网络环境下构建档案信息安全体系的思考

通过对档案信息安全存在问题的分析,从管理和网络安全应用技术方面论述了在网络环境下构建档案信息安全体系的对策。由此可见,档案信息安全的维护任重而道远,只有积极采取措施来预防有可能发生的各种因素,才能使档案信息更好地为社会服务。     

基于嵌入式硬件平台的划片机视觉系统设计

结合划片机视觉的工艺要求,设计了基于外部设备互连PCI总线嵌入式视觉系统,选用S3C2510+ARMLINUX嵌入式软硬件架构,通过S3C2510内置PCI控制器控制PCI总线接口与图像采集模块连接,获取实时图像。介绍了系统的硬件构成、Boot Loader的移植、PCI设备驱动程序的编写方法,以及获取视频数据的上层软件构成。     

基于P89LPC922的Mifare卡预付费智能水表的设计与实现

介绍了一种低功耗智能水表的设计方案。该水表以Philips公司的低功耗单片机P89LPC922为控制芯片,配有电源电路、阀门驱动电路、计量电路、Mifare卡的读写电路、液晶显示等部分。根据该方案设计的水表已投入市场。     

基于USB的智能数据采集处理系统

给出了基于USB的智能数据采集处理系统的设计及实现.硬件电路设计中,下位机选用通用8位51内核MCU AT89C52.USB接口芯片采用Philips公司推出的PDIUSBDl2.本设计软件包括3部分:固件程序、驱动程序及用户应用程序.固件程序用Keil uVision2开发,采用Windriver开发USB驱动,并用Visual C 6.0对主机软件中硬件接口操作部分进行动态链接库封装.     

EMD与神经网络在气液两相流流型识别中的应用

本文提出了EMD与Elman神经网络相结合的气液两相流流型识别的新方法.将压差波动信号经验模态分解(EMD)后的固有模态函数(IMF)进行分析、提取IMF能量作为Elman神经网络的输入特征向量,对水平管内的气液两相流流型进行识别.实验结果表明:该方法优于BP网络且稳定、识别率高,具有可行性.     

水合作用与 pH 调控两性离子聚合物刷的相变行为

本文基于Flory-Huggins理论,建立理论模型研究水合作用与pH调控两性离子聚合物(ZP)刷的相变行为.理论模型考虑ZP的水合作用,以及ZP刷体系中的静电作用.研究发现,在不同pH条件下,ZP刷的体积分数随着水合作的减弱而的增加.随着pH的变化,ZP刷构象随着水合性转变行为明显改变,这是由于pH调控ZP链单体带有过多的净电荷(正电荷或负电荷),致使ZP链内出现静电排斥导致ZP刷溶胀.另外,当ZP链单体呈现过多的净电荷,会在很大程度上决定ZP刷体系静电势,影响ZP刷的相变行为.通过考察体系自由能,我们还发现,ZP刷体系自由能呈现了极大值,随着pH值的变化,自由能呈现的极大值随之改变,由此表明了体系的不稳定性,进而导致ZP刷体系发生相变.     

机器学习在信道建模中的应用综述

信道建模是设计无线通信系统的基础,传统的信道建模方法无法自动学习特定类型信道的规律,特别是在针对特殊应用场景,如物联网、毫米波通信、车联网等,存在一定的局限性.此外,机器学习具有有效处理大数据、创建模型的能力,基于此,探讨了机器学习如何与信道建模进行有机融合,分别从信道多径分簇、参数估计、模型的构造及信道的场景识别展开...     

H2S、HCN、PH3在FeO（100）表面吸附的密度泛函理论研究

基于密度泛函理论研究了H2S、HCN、PH3 在FeO(100)表面的吸附行为,其吸附位点主要考虑四个：Fe-top(铁顶位)、O-top(氧顶位)、Hollow(空位)、Bridge(桥位)。结果表明H2S吸附在O-top吸附位点的吸附能最小,为-1.02ev,即在该位点的吸附体系最稳定。当HCN吸附在FeO(100)表面时,各吸附位点的稳定顺序为Hollow>Fe-top>Bridge>O-top。PH3 的最稳定的吸附位点与H2S的一致,为O-top吸附位点,其吸附能为-1.11ev。当H2S吸附在O-top吸附位点时,H2S与FeO（100）表面的电荷转移量最多,说明该吸附构型最稳定,而HCN吸附在FeO(100)表面,在Hollow吸附位点的电荷转移量最多,也即该吸附位点属于最稳定吸附位点。PH3与FeO（100）表面之间的电荷转移量最多的吸附位点与H2S的相同。当H2S和PH3吸附在O-top吸附位点时,吸附后的态密度曲线整体向低能级移动,峰值降低,其吸附结构变得更加稳定。而HCN吸附在Hollow位点时,吸附后的HCN态密度曲线向能量更低的区域移动,吸附体系变得更稳定。     

地市级地面数字电视发射机常见故障分析

随着中国加快推进地面数字电视（DTMB）无线覆盖工程的建设,提高技术人员对地面数字电视发射系统设备的维护维修水平、故障判断排除能力刻不容缓。本文结合由包头市微波总站建设的市级地面数字电视单频网项目,对其运行中常见的发射机故障进行了分析和总结。     

Speaker Recognition Using Constrained Convolutional Neural Networks in Emotional Speech

Speaker recognition is an important classification task, which can be solved using several approaches. Although building a speaker recognition model on a closed set of speakers under neutral speaking conditions is a well-researched task and there are solutions that provide excellent performance, the classification accuracy of developed models significantly decreases when applying them to emotional speech or in the presence of interference. Furthermore, deep models may require a large number of parameters, so constrained solutions are desirable in order to implement them on edge devices in the Internet of Things systems for real-time detection. The aim of this paper is to propose a simple and constrained convolutional neural network for speaker recognition tasks and to examine its robustness for recognition in emotional speech conditions. We examine three quantization methods for developing a constrained network: floating-point eight format, ternary scalar quantization, and binary scalar quantization. The results are demonstrated on the recently recorded SEAC dataset.