短波单站定位

论述了短波单站定位的原理、由若干个已知位置短波信号发射台进行实时电离层模型估测的步骤,并介绍了用此方法进行单站定位的一些试验结果。最后对单站定位和交会定位各自的优劣进行了比较。     

660MW燃煤机组DCS国产化改造方案研究

某电厂为4*660 MW空冷燃煤超临界火电机组,其3号机组主机DCS控制系统采用美国艾默生ovation3.5.0系统,辅助外围系统采用新华XDC800B系统。随着外部形势变化,近几年来国产DCS系统硬件质量的提升,国产DCS系统在超临界、超超临界火电机组上自主可控的趋势越来越明显,大型火电机组DCS控制系统改造也越来越具备规模性。以其3号机组DCS控制系统改造升级为国电智深的EDPFNT+系统,提出了详细具体的实施方案,同时完善了工控网络安全相关系统方案和要求等,以期为火电厂DCS控制系统改造提供借鉴参考。     

基于深度学习的智能化高精度测向方法

提出了一种基于深度学习的智能化高精度快速波达方向（DOA）估计算法,根据神经网络通过数据驱动而不依赖阵列流型的特点,设计了基于卷积神经网络的PhaseDOA-Net回归网络模型实现估计算法,引入特定模块对输入信号进行特征提取和处理,提高网络模型的拟合效果,用所提网络模型自主学习相位差矩阵与DOA之间的映射关系;引入残差网络结构,解决了卷积神经网络层数加深导致网络退化的问题;仿真生成了具有噪声与幅相误差的信号数据集,并构建信号相位差矩阵作为输入;仿真结果表明,本算法可以提供更高精度的估计性能,大幅减小了估计时间,解决了现有方法在阵列模型误差条件下无法准确得到DOA结果的问题;通过基于实际信号环境中采集数据的训练与测试,验证了系统对不同噪声、幅相误差的鲁棒性以及对不同信号频率更好的适应能力。     

基于数据链路层特征的无线网络加密流量业务分类研究

无线通信网络已经普及到人们的生活中,并且随着大众的安全意识提高,无线网络中的加密流量所占比重越来越大,网络流量加密化已成为必然趋势,其在给用户和企业带来隐私和安全的同时,也给网络安全监管和网络流量管理带来了挑战;文章研究了有线网络和无线网络的差异性,构建无线网络加密传输环境,采集无线加密网络数据,提取出数据链路层各种业务的特征并进行分类;结果表明,对不同业务的识别率在85％以上.     

考虑气象信息的节假日负荷预测

因负荷成分与正常日有较大差异且样本较少,故节假日短期负荷预测精度往往不太理想.通过对节假日负荷特性的分析,考虑到节假日负荷影响主要受负荷自然增长及天气等因素的影响较大,文中采用相似日方法和模糊推理分别预测负荷曲线模式和负荷水平.通过对实际系统负荷进行预测,结果表明预测精度较高,尤其在气象出现较大变化的节假日能够得到较好的预测结果.     

深度学习目标检测方法综述

目标检测的任务是从图像中精确且高效地识别、定位出大量预定义类别的物体实例。随着深度学习的广泛应用,目标检测的精确度和效率都得到了较大提升,但基于深度学习的目标检测仍面临改进与优化主流目标检测算法的性能、提高小目标物体检测精度、实现多类别物体检测、轻量化检测模型等关键技术的挑战。针对上述挑战,本文在广泛文献调研的基础上,从双阶段、单阶段目标检测算法的改进与结合的角度分析了改进与优化主流目标检测算法的方法,从骨干网络、增加视觉感受野、特征融合、级联卷积神经网络和模型的训练方式的角度分析了提升小目标检测精度的方法,从训练方式和网络结构的角度分析了用于多类别物体检测的方法,从网络结构的角度分析了用于轻量化检测模型的方法。此外,对目标检测的通用数据集进行了详细介绍,从4个方面对该领域代表性算法的性能表现进行了对比分析,对目标检测中待解决的问题与未来研究方向做出预测和展望。目标检测研究是计算机视觉和模式识别中备受青睐的热点,仍然有更多高精度和高效的算法相继提出,未来将朝着更多的研究方向发展。     

基于节点-属性二部图的网络表示学习模型

在图结构数据上开展推理计算是一项重大的任务,该任务的主要挑战是如何表示图结构知识使机器可以快速理解并利用图数据。对比现有表示学习模型发现,基于随机游走方法的表示学习模型容易忽略属性对节点关联关系的特殊作用,因此提出一种基于节点邻接关系与属性关联关系的混合随机游走方法。首先通过邻接节点间的共同属性分布计算属性权重,并获取节点到每个属性的采样概率;然后分别从邻接节点与含有共有属性的非邻接节点中提取网络信息;最后构建基于节点-属性二部图的网络表示学习模型,并通过上述采样序列学习得到节点向量表达。在Flickr、BlogCatalog、Cora公开数据集上,用所提模型得到的节点向量表达进行节点分类的Micro-F1平均准确率为89.38%,比GraphRNA（Graph Recurrent Networks with Attributed random walks）高出了2.02个百分点,比经典工作DeepWalk高出了21.12个百分点;同时,对比不同随机游走方法发现,提高对节点关联有促进作用的属性的采样概率可以增加采样序列所含信息。     

基于交织的错误图样对DVB-S协议级联码译码性能的影响

以DVB-S协议标准中物理层级联码作为研究对象,建立了由RS码、卷积码和卷积器交织器构成的典型级联码的通信模型,深入分析了级联码的体系结构,并在编码体制上找到了DVB-S协议标准中级联码存在的弱点,设计了一种基于交织的错误图样,给出了设计思路和具体设计方法,仿真研究了错误符号中含有不同错误比特数的错误图样对级联码译码性能的影响,并与突发错误图样进行了对比。仿真结果表明,基于交织的错误图样对级联码的译码性能影响要大于突发错误。     

基于MAC协议的Ad Hoc网络攻击技术研究

充分利用协议的信息,如控制包的大小、内容、包间间隔等制定干扰策略,有可能实现对网络的智能干扰。IEEE802.11MAC协议是基于竞争模式的链路层协议,广泛应用于Ad Hoc等无线网络。利用该协议的信息进行干扰,可以使得攻击能够更精细,提高了干扰效率并降低被检测概率。讨论了根据MAC协议的信息对Ad Hoc网络进行智能阻塞攻击和欺骗干扰的单节点工作方式和多节点协同工作方式,比较了不同方式能够达到的干扰效果。     

针对Ad Hoc网络的分层攻击技术研究

研究Ad Hoc网络对抗具有重要的军事意义。针对Ad Hoc网络建立了一个分层感知和对抗模型,根据网络功能划分为5个层次,每个层次实现相应的感知和干扰功能。下层向上层提供感知和干扰服务,上层向下层提出感知和干扰服务请求,分析了在物理层、MAC层、网络层、传输层需要具备的感知能力和干扰能力。充分利用不同层次协议的信息,可以使对网络的干扰达到低能量高效率和尽可能低的概率检测。