网络安全态势感知分析框架与实现方法比较

信息技术已经深入到全社会政治、经济、文化的方方面面,信息革命改变了全世界的沟通方式,促使人类社会有了巨大的发展,也使网络安全问题受到了前所未有的关注.针对网络安全问题的研究主要经历了理想化设计保证安全、辅助检测被动防御、主动分析制定策略、全面感知预测趋势4个主要阶段,在各国都在争夺数字控制权的新战略制高点背景下,针对网络安全态势感知的探讨无论是在学术研究上还是在产业化实现上都呈现出了全新的特点.本文对网络安全态势感知进行了尽可能详尽的文献调研,首先介绍了国内外研究现状及网络安全态势感知与传统态势感知之间的区别与联系;然后从数据价值链角度提出了网络安全态势感知的逻辑分析框架,将整个过程分解为要素采集、模型表示、度量确立、求解分析和态势预测五个连续的处理阶段,随后对每个阶段的作用,主流的方法进行了阐述,并对在实验对象上的应用结果以及方法间的横向比较进行了说明.本文意图对网络安全态势感知提供全景知识,为网络安全的产业化方案提供辅助思想,希望能够对此领域的科研和工程人员起到参考作用.     

基于激光雷达的室内玻璃三维重建算法

针对激光雷达在室内地图重建过程中,扫描不到透明玻璃的问题,文章提出了一种玻璃检测三维重建算法,实现了三维地图中玻璃的重建。该方法将三维激光雷达扫描的点云经过点云滤波、分割、聚类以及运动匹配,提取出感兴趣的透明玻璃上的点云,从而识别出室内场景中的透明玻璃。实验结果显示,该算法能有效地使用激光雷达数据检测玻璃并进行三维地图重建。     

基于深度帧差卷积神经网络的运动目标检测方法研究

复杂场景中的运动目标检测是计算机视觉领域的重要问题,其检测准确度仍然是一大挑战.本文提出并设计了一种用于复杂场景中运动目标检测的深度帧差卷积神经网络（Deep Difference Convolutional Neural Network,DFDCNN）.DFDCNN由DifferenceNet和AppearanceNet组成,不需要后处理就可以预测分割前景像素.DifferenceNet具有孪生Encoder-Decoder结构,用于学习两个连续帧之间的变化,从输入（t帧和t+1帧）中获取时序信息;AppearanceNet用于从输入（t帧）中提取空间信息,并与时序信息融合;同时,通过多尺度特征图融合和逐步上采样来保留多尺度空间信息,以提高网络对小目标的敏感性.在公开标准数据集CDnet2014和I2R上的实验结果表明：DFDCNN不仅在动态背景、光照变化和阴影存在的复杂场景中具有更好的检测性能,而且在小目标存在的场景中也具有较好的检测效果.     

检测技术在自动化机械制造系统中的应用研究

检测技术在自动化机械制造系统中的应用,就是利用科学的、物理化学效应中各种能够对产品相关信息进行检查、验证、测量,并给予定性、判断的技术手段,它的最终定量对产品质量的好坏、产品的精密度有着重要的指导作用和影响,从而影响企业的长远发展。     

二维光码分多址的地址码及干扰估计接收机

阐述了自相关旁瓣为0，互相关值小于等于1的二维光正交码(2D-OOC)的新构造方法及非同步频域跳频时域扩频二维光码分多址(2D-OCDMA)系统中的干扰估计接收机模型。二维光正交码的新构造方法以两个单极性码分别作为频域跳频模式和时域扩频模式。用作频域跳频模式的地址码是自相关旁瓣及互相关值小于等于1的一维光正交码(1D-OOC)，用作时域扩频模式的地址码其码长为素数或码长与码中任意两个非零码元的位置差值互质。将一个没有分配给任何用户并且和接收用户地址码正交的地址码用作干扰估计码来得到多用户干扰(MUI)估计值，从而得到最佳的判决门限。系统误码率(BER)的分析显示干扰估计接收机系统的性能要优于传统的接收机系统。     

基于信号子空间处理的和/差波束干涉SAR/GMTI技术研究

该文研究了和/差波束干涉SAR/GMTI技术在通道不平衡条件下地杂波对消问题.文中阐述了和/差波束干涉SAR/GMTI的原理,推导了理想条件下地杂波空域对消因子.实际系统中,由于存在通道幅相不一致等误差,直接空域对消并不能有效抑制地杂波.该文研究了基于信号子空间处理的和/差波束干涉SAR/GMTI方案,通过二维信号子空间处理自适应地校正通道误差,进而对地杂波进行空域对消.仿真实验表明该方案对系统误差的敏感度显著下降,具有很好的鲁棒性,更适合于工程实施.     

牙髓微弱荧光信号检测与采集研究

为了检测牙髓活力状况,将激光诱导荧光技术应用于牙髓活力检测中,基于牙髓荧光反射光纤输出微弱信号基础上,利用光电倍增管作为荧光信号检测的探测器,设计与分析微弱荧光信号的检测电路;利用单片机与12位A／D转换器为数据采集核心,设计单片机采集荧光信号的电路,并通过单片机通讯接口,结合计算机数据采集系统,完成牙髓荧光数据处理与显示。     

基于层级实时记忆算法的时间序列异常检测算法

时间序列异常检测是数据分析中一个重要的研究领域.传统的时间序列的异常检测方法主要通过比较检测数据和历史数据的差异程度,以判断被检测数据是否为奇异点（Surprise）、离群（Outlier）点等.然而序列和窗口的划分,状态的划分或者异常的定义和判定等问题,使得这类方法存在一定的局限性.本文针对传统时间序列检测算法不足,提出一种基于层级实时记忆算法的时间序列异常检测算法.该方法对时间序列内在模式关系进行学习,建立预测模型,通过比较预测值和真实值的偏离程度来判断数据是否异常.首先使用稀疏离散表征在保证保留数据相关性的同时又将数据离散化;然后输入到模型网络,预测下一时刻的数据值;最终根据预测值和真实值的差异为数据异常程度进行定量评分.在人造数据和真实数据上的实验表明,该方法能够准确、快速地发掘时间序列中的异常.     

基于STM32的车辆远程预警系统设计

随着社会的发展,汽车在人们生活中的作用日趋重要,研究出有效的车辆预警系统尤为重要.本系统以STM32F103RBT6为核心控制器,通过多种传感器对车内环境的温度、二氧化碳浓度等参数实时监测分析,控制器与汽车各部件连接,可通过手机发送命令调节车内环境.同时,采集汽车加速度信息至中控装置,分析并处理实现自动报警.本系统设计过程中重点考虑到节能性、低成本,便于维护与扩展等性能参数,可容易地运用到实际应用中.     

分组空时块码系统中的排序最大信噪比检测算法

提出并比较了应用于分组空时块码（G—STBC）系统中两种不同信道模型的排序最大信噪比（MaxSNR）检测算法。该系统在发端对发射天线分组，每组进行独立的空时块码编码；在收端应用排序最大信噪比算法进行检测。由于空时块码提供了额外的时域约束，所以可以利用这个约束对信道模型进行变换，得到一个等效信道模型，然后再使用排序MaxSNR检测；当然也可以直接利用原有的信道模型，即非等效信道模型进行检测。仿真结果表明：当接收天线数不少于发射天线数的一半时，采用等效信道模型下的排序MaxSNR算法，系统的误码曲线就能保持陡降性；并且在收发天线数相同时，其性能总是优于非等效信道模型。