基于LSM框架設(shè)計(jì)文件監(jiān)控模塊，實(shí)現(xiàn)對(duì)文件完整性實(shí)時(shí)標(biāo)記，可主動(dòng)標(biāo)記識(shí)別被篡改文件；應(yīng)用程序安裝到操作系統(tǒng)時(shí)，會(huì)對(duì)該程序計(jì)算哈希值和設(shè)定短碼標(biāo)記，來初始化白名單數(shù)據(jù)庫完成度量基準(zhǔn)的設(shè)定；應(yīng)用程序執(zhí)行前觸發(fā)校驗(yàn)?zāi)K，先檢測(cè)程序的短碼標(biāo)記，根據(jù)檢測(cè)結(jié)果再?zèng)Q定對(duì)程序的哈希值長碼校驗(yàn)。使用應(yīng)用程序長短碼聯(lián)合度量校驗(yàn)，提高應(yīng)用程序度量校驗(yàn)效率；結(jié)合監(jiān)控模塊對(duì)程序的實(shí)時(shí)監(jiān)控，并針對(duì)不同場(chǎng)景，設(shè)計(jì)了應(yīng)用程序的標(biāo)記在多種類別之間的轉(zhuǎn)換規(guī)則，保證快速精細(xì)地獲取程序完整的狀況。整套方案實(shí)現(xiàn)了對(duì)應(yīng)用程序?qū)崟r(shí)高效的控制。

發(fā)表于：2021/4/15 22:00:52