针对ＬＳＢ隐写的语音隐写分析方法

本研究对常用的最低有效位(LSB)隐写技术进行了隐写分析。在目前的网络环境中,检测低嵌入率语音隐写信号仍然是一个非常有挑战性的课题。近年来,神经网络模型在许多课题中都取得了显著的性能。神经网络的主流架构包括卷积神经网络(Convolution neural Networks, CNNs)和循环神经网络(Recurrent neural Networks, RNNs),这两种网络采用了不同的方式来理解各种信号。本文提出了一种合适的方法来结合这两种架构的优点,然后构造了一个新的模型,即CNN-LSTM网络来检测基于LSB的隐写方法。在本文提出的模型中,使用双向长短时记忆循环神经网络(BiLSTM)来捕获信号的长时间上下文信息,然后使用CNN捕获局部特征和全局特征。实验结果表明,该模型相较对比方法对于基于LSB的隐写分析达到了更好的效果。     

一种宽1dB增益带宽全介质Fresnel透镜天线

高增益和宽1dB增益带宽天线具有重要意义。文中提出一种E 波段全介质菲涅尔(Fresnel)波带透镜 天线,它包括一个菲涅尔波带透镜以及一个作为馈源的喇叭天线。透镜对电场进行操控,使穿过透镜的电磁波相位变 化满足需求,从而使透镜口径面处的电场分布更加均匀。与传统菲涅尔透镜的焦点电场相比,本透镜在焦点处的电场 值约提高了1. 6~3. 0 V,说明透镜的聚焦特性提高,从而实现更高的增益和带宽。该透镜天线的口径为72 mm,整体剖 面高度仅为52. 47 mm,焦径比为0. 66。透镜采用3D 打印技术进行加工,降低了加工成本。与传统菲涅尔透镜相比,实 测结果表明,该透镜天线在70 GHz 峰值增益达到了27. 5 dBi,1 dB 增益带宽34. 2% (63~89 GHz),占总带宽85. 53%。