面向窄节距倒装互连的预成型底部填充技术

近年来随着电子产品的小型化发展,窄节距倒装芯片互连已经成为研究热点。传统的倒装芯片组装后底部填充技术(例如底部毛细填充)在用于窄节距互连时易产生孔洞,导致可靠性降低,因此产业界开发了面向窄节距倒装芯片互连的预成型底部填充技术,主要包括非流动底部填充和圆片级底部填充。介绍了这类新型底部填充技术的具体工艺及材料需求,并提出了目前其在大规模量产以及未来更窄节距应用中存在的问题及挑战,总结了目前产业界在提高量产生产效率、提升电互连的可靠性以及开发纳米级高热导率填料等方面提出的解决方案,分析了该技术未来的发展方向。     

多品类生活垃圾收运的车辆路径优化问题研究

近年来随着中国逐步制定并开展垃圾分类的政策法规,多品类生活垃圾分类收运问题就逐步凸显出来。国内使用多车舱车辆收运多品类生活垃圾的研究还较少,针对这一需求,本文基于生活垃圾分类利用多车舱垃圾收运车辆同时收运多品类生活垃圾的收运问题,以降低城市生活垃圾收运成本为目标,构建考虑车辆收运成本的多品类垃圾收运车辆的路径优化模型,并进行仿真实验,用蚁群算法对算例进行求解,验证了算法模型的良好寻优效果,为新式垃圾车辆的投产使用提供参考。     

分布定位式光纤振动传感系统的事件识别

本文提出了一种对分布式光纤声传感器的入侵事件分类方法.该方式采用小波包去噪方式对原始信号进行去噪;将去噪后的原始信号进行小波变换,得到原始信号的小波时频图;构建双输入型的卷积神经网络,将滤波后的原始一维信号直接输入到一个三层的1-D CNN中、滤波后得到的二维小波时频图直接输入到一个两层的2-D CNN中;将两种CNN输出的特征输入到支持向量机(SVM),使用SVM对事件进行分类.本文中主要识别3种振动事件:汽车通过、挖掘机挖掘和破路机工作.实验结果表明,所提方式对实际环境中3种振动事件的识别准确率平均可以达到96％,并且识别时间仅为0.61 s.     

基于深度学习的三叉神经区域自动检测及TensorRT加速

利用深度学习技术对颅脑核磁共振图像(MRI)中三叉神经区域进行自动检测可为后续三叉神经分割提供可靠的输入图像,有效解决了人工筛选三叉神经对临床医生专业素养要求高、耗时长等弊端。采用YOLO网络自动检测颅脑核磁共振图像中三叉神经区域提高推理速度,并系统性地评估NVIDIA TensorRT框架在不同计算平台下的推理性能。实验结果表明,通过YOLO目标检测网络能够准确检测出三叉神经所在的区域,同时在NVIDIA TensorRT框架下,当输入的颅脑MRI分辨率为(204×204)时,CPU平台、嵌入式GPU平台、桌面GPU平台及专业GPU计算卡平台下,YOLOv2网络检测优化后的三叉神经目标的每秒帧率分别可达到0.1 FPS,23.4 FPS,112.5FPS和793.7 FPS,这为后续开发便携式的三叉神经分割设备提供了可参考的重要依据。     

基于NOMA的全双工多层异构网下行链路覆盖分析

针对异构网（Heterogeneous Network,HetNet）无线回程,现有研究主要集中于提升网络吞吐量,而对回程覆盖性能研究较少.由此,本文构造了一种在小小区基站（Small cell Base Station,SBS）上结合全双工（Full-Duplex,FD）和非正交多址接入（Non-Orthogonal Multiple Access,NOMA）技术的大规模多输入多输出（Multiple Input Multiple Output,MIMO）辅助多层HetNet模型.利用信干比（Signal-to-Interference Ratio,SIR）来模拟有源SBS的分布,得出不同类型接收端的干扰;然后推导了移动用户（Mobile User,MU）下行链路覆盖概率闭合表达式.仿真和数值结果表明,SBS下行链路覆盖概率会随着小小区下行链路功率共享系数的增加而减小;此外,通过对比NOMA和正交多址接入（Orthogonal Multiple Access,OMA）以及FD和半双工（Half-Duplex,HD）对下行链路覆盖性能的影响,本文提出的方案能显著提升网络性能.     

