基于EA／QFT的飞行控制律设计及其稳定性评估

提出特征结构配置和定量反馈理论相结合的鲁俸控制设计方法,并应用该方法对某型飞机横侧向进行控制律设计,然后通过μ分忻对控制律进行稳定性评估。仿真结果表明：该方法使某飞机不仅具有良好解耦效果和动态响应,而且具有较强的鲁棒性。     

鲁棒的混合域音频信息隐藏算法

提出了一种基于离散小波变换(DWT)和离散余弦变换(DCT)的音频信息隐藏算法。对载体音频整体进行小波分解,将其划分成若干频带,然后根据人耳听觉的频率掩蔽效应,选择对人耳听觉不敏感的频带所对应的小波系数,将小波系数分段进行离散余弦变换,将水印嵌入到DCT直流系数上。实验表明,嵌入水印后的音频文件不仅具有良好的不可感知性,而且对诸如噪声、低通滤波、重采样、回声和Mp3压缩等的攻击具有很强的鲁棒性,并能抵抗一定程度的样点裁剪攻击,算法的鲁棒性和不可感知性达到了很好的平衡。     

基于矢量量化的数字图像水印技术研究

基于矢量量化的数字水印是数字水印技术一个新的研究领域。主要研究基于矢量量化的数字图像水印技术的原理和性能。在简要介绍水印技术和矢量量化技术后阐述了基于矢量量化的数字水印算法的基本原理。通过分析几种典型的矢量量化水印算法,总结出基于矢量量化水印算法的特点是其在嵌入容量和算法易行性方面有绝对优势,并且对于VQ压缩攻击有很好的鲁棒性,但水印图像的质量对于版权保护来说还有待提高。指出进一步研究的方向是结合DCT、DWT、HVS来改善。     

鲁棒的逆Nyquist阵列(RINA)设计方法

通过大量的数值计算和回归分析找出了矩阵的对角优势度与特征值摄动量的关系,进而 提出一种鲁棒的逆Nyquist阵列(RINA)设计方法,该方法既保持了INA方法的优点,又 使控制系统具有希望的鲁棒性.并针对伪对角化方法存在的不足之处提出一种"双环优势化" 方法.此外,也澄清了Doyle和Steln关于INA方法缺乏鲁棒性的提法.     

Hyperelastic,Robust, Fire-Safe Multifunctional MXene Aerogels with Unprecedented Electromagnetic Interference Shielding Efficiency

MXene aerogels have shown great potential for many important functional applications, in particular electromagnetic interference (EMI) shielding. However, it has been a grand challenge to create mechanically hyperelastic, air-stable, and durable MXene aerogels for enabling effective EMI protection at low concentrations due to the difficulties in achieving tailorable porous structures, excellent mechanical elasticity, and desired antioxidation capabilities of MXene in air. Here, a facile strategy for fabricating MXene composite aerogels by co-assembling MXene and cellulose nanofibers during freeze-drying followed by surface encapsulation with fire-retardant thermoplastic polyurethane (TPU) is reported. Because of the maximum utilization of pore structures of MXene, and conductive loss enhanced by multiple internal reflections, as-prepared aerogel with 3.14 wt% of MXene exhibits an exceptionally high EMI shielding effectiveness of 93.5 dB, and an ultra-high MXene utilization efficiency of 2977.71 dB g g⁻¹, tripling the values in previous works. Owing to the presence of multiple hydrogen bonding and the TPU elastomer, the aerogel exhibits a hyperelastic feature with additional strength, excellent stability, superior durability, and high fire safety. This study provides a facile strategy for creating multifunctional aerogels with great potential for applications in EMI protection, wearable devices, thermal management, pressure sensing, and intelligent fire monitoring.     

一种加密域鲁棒图像哈希算法

随着云计算的发展,越来越多的多媒体数据存储在云端,出于安全需要,往往需要对其加密后再上传至云端进行存储或运算等操作.针对加密图像,在不具备图像明文内容的情况下,为了认证图像内容的完整性和真实性,提出了一种基于Paillier同态加密的鲁棒图像哈希算法.该算法主要由3个部分构成:图像所有者端图像加密,云服务器端密文图像哈希计算以及接收者端明文图像哈希生成.具体地,图像所有者对图像进行Paillier加密,并将加密图像上传至云服务器,由云服务器利用Paillier密码系统的运算法则执行加密域DCT与Watson人眼视觉特征等的计算,并利用密钥控制的伪随机矩阵增加哈希的随机性,接收者解密并分析接收到的密文哈希,生成明文图像哈希.实验结果表明,所提算法在鲁棒性、唯一性和安全性上具有较理想的性能.     

