公安信息系统安全审计技术现状和问题

自《关于加快推进公安信息系统应用日志安全审计工作的通知》(公传发〔2013〕516号)下发以来,公安业务系统的安全审计工作有了很大的进展,但在落地的过程中,也出现了一些现象值得去研究和讨论。文章在安全审计发展现状的基础上,论述了存在的问题,并针对关键问题给出具体的技术实现思路以及实现方案。     

盐酸伊达比星杂质A的合成工艺优化及其高效液相分析

通过对盐酸伊达比星脱羟基杂质A的合成研究，为盐酸伊达比星的质控标准提供参考。以盐酸伊达比星为起始原料，经过4步反应得到脱羟基杂质A。本文提供了盐酸伊达比星杂质A的制备方法以及高效液相色谱分析方法，为杂质含量控制提供了依据。该工艺可以稳定、快速制备高纯度脱羟基杂质A，制备总收率为57.20%，纯度为57.20%，其结构经¹H NMR， ¹³C NMR和MS(ESI)表征。     

基于FPGA的I2S转AES/EBU音频转换系统的设计

为给数字广播电视设备提供附加有音频状态信息的AES/EBU数字音频接口，研究一种采用FPGA将I2S音频数据 转换为AES/EBU音频格式的实现方法，该实现方法中采用硬件描述语言Verilog HDL 获取音频数据和音频状态信息,并根据设定的计数单元重组成AES/EBU数字音频格式,最终经过BPM编码输出传输线型格式数据,系统设计通过逻辑功能仿真和硬件测试,输出信号均符合标准规定。     

一种基于untiy 3D的裸眼立体游戏开发方法

随着经济的发展,精神生活和物质生活的提高,人们对视觉影像要求越来越高。在电影和电视产业中应运而生诞生了立体成像技术。目前立体成像技术主要以佩戴眼镜等设备为主,其弊端在于会给佩戴者带来不舒适的感觉。为了解决佩戴眼镜所带了的一些列问题,诞生了裸眼3D技术。本文通过使用untiy3D建立游戏模型,在游戏中设立虚拟摄像机制作多视点游戏画面,再通过裸眼3D显示器显示出8视点裸眼3D画面。通过这个方法可以实现动漫游戏的裸眼3D立体显示效果。     

Modeling Impact of ROADM Intra-Node Add/Drop Contention on a Single Node Lightpath Blocking Performance

We propose an analytical model to evaluate the lightpath blocking performance for a single ROADM node with intra-node add/drop contention,in which the number of lightpaths that can be added/dropped with the same wavelength is limited by the add/drop contention factor.Different models of traffic load per nodal degree are considered to validate the effectiveness of the analytical model.The simulation results show that the proposed analytical model is effective in predicting the performance for different values of add/drop contention factor C and for variable offered loads at the node.The add/drop contention factor shows an important impact on the lightpath blocking performance and properly raising the contention factor can significantly improve the lightpath blocking performance.When the add/drop contention factor C exceeds a certain level,the performance of a ROADM with intra-node contention is close to that of a contentionless ROADM.     

PCB废水总氮处理达标的工艺探讨

对PCB废水总氮的处理,从源头削减、分质收集、分质预处理到末端处理提出了多种方法,着重分析了MAP+管式微滤膜处理氨氮废水、多级组合式RO处理硝态氮废水和A2O+MBR处理综合废水,提出PCB废水总氮达标的组合工艺,项目建成后达到预期效果。     

基于深度学习的ELM实时识别研究

基于深度学习的方法，在HL-2A装置上开发出了一套边缘局域模(ELM)实时识别算法。算法使用5200次放电数据(约24.19万数据切片)进行学习，得到一个深度为22层的卷积神经网络。为衡量算法的识别能力，识别了HL-2A装置自2009年实现稳定ELMy H模放电以来所有历史数据(约26000次放电数据)，共识别出1665次H模放电，其中误识别35次，误报率为2.10%。在实际的1634次H模放电中，漏识别4次，漏识别率为0.24%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点的平均计算时间为0.46ms，可以满足实时控制的计算速度要求。