基于可提取哈希证明系统的多策略加密方案

哈希证明系统由Cramer-Shoup在2002年首次提出,到目前为止仍是密码工作者的研究热点之一.进而,Wee在2010年提出可提取哈希证明系统的概念,其可用来构造基于查找性困难假设的公钥加密方案.本文在可提取哈希证明系统之上,通过重新定义系统参数的意义,扩大了可提取哈希证明系统的密码学应用范围.我们利用可提取哈希证明系统的框架构造了一个基本的基于Diffie-Hellman关系的All-But-One可提取哈希证明系统.在此基础上细粒度了辅助输入,引入权重计算,给出了一个基于标签和可变策略的CCA加密方案,并进行了详细的安全性证明.特别的,该方案比可提取具有更丰富的抽象表达,即是All-But-N的,也即在提取模式中由标签决定的分支数量可以有n个.同时,该方案是基于困难性可搜索问题,本质上是基于计算性的Diffie-Hellman问题.     

面向高效加密云数据排序搜索的类别分组索引方法

针对现有可搜索加密领域所遇到的加密密钥维度高、更新不灵活和搜索速度慢等问题,我们提出了一种新型类别分组索引方法——CGIM.新方法将数据分类后,按类提取关键词建立分组索引,并采用分组加密方式实现以若干低维加密密钥代替高维加密密钥以缩短索引和查询请求的加密时间.此外,分组索引方法的每个组向量对应不同的类别,这样不仅可以实现分类更新以改善更新文档的灵活性,而且能够在检索过程中生成针对性陷门,从而进一步提高搜索的速度和效率.理论和实验分析表明,该方法是可行且有效的.     

非视距环境下基于RSS-TOA的定位算法

在无线传感器网络定位系统中,尤其是在室内定位中,非视距（NLOS）误差的存在使定位性能急剧下降。为克服非视距传播带来的定位误差,提出了一种针对非视距环境下联合接收信号强度（RSS）和到达时间（TOA）的定位算法。该方法首先通过 RSS和 TOA的测量结果建立关于目标位置的非凸优化问题,然后通过二阶锥松弛理论,将原始的非凸优化问题转换为一种凸优化问题,由此能够快速得到原问题的一个次优解。通过计算机模拟仿真验证,新方法的估计精度更高,性能更好。     

基于HBT干涉定位的八元L型阵列拓扑优化

Hanbury Brown-Twiss (HBT)干涉在光学测量中具有超灵敏的性能,声波与光波具有相同特性,该原理在声学定位中亦有较好的定位性能。针对定位阵列拓扑结构中存在冗余阵元,该文对基于声场HBT干涉定位法的传感阵列拓扑结构进行了研究,优化阵元个数的同时不影响其定位精度。通过对八元L型阵列拓扑结构进行编码,并对所有可能出现的拓扑结构进行定位仿真,得到4组四元拓扑结构的定位误差小于八元L型阵列的定位误差。最后,通过实验对优化所得的四元阵列拓扑结构进行验证。实验结果表明,四元拓扑结构00101011的定位性能最好,误差为1.26%,与八元L型阵列定位效果一致,该实验验证了该文阵列拓扑优化的可行性和有效性。     

智能雷达的内涵与外延辨析

从分析智能以及人工智能的内涵和特征入手,探讨了新一代人工智能技术的发展及其军事应用,基于仿生学的观点提出了智能雷达的概念定义,初步梳理了智能雷达的技术体系和分级分类标准;对比分析了智能雷达与认知雷达、软件化雷达、无人值守雷达的主要特点,分别辨析了相应的区别和联系。文中是对智能雷达内涵和外延开展的系统性研究,对于把握智能雷达的本质、明确研究重点、制定发展路线具有先导意义。