面向恶意PDF文档分类的对抗样本生成方法研究

通过恶意文档来传播恶意软件在现代互联网中是非常普遍的,这也是众多机构面临的最高风险之一。PDF文档是全世界应用最广泛的文档类型,因此由其引发的攻击数不胜数。使用机器学习方法对恶意文档进行检测是流行且有效的途径,在面对攻击者精心设计的样本时,机器学习分类器的鲁棒性有可能暴露一定的问题。在计算机视觉领域中,对抗性学习已经在许多场景下被证明是一种有效的提升分类器鲁棒性的方法。对于恶意文档检测而言,我们仍然缺少一种用于针对各种攻击场景生成对抗样本的综合性方法。在本文中,我们介绍了PDF文件格式的基础知识,以及有效的恶意PDF文档检测器和对抗样本生成技术。我们提出了一种恶意文档检测领域的对抗性学习模型来生成对抗样本,并使用生成的对抗样本研究了多检测器假设场景的检测效果(及逃避有效性)。该模型的关键操作为关联特征提取和特征修改,其中关联特征提取用于找到不同特征空间之间的关联,特征修改用于维持样本的稳定性。最后攻击算法利用基于动量迭代梯度的思想来提高生成对抗样本的成功率和效率。我们结合一些具有信服力的数据集,严格设置了实验环境和指标,之后进行了对抗样本攻击和鲁棒性提升测试。实验结果证明,该模型可以保持较高的对抗样本生成率和攻击成功率。此外,该模型可以应用于其他恶意软件检测器,并有助于检测器鲁棒性的优化。     

考虑样本不平衡的电力系统鲁棒暂态稳定评估

由于实际电力系统中暂态失稳样本稀少,基于数据驱动的暂态稳定评估方法面临训练样本类别分布失衡问题,严重影响暂态稳定评估结果的可靠性。针对此问题,提出了一种基于MAHAKIL过采样和BCLM的鲁棒暂态稳定评估方法。首先,通过MAHAKIL过采样改善原始样本集的类别分布;然后,基于BCLM构建电力系统鲁棒暂态稳定评估模型。在新英格兰10机39节点系统上的测试结果表明,所提方法能够显著降低原始样本类别失衡的影响,并对数据缺失和数据噪声具有较强鲁棒性。     

面向负载均衡的高铁路网列车开行方案优化方法

针对当前高速铁路运营过程中存在的运输需求与运力资源不匹配现象,面向负载均衡原理研究了路网条件下运能可适配的高速铁路旅客列车开行方案优化与评估方法.首先,针对路网条件下列车开行方案优化,构建以提升经济效益、社会效益和网络负载均衡为目标的非线性混合整数规划模型,并设计基于遗传算法和粒子群算法的两阶段混合搜索求解算法.在此基础上,考虑开行列车在高速铁路网中的抗干扰能力,建立了面向网络化运营场景的开行方案综合评估指标体系,揭示了故障场景下高速铁路网络性能的演化规律.最后,以实际高速铁路线路数据和运营数据为场景进行仿真实验,本文提出方法在保证运输需求和路局收益的同时能够有效地提升8.66%网络整体负载均衡性,增强发生故障时网络的抗干扰能力.     

基于长短期记忆网络的UKF动态谐波状态估计

传统动态谐波状态估计的卡尔曼滤波预测步通常以单位阵构建状态空间模型,同时将系统噪声协方差矩阵假设为常数阵,从而导致动态估计预测精度降低,影响动态状态估计模型的滤波性能。为了准确建立谐波状态的空间模型,提出一种基于长短期记忆网络(Long Short-Term Memory, LSTM)的时序预测方法。通过大量历史数据离线训练模拟复杂的状态转移过程,基于历史时刻的滤波估计值预测当前时刻的谐波状态量,有效提高无迹卡尔曼滤波(Unscented Kalman Filter, UKF)中预测模型精度。在改进IEEE34节点三相不平衡系统上进行了测试分析。与传统算法进行对比,结果证明所提出的方法在谐波状态估计精度和鲁棒性方面均表现更好。