光通信网物理层全光异或加解密技术研究

针对目前光通信保密系统中基于电信号处理的流密码加解密技术的局限性,提出基于全光信号处理的加解密技术;对几种典型的全光异或加密方案进行了研究,介绍了各自的工作原理、特点及研究进展;利用OptiSystem软件搭建了基于SOA-MZI(半导体光放大器-马赫-曾德干涉仪)异或门的全光加解密系统仿真模型,并基于HNLF(高非线性光纤)的自相位调制效应设计了一个优化结构对系统进行优化。研究表明:全光加解密技术具有优良的特性,能使整个光通信保密系统运算速率更高,传输更安全。     

高温环境下油田测井信息光纤传输方案的设计

针对传统测井传输方案的不足,设计了一种高温测井信息光纤传输方案。采用TI公司MSP系列低功耗单片机作为井下测控芯片,高温光模块为信号收发器,耐高温光纤为传输介质。上位机不仅能向下发送命令来控制井下钻机和传感器,也可将该链路回传的测井信息(比如温度、压力、电阻值等)显示出来。实验结果表明,该方案不仅能够长时间在高温工作环境下(110℃)实现测井信息的远距离宽带传输(可达2Mbit/s),而且能够提供灵活的扩展方式,使占用空间更少、重量更轻。     

横向超结器件衬底辅助耗尽效应的研究与展望

横向超结双扩散MOS (SJ-LDMOS)的性能优越,在高压集成电路和功率集成电路中具有广阔的应用前景,而衬底辅助耗尽效应是制约横向超结功率器件性能的重要因素之一.分析了SJ-LDMOS衬底辅助耗尽效应的产生机理,总结了当前国内外消除SJ-LDMOS衬底辅助耗尽效应的技术,比较了各种技术的比导通电阻与击穿电压的关系.最后,从设计技术、工艺及理论模型三个方面,对横向超结器件的发展方向进行了展望.     

基于大数据分析的分布式MOLAP技术研究

在计算机系统运行以及研究环节中,会存在大量的规模效应,此类状况难以避免,要想有效解决此类问题,就需要利用分布式的处理方式,开展对文件系统的分析。文章对分布式多维联机分析过程(MOLAP)的数据模型进行了分析,从维编码的算法、映射归约(MapReduce)算法的实现、分析维的遍历算法等方面作深入探讨。     

基于电磁降噪电路的恒流高清图像信号处理系统

本文设计了基于电磁降噪电路的恒流高清图像信号处理系统。系统中选用APW7120集成芯片作为中央处理芯片,以液晶显示器或智能终端显示屏作为显示单元,将信号滤波单元当作电子滤波器,据此,此系统可通过过滤图像信号内的干扰信号,优化图像信号质量;还可基于集成芯片直接简捷化系统结构,并控制系统自主生成的电磁噪声信号,以此保证系统在图像信号处理时不受电磁噪声影响,从而提高系统稳定性与可靠性;通过适度处理输入电流,可确保在正常运转时不会生成电磁干扰信号,以显著提升系统稳定性。     

一种高效的无线传感器网络MAC层方案

媒体接入控制协议(MAC)是影响无线传感器网络能量效率的重要方面,SMAC是其中具有代表性的方案。SMAC无法实现调度表的全网同步,只能形成多个在局部范围内同步的簇,簇间边界节点相对于内部节点能量消耗要快。针对这一问题提出了一种改进的MAC方案,利用调度表的全网同步来实现簇的合并,消除了边界节点,提高了MAC层的能量效率,使网络连通性得到提高。仿真证明了方案的有效性和可扩展性。本方案同时满足无线传感器网络分布式和经济性的要求。     

收发信机通道不平对分集系统性能的影响

分析了分集系统收发信机通道增益不一致产生的原因,分2种情况讨论:一是通道增益不一致导致的信噪比不同对系统误码性能的影响,二是通道增益虽然不一致但不影响分集通道信噪比,即仅仅电平不同对系统误码性能的影响。分析结果表明,通道信噪比不一致对系统性能影响较大,在系统设计时应特别注意避免,这一结论对工程设计具有重要的指导作用。     

多进制频移键控信号的调制分类方法

分析和改进了对MFSK信号调制分类算法。考虑到实际系统中脉冲成形的影响，对信号进行了恒包络预处理；选取抗噪能力强的Haar小波提取信号特征；针对无监督聚类算法中FCM算法对初始值敏感，易收敛至局部最优解的缺点，提出了减法聚类和FCM算法相结合的算法求得最佳聚类数；不仅能够保证获得全局最优解，还大大提高了FCM的收敛速率。     

导弹惯导系统可靠性分配的Vague集模型

系统可靠性分配是型号总体设计的一个重要环节,传统的用于解决可靠性分配问题的方法,如AGREE分配法、比例分配法等,具有不同的优缺点.针对导弹惯导系统可靠性分配问题,基于Vague集及Fuzzy集的有关理论,引入加权模糊判断矩阵,构造了Vague集模糊熵,建立了导弹惯导系统可靠性分配的Vague集模型.最后用实例说明模型的具体运用过程.     

基于“数据驱动＋智能学习”的合成孔径雷达学习成像

对感兴趣目标的数量、位置、型号等参数信息的精确获取一直是合成孔径雷达(SAR)技术中最为重要的研究内容之一。现阶段的SAR信息处理主要分为成像和解译两大部分,两者的研究相对独立。SAR成像和解译各自开发了大量算法,复杂度越来越高,但SAR解译并未因成像分辨率提升而变得简单,特别是对重点目标识别率低的问题并未从本质上得以解决。针对上述问题,该文从SAR成像解译一体化角度出发,尝试利用“数据驱动+智能学习”的方法提升机载SAR的信息处理能力。首先分析了基于“数据驱动+智能学习”方法的SAR成像解译一体化的可行性及现阶段存在的主要问题;在此基础上,提出一种“数据驱动+智能学习”的SAR学习成像方法,给出了学习成像框架、网络参数选取方法、网络训练方法和初步的仿真结果,并分析了需要解决的关键性技术问题。