以任意高维纠缠态为量子信道的受控隐形传态

目的是利用高维量子纠缠态为量子信道，讨论未知单粒子态的受控隐形传输问题。以三维量子纠缠态为信道，提出一个二维任意单粒子态的受控隐形传输协议。提出了以任意[d]-维量子纠缠态为量子信道，[t]-维任意单粒子态的隐形传输协议[(t相似文献   

适用于无线体域网的动态口令认证协议

无线体域网中传输的是与生命高度相关的敏感数据，身份认证是信息安全保护的第一道防线。现有的基于人体生物信息的身份认证方案存在信息难提取、偶然性大和误差性大的问题，基于传统密码学的认证方案需较大计算资源和能量消耗，并不适用于无线体域网环境。为此，在动态口令和非对称加密机制基础上，提出一种适用于无线体域网的动态口令双向认证轻量协议，并对其进行形式化分析。通过理论证明、SVO逻辑推理及SPIN模型检测得出：该协议满足双向认证，且能够抵御重放攻击、伪装攻击、拒绝服务器攻击和口令离线攻击，具有较高安全性。     

FAIMS气体传感器的特性研究

本文针对电晕放电离化FAIMS传感器的主要影响因素进行理论分析与实验研究。首先对离化源电晕放电过程及离子注入过程进行理论分析，找到气流与电场这两个重要因素进行实验研究与分析，观测了保持进入传感器总流量不变(2.5Ｌ/ｍｉｎ)的情况下，调节进入电晕放电区气流(0.5Ｌ/ｍｉｎ~ 2.3Ｌ/ｍｉｎ)对离子注入量和传感器检测的影响，结果表明放电区域气流量增大，离子注入数量显著增加，传感器的总体检测效率单调上升，从2.25％提升至12.5％，提升了约5.5倍，但观测到一个 新的离子峰———电晕放电中间产物离子峰，在离化区施加周期电场，调节离子从离化源注入，通过电压幅度、占空比等参数调整，在频率为1Ｈｚ，占空比为50％，幅度－50Ｖ时，测量样品的离子峰幅度比无电场状况时提高了70％，并且其优势是在于不干扰电晕区域放电及离子反应过程的情况下提高产物离子的注入与使用效率。     

三维碗状结构CoS2/C复合材料的制备及其在超级电容器中的应用

以二氧化硅为硬模板,采用碳化和硫化工艺制备出具有三维碗状结构的CoS_2/C复合材料.利用XRD,Raman和XPS研究了所制备材料的相组成,晶体结构,元素组成和价态.利用SEM和TEM对其微观形貌进行了表征,并采用电化学工作站分析了CoS_2/C作为超级电容器电极材料的电化学性能.结果表明:三维碗状结构CoS_2/C复合材料具有优良的电化学性能,在1 A/g的电流密度下比容量可以达到466 F/g.将CoS_2/C和N-rGO分别作为正极和负极组装的水系非对称超级电容器器件的电压窗口可以拓宽到1.6 V.该器件在0.5 A/g的电流密度下能量密度可以达到13.6 wh/kg,功率密度达到374.5 w/kg.在3 A/g的电流密度下经过5000次循环充放电后容量保持率达到了87%.     

基于正交试验的非对称垂直轴水轮机数值模拟

运用正交试验法开展了具有非对称NACA翼型的垂直轴潮流能水轮机的非定常数值模拟研究,分析弯度、弯度位置、前缘半径、最大厚度位置对叶轮能量提取率的影响。使用极差分析法确定了各因素影响的主次顺序和各尖速比下由最优参数确定的翼型。结果表明:在不同尖速比下,弯度是影响水轮机性能的主导因素,对水轮机能量提取率的贡献率分别为44.7%(尖速比λ=2.25)、53.4%(尖速比λ=2.5)和59.4%(尖速比λ=2.75);次要因素为最大厚度所在位置,其余两个参数对其性能影响较小。针对最优参数确定的翼型进行验证,结果证实具有该翼型的水轮机的动力学性能要好于其他翼型。     

非对称成对载波多址信号的相位误差分析及幅度改进算法

针对由主站和小站信号同频混合而成的非对称成对载波多址（PCMA）信号解调问题，构建了一种实现此类信号解调的框架。参数估计是非对称PCMA通信系统在实现两路信号分离解调时不可或缺的环节，对于幅度参数估计精度问题，提出一种基于四次方法的搜索式幅度估计算法。首先建立非对称PCMA系统解调模型并作出基本假设，然后对不同假设下的相位误差进行对比并分析相位误差对幅度估计算法的影响，最后提出一种新的幅度估计算法。实验结果表明在相同信噪比（SNR）下，正态相位误差下的小站信号解调性能要劣于其均值条件下的解调性能。当误比特率（BER）在数量级为10^-4时，改进算法下小站信号的解调性能提升了1 dB，说明改进算法优于四次方法。     

基于双树复小波的无参考立体图像质量评价

随着3D技术的不断发展，立体图像的使用领域越来越广泛，同时人们对图像的清晰度要求越来越高，因此，立体图像的质量评价成为关注点，基于此，提出了一种基于双树复小波变换的立体图像质量评价算法。使用双树复小波变换对立体图像的左、右视图进行处理，生成纹理结构图像，且根据最小能量误差的原理，获取左右视图的视差图；对纹理结构图像和视差图提取非对称广义高斯分布模型的参数、梯度幅值、相对梯度方向方差和奇异值曲线与坐标轴的面积等特征；使用AdaBoosting BP神经网络，进行训练和预测立体图像的质量得分。在LIVE立体图像数据库上的实验结果表明，新方法预测得分与主观得分有较好的一致性，获得了比较好的实验结果。