车载自组织网络中一种有效的匿名认证方法

针对现有车载自组织网络（Vehicular Ad-hoc Network,VANET）匿名认证方案在网络规模较大时存在复杂性和执行效率方面的问题,提出了一种基于盲签名和组合公钥（Combined Public Key,CPK）算法的认证方案,并对该方案所包含的认证协议进行了详细描述。安全性和执行效率分析表明,与现有方案相比提出的匿名认证方案在保证用户匿名性的同时还具有较高的执行效率。     

TOPCo n电池低压硼扩散设备的发展趋势分析

随着太阳能光伏发电对晶体硅电池高转化效率需求的不断增加，对晶体硅电池技术关键设备投资性价比和发电性能的要求更高。对晶硅电池发展工艺技术进行了阐述，分析讨论了国内外隧穿氧化层钝化接触电池（简称“TOPCon”）低压硼扩散炉的发展现状，探讨了硼扩散设备技术难点和未来研究方向。     

边界注意力辅助的动态图卷积视网膜血管分割

针对视网膜血管分割任务中存在的毛细血管分割遗漏和断连的问题，从最大限度地利用视网膜血管的特征信息的角度出发，添补视网膜血管的全局结构信息和边界信息，在U型网络的基础上，提出边界注意力辅助的动态图卷积视网膜血管分割网络。本模型先将动态图卷积嵌入到U型网络中形成多尺度结构，提升模型获取全局结构信息的能力，以提高分割质量，再利用边界注意力网络辅助模型，增加模型对边界信息的关注度，进一步提高分割性能。将模型在DRIVE、CHASEDB1和STARE三个视网膜图像数据集上进行实验，均取得了较好的分割效果。实验结果证明，该模型能较好地区分噪声和毛细血管，分割出结构较完整的视网膜血管，具有泛化性和鲁棒性。     

基于布里渊增益-损耗效应的编码DPP-BOTDA传感器

受光纤中声学声子10 ns的寿命的影响，传统布里渊光时域分析（BOTDA）传感器往往不能做到1 m以内的空间分辨率。利用差分脉冲对（DPP）技术可以突破该限制，实现更高的空间分辨率。但是传统的DPP技术存在测量时间长、差分信号间同步难度高和信噪比低等问题。本文提出一种基于布里渊增益-损耗效应的编码DPP-BOTDA系统，通过将处于斯托克斯频率和反斯托克斯频率的泵浦脉冲光同步注入光纤，利用散射光的布里渊增益-损耗效应在光路上差分，解决了信号间的同步问题，并且测量时间只需要传统DPP技术的一半。还分析了传感系统中掺铒光纤放大器增益特性对脉冲序列解码结果的影响，对增益不均匀条件下的编码增益进行了理论计算。实验结果表明，该系统可以实现50 cm的空间分辨率，与传统的单脉冲DPP-BOTDA系统相比，信噪比提高了3 dB。     

智慧城市–环境噪声控制的全球趋势

众所周知，过量的环境噪声会令人失眠、焦虑、或引发心脏病等。根据世界卫生组织报告，全球各国都有一定数量的人已达至这水平，很多人是受环境噪声的影响。当大家在追求提高经济效益及生活质素的同时，各国为了建立智慧城市，有着不同的思维和构思去改善环境噪声，其中利用轨道交通工具作集体运输被各国视为一石二鸟的聪明出行方法。文章旨在分享全球在这方面的现状和趋势。     

智能网联汽车5G行业专网联合技术创新示范验证

<正>1目标和概述1.1方案背景“新基建”政策的提出,催化了中国经济发展,带动了产业革命。车联网作为新基建重要方向之一,目前已成为国家战略,政策持续加码,相关的国家级指导建议明确表示要促进“5G+车联网”协同发展。     

我国保障性租赁住房绿色低碳发展现状及建议

推动保障性租赁住房绿色低碳发展，可在有效解决新市民、青年人等群体住房困难的同时，提升居住生活体验，并有效降低项目建设和运营阶段的碳排放水平。文章首先指出推动保障性租赁住房绿色低碳发展的重要意义；然后对我国保障性住房绿色低碳发展现状进行分析，并针对保障性租赁住房特点，指出开展相关实践所面临的挑战。在此基础上，从标准体系、推动机制、建造方式、运营模式和科技赋能等方面提出意见建议，为相关工作开展提供借鉴参考。     

基于云计算平台的运维监控系统数据检测算法研究

为了提高云计算平台下运维监控系统的数据检测效率，提出一种新的用于云计算平台下运维监控系统的数据检测算法。从平台数据多元化的特征出发，建立运维监控系统的整体框架，将同等数值的样本隶属度带入到正常和邻近样本数据中，在特定区间内记录不同样本的隶属度变化，变化值小则为正常数据，变化值大则存在噪声问题，需利用云计算技术，对样本数据进行降噪处理，降低数据检测的误差，计算故障类区域中心点到检测样本的加权距离，以此距离的取值范围为故障数据检测的判定依据，完成运维监控系统的数据检测。实验证明，本文算法的数据检测准确、效率高、且系统耗用较小。     

基于图像与点云融合的公路撒落物检测算法

公路撒落物是影响行车安全、造成交通堵塞的重要因素，及时检测并清理公路撒落物十分重要。通过总结分析撒落物的特点，利用点云处理定位精度高和图像处理分类精度高的特点，提出一种基于图像与点云融合的公路撒落物检测算法。所提算法包括路面目标提取、点云与图像信息融合和撒落物目标分类等3个步骤。首先，通过激光雷达点云进行道路边缘检测、地面点云滤波和点云聚类，提取路面上的目标点云团簇；然后，将目标点云团簇投影到时间与空间对齐的视觉图像中，获取对应的图像感兴趣区域；最后，使用优化后的ResNet-50进行目标分类。所提算法的平均检测精确率为94.84%，召回率为91.92%，具有良好的检测效果。