RFID区域定位算法的研究与应用

本文对RFID区域定位算法进行系统化的研究,通过对比测距技术和非测距技术,分析两种技术的优势与劣势,对RFID区域定位算法及技术实现进行描述。选取监狱这个特定实验场景后,对定位算法实验的结果进行了分析。     

一种基于深度森林的恶意代码分类方法

针对当前恶意代码静态分析方法精度不足的问题，将恶意代码映射为无压缩的灰度图像，然后根据图像变换方法将图像变换为恒定大小的图像，使用方向梯度直方图提取图像的特征，最后提出一种基于深度森林的恶意代码分类方法.实验中选择不同家族的多个恶意代码样本进行分类，验证了该方法的有效性，并且实验结果优于近期提出的SPAM-GIST方法.     

基于智能电表大数据的异常用电检测

异常或欺诈造成的非技术性电力损失是电力公司损失的主要源头之一。智能电表的广泛使用，使得运用大数据方法实现对非技术性电力损失的有效检测成为可能。提出了一种使用监督学习进行非技术损失检测的方法。该方法基于智能仪表记录的所有信息（耗电量、异常警报等）结合辅助数据库所提供的有关每个智能电表的地理位置和技术参数的附加信息，使用最优的机器算法来深入分析用电客户的用电行为，生成异常用电客户列表。通过现场检查的结果表明，该方法能够较为准确地识别智能电网中所存在异常用电客户。     

基于SDN和虚拟拓扑的天基网络路由算法

针对天基网络的时变拓扑结构给网路管理和路由设计带来的难题,综合考虑GEO卫星和LEO卫星的优势,建立了一种基于软件定义网络(SDN)架构的天基网络模型,提出了一种基于虚拟拓扑的包含必经节点的天基网络路由算法(VTPN)。通过改进时间片划分策略,提高了计算效率,通过必经节点的设定,改善了链路拥塞问题。仿真结果表明:SDN架构下的VTPN算法与其他算法相比,网络链路利用率和负载均衡性能提高了约50%,丢包率降低了约20%。     

矿井TEM与地震联合反演导水陷落柱的试验研究

陷落柱对煤矿安全生产威胁极大,矿井TEM和地震勘探是2种主要的导水陷落柱探查方法,矿井TEM对富水性敏感,地震勘探空间分辨率高,为了充分利用2种方法各自优势,提出了基于矿井TEM和地震联合反演的导水陷落柱精细探测方法。首先,提出了基于镜像2D电阻率模型和全空间1D TEM正演算法的矿井拟二维(Pseudo-2D) TEM反演算法。矿井Pseudo-2D TEM反演算法既满足交叉梯度联合反演算法对2D模型的需要,又具有较快的反演计算速度。然后,通过去掉常规联合反演目标函数中的地震正演项,只在交叉梯度项中保留地震波阻抗模型参数,建立了单向交叉梯度联合反演算法。在单向交叉梯度联合反演算法中,地震波阻抗模型只对TEM反演进行约束,电阻率模型不对地震反演进行约束,地震波阻抗反演可以通过商业软件完成,TEM反演采用矿井Pseudo-2D TEM反演算法。通过对地震波阻抗模型进行双三次插值处理,实现地震波阻抗模型和电阻率模型之间的模型网格匹配。通过基于K-means算法的地震波阻抗模型聚类分割处理方法消除地震波阻抗模型中的次要结构变化,增加联合反演稳定性。最后,建立了含导水陷落柱地质-地球物理模型,采用有限差分方法分别进行了3D矿井TEM和3D地震勘探正演计算,对正演模拟数据进行了单独反演和联合反演计算。结果表明:联合反演能够同时重建理论模型的形状和电性特征,联合反演结果不仅具有较高的空间分辨率,而且能够反映陷落柱的富水性,优于单独TEM和单独地震方法反演结果。相比传统联合反演方法主要应用于大尺度目标体探测或浅地表成像,基于矿井TEM和地震的单向交叉梯度联合反演方法可以实现大深度小尺度目标体的精细探测。     

工程建设标准客观优先度评价研究

在工程建设标准的制定和修订过程中，如何科学地确定编制顺序一直是困扰标准管理部门的难题，采用传统方式“按需制标”，具有盲目性、主观性，容易造成标准在制定和修订过程中的互相重复、滞后与矛盾。为了保证标准制定和修订工作的协调性，指导标准体系中各标准的制修订顺序，引入复杂网络拓扑结构，将同一标准类型下的标准构成功能团，根据相互之间的关系形成复杂网络，采用剥落算法对其网络节点重要性排序，进而确定标准制修订的优先度。通过对建筑给水排水工程规范标准修订的实证分析，总结工程建设标准的网络拓扑优先度评价的算法模型，实现制定和修订顺序的自动计算，从而更加科学地指导标准的制定和修订工作     

绿色住区参数化优化设计平台的开发进展与展望

绿色住区设计是建设宜居城市和实现节能减排目标的重要手段与方法。文章首先回顾绿色住区参数化优化设计方法及平台概况，在此基础上，重点介绍平面生成、噪声计算、通风计算、可视度计算等新增功能和天空遮挡算法升级，以及广州市的工程应用，最后展望平台研发与应用的未来发展方向。     

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性，提出了一种联合自适应阈值活动语音检测（VAD）算法和最小均方误差对数谱幅度估计（MMSE-LSA）的实时降噪算法。首先，在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计，对得到的背景噪声进行实时更新并保存；然后，将实时更新的背景噪声作为MMSE-LSA的参考噪声，并对噪声幅度谱进行自适应更新，最后进行降噪处理。通过在真实场景中对四类声信号进行实验，结果表明，该算法在保证对低SNR声信号的实时处理的情况下，相较于传统MMSE-LSA算法，降噪信号的SNR能够提高10~15 dB，且不存在信号过减的情况，可应用于实际工程。