聚焦大数据安全2014互联网安全大会北京开幕

亚太信息安全领域年度峰会——2014中国互联网安全大会（ISC2014）目前召开。作为亚太地区互联网安全行业大会,本届ISC吸引了包括美国首任美国国土安全部部长汤姆·里奇、计算机病毒之父弗雷德·科恩,以及中国工程院院士邬贺铨、公安部网络安全保卫局总工程师郭启全、360董事长周鸿棒、国家计算机网络安全专家云晓春等,数百位国内外顶级信息安全专家出席。     

一种合成聚焦的便携式B型超声成像方法

传统合成聚焦超声成像方法在图像重建过程中处理数据量较大,致使其在便携式B型超声设备中应用受限。针对该问题,提出一种基于压缩感知理论和合成聚焦波束形成算法的便携式B型超声成像方法(SFCS)。该方法通过对接收到的射频回波信号进行随机采样得到欠采样的测量信号,将测量信号经过合成聚焦波束形成处理获得欠采样的射频信号线,基于压缩感知的信号重构算法,由欠采样的射频信号线高质量地恢复信号后供后续成像处理使用。仿真实验结果表明,SFCS可有效地解决合成聚焦超声成像过程中数据量大的问题,从而在保证较高成像质量的前提下满足便携式B型超声设备小型化、低成本的技术要求,具有工程应用价值。     

聚焦CHINAPLAS2007国际橡塑展东莞新闻发布会

亚洲第一国际橡塑展——“2007国际橡塑展”将于2007年5月21日——24日在广州中国出口商品交易会琶洲展馆盛大举行，这次展会重返广州——广东省及华南的经济及工业龙头，将为中外橡塑业界提供最佳及最便捷的商贸和技术交流平台，在过去一年，大会马不停蹄，先后于美国、台湾省、北京、上海及广州举行新闻发布会。     

相控充电机谐波分析与抑制

以变电站直流屏相控充电机为研究对象,对相控充电机在输人交流侧产生谐波电流的原理进行分析,将单周控制的三相并联型有源滤波器应用于谐波治理中,建立模型,并利用MATLAB进行仿真分析,说明补偿效果好。     

一种共聚焦激光测头轴线位置标定方法研究

针对在非接触式坐标测量机上所用激光测头轴线位置需要标定这一工程需要,通过测量标准圆弧,提出了一种最小距离评价方法,该方法在评价函数取得极小值的时候可以有效标定激光测头轴线的初始参考零位。实验结果验证了该方法的有效性与可靠性。     

多途信道中声屏蔽及声聚焦

针对传统阵处理无法分辨同一方向上2个点源的缺陷,提出了多途信道中声屏蔽技术.将声屏蔽技术应用于抗拖船干扰,把拖曳线列阵接收的拖船干扰和同方向的目标信号在频域通过一个屏蔽、聚焦权滤波器,在对干扰屏蔽的同时,对目标聚焦.仿真结果表明,干扰源的辐射噪声被显著抑制,而所期望的目标信号清晰可见,其输出相干信噪比大幅度提高,该技术在抑制拖船干扰的同时可以有效消除在该方向的探测盲区.     

基于近场聚焦波束形成方法的声场定位研究

海洋环境中的声场定位,是水声学研究领域中的一个经典问题,尤其是用于海区警戒来监听敌方潜艇的近场定位问题.以往的近场定位研究,通常使用线列阵模型,利用常规聚焦波束形成方法进行定位处理,不仅出现了“左右舷模糊”问题,而且对信号定位不甚理想.为此提出基于半圆阵的四阶累积量MUSIC近场聚焦波束形成算法.通过仿真比较了多种聚焦波束形成在近场线列阵和圆阵条件下的定位性能,结果表明,半圆阵成功地解决了直线阵列出现的“左右舷模糊”问题,基于四阶累积量的MUSIC近场聚焦波束形成可以达到更为平滑的背景以及较小的旁瓣级,定位性能明显优于基于MVDR算法的聚焦波束形成高分辨率被动定位方法.     

构建平台打造物联网产业核心竞争力

<正>今年上半年,全市物联网及相关产业企业已达2000余家,从业人员近13万人。无锡市紧紧抓住"技术研发、应用推广、产业培育"3个关键环节,加快推进示范区建设和物联网有序发展。以推进大应用、培育大企业、构建大平台、彰显大品牌为工作重点,打造具有行业应用特色的专业化物联网产业园区。     

基于生成对抗网络的多聚焦图像融合

多聚焦图像融合能够融合同一场景下具有不同聚焦部分的一系列图像.为了克服多聚焦图像融合模糊特征提取中存在的不足,提出一种基于U-Net的生成对抗网络模型.首先,生成器采用U-Net和SSE对多聚焦图像的特征进行提取,并完成图像融合;其次,判别器采用卷积层对已知的融合结果和生成器生成的融合图像进行分辨;然后,损失函数采用生成器的对抗损失、映射损失、梯度损失、均方误差损失和判别器对抗损失对生成网络进行参数调节;最后,将生成器、判别器和损失函数组成生成对抗网络模型,并进行实验.Pascal VOC2012数据集作为生成对抗网络的训练集,包括近焦图像、远焦图像、映射图像和融合图像.实验结果证明,该生成对抗网络模型能够有效地提取多聚焦图像中的模糊特征,且融合图像在互信息、相位一致性和感知相似性等方面表现优异.     

基于雷达与图像数据融合的人体目标检测方法

三维人体目标检测在智能安防、机器人、自动驾驶等领域具有重要的应用价值。目前基于雷达与图像数据融合的三维人体目标检测方法主要采用两阶段网络结构,分别完成目标概率较高的候选边界框的选取以及对目标候选框进行分类和边界框回归。目标候选边界框的预先选取使两阶段网络结构的检测准确率和定位精度得到提高,但相对复杂的网络结构导致运算速度受到限制,难以满足实时性要求较高的应用场景。针对以上问题,研究了一种基于改进型RetinaNet的三维人体目标实时检测方法,将主干网络与特征金字塔网络结合用于雷达点云和图像特征的提取,并将两者融合的特征锚框输入到功能网络从而输出三维边界框和目标类别信息。该方法采用单阶段网络结构直接回归目标的类别概率和位置坐标值,并且通过引入聚焦损失函数解决单阶段网络训练过程中存在的正负样本不平衡问题。在KITTI数据集上进行的实验表明,本文方法在三维人体目标检测的平均精度和耗时方面均优于对比算法,可有效实现目标检测的准确性和实时性之间的平衡。