连续波穿透雷达柱面成像的干涉条纹抑制研究

在进行单频连续波表层穿透雷达的柱面2维无损检测成像扫描时,发现明暗相间的条纹现象,这是雷达成像扫描的一种主要干扰,会严重降低目标的成像效果。该文简单分析了曲面干涉条纹的产生机理,并且基于柱面与目标的谱域分布特性差异,提出谱域干涉条纹滤波方法。针对小目标具有较规律的谱域角度分布特性,沿角度进行谱域插值的补偿,以消除谱域滤波丢失目标谱信息的影响。此外,结合波前成像算法,给出了实现简单、处理高效的谱域滤波成像处理流程。通过仿真分析和实测数据实验,结果表明该文方法能够有效去除柱面的干涉条纹,形成清晰的目标图像。与传统的减平均方法的对比证实该文方法更有效。     

响应曲面法优化纳米氯化钙/PVDF杂化膜制备工艺的研究

利用热致相变法制备了纳米氯化钙/PVDF杂化膜,研究了不同添加量的纳米氯化钙粒子对PVDF微孔膜的膜形态、截留率、水通量以及膜强度的影响。采用响应曲面的分析方法,以PVDF膜的水通量以及膜强度为响应值,确定了最佳的纳米CaCl2粒子的添加量、PVDF的质量分数以及凝固浴温度。结果表明:纳米氯化钙的添加能显著改变PVDF膜的形态结构,随着纳米氯化钙含量的增加,海绵状孔逐渐消失,膜表面出现了大量的界面孔,膜通量以及膜强度先上升后下降,而其对截留率的影响较小,在其质量分数为5%时,截留率以及水通量达到最大值。确定的高强度膜制备工艺条件:CaCl2以及PVDF的质量分数分别为4.7%、44%,凝固温度为49.5℃,该条件下,膜截留率达到了75%,水通量达到了174L·m-2·h-1,膜强度则为29.8MPa。      

pTrace: 一种面向可控云计算的DDoS攻击源控制技术

当前,越来越多的分布式拒绝服务(distributed denial of service, DDoS)攻击的攻击源迁移至云中,给云计算的可控性及整个网络空间的安全带来了严重挑战.然而关于有效控制云中该类攻击源的研究还比较缺乏.为此设计了一种面向可控云计算的DDoS攻击源控制系统pTrace,该系统包括入口流量过滤inFilter和恶意进程溯源mpTrace两部分.其中,inFilter过滤伪造源地址信息的数据包;mpTrace先识别攻击流及其源地址信息,依据源地址信息追溯并管控发送攻击流的恶意进程.在Openstack和Xen环境下实现了pTrace的原型系统,分析及实验表明,inFilter可以有效地防止含有虚假源地址信息的DDoS攻击包流出云外;当攻击流速率约为正常流量的2.5倍时,mpTrace即可正确识别攻击流信息,并可在ms级的时间内正确追溯攻击流量发送进程.该方法有效控制了位于云中的DDoS攻击源,减小了对云内傀儡租户及云外攻击目标的影响.     

2015年优青专题前言

国家自然科学基金优秀青年基金是基金委近年来新设的一个项目,促进创新型青年人才的快速成长,主要支持具备5～10年的科研经历并取得一定科研成就的青年科学技术人员。这一期的计算机研究与发展邀请了中科院计算所陈云霁、清华大学朱军、北京大学马思伟、中国科学技术大学刘利刚、华中科技大学廖小飞、天津大学胡清华等6位优秀青年基金获得者来介绍他们近来的工作。这些工作一定程度上体现了我国计算机领域青年科研人员锐意进取、开拓创新的风貌。     

任务调度在CANopen主站设计中的应用

CANopen主站作为CANopen网络的配置管理者、网络管理者和监视者具有重要的意义;CANopen网络的特性决定了CANo- pen主站必须具有高度的实时性、并发处理能力和动态灵活性,因此多任务的工作方式是最佳的选择:基于可移植性的考虑,提出了一种用标准C语言实现的非抢占式的多任务调度结构;由于仅用标准C语言实现,该结构可运用于任何C编译环境;经过实际测试,在ARM7和Windows操作系统上该结构都可达到微秒级的调度速度,满足CANopen主站的实时性要求。     

基于自适应多点法的sCMOS实时非均匀性校正

为改善sCMOS读出电路工艺偏差导致的非均匀性问题,本文提出了自适应多点非均匀性校正方法。算法首先以搜寻最小范数点、阈值比较的方式分别确定最优分段点的位置以及最佳分段数量,然后再根据这些分段信息在各区间段分别进行两点校正。通过该自适应方法可有效改善传统多点法中由于分段参数选择不当导致的校正性能下降。同时,为实现实时的非均匀性校正,文中根据自适应多点法的算法特点,提出了一种与之匹配的嵌入式数据串流校正方案,可在不影响现有相机采集结构以及采集速率的情况下实现非均匀性的校正。     

混合梯度稀疏先验约束下的图像盲复原

图像盲复原旨在无参考的情况下准确估计模糊核并恢复潜在的清晰图像。现有研究成果表明,利用全变分模型对高阶图像梯度先验约束进行描述可以有效抑制复原图像中产生的阶梯效应。本文在实验观察和研究的基础上,提出了采用稀疏先验约束模型对盲复原过程进行正则化的方法,以获得更佳的图像复原效果。该方法利用图像高阶梯度的稀疏性,通过与低阶梯度相结合来构造混合梯度正则项。同时,在正则项中引入基于图像熵的自适应因子,来调节迭代优化过程中两类梯度先验的比例,以此获得更好的收敛性。仿真与实验证明,与现有图像盲复原先进方法相比,本文方法具有更优越的图像复原性能。     

A Novel Robust Zero-Watermarking Algorithm for Audio Based on Sparse Representation

Behind the prevalence of multimedia tech-nology, digital copyright disputes are becoming in-creasingly serious. The digital watermarking pre-vention technique a...     

Determination of the embedded electronic states at nanoscale interface via surface-sensitive photoemission spectroscopy

The fabrication of small-scale electronics usually involves the integration of different functional materials. The electronic states at the nanoscale interface ...     

Optical coherent dot-product chip for sophisticated deep learning regression

Optical implementations of neural networks (ONNs) herald the next-generation high-speed and energy-efficient deep learning computing by harnessing the technical...