面向物联网应用的SoC安全检查架构设计

物联网（IoT）应用的快速发展和软硬件开源化趋势使得IoT设备所面临的硬件安全威胁日益严峻,尤其是利用运行时条件触发的系统级攻击,很难通过传统测试方法进行检测和防御,需要提供运行时安全检查机制。分析IoT系统芯片面临的安全威胁,结合数据加密传输路径中的攻击、任务流和检查内容,设计4条功能完整性安全检查策略,搭建SoC安全策略检查架构并植入运行时触发硬件木马。仿真结果显示,运行时策略检查状态机可以检查出加密核、内存和UART接口的功能完整性问题,并通过发送错误中断信号进行反馈,证明了所设计的系统级安全策略检查架构的正确性与有效性。     

基于SCMA的端信息扩展多用户安全通信系统研究

端信息扩展技术使用多项端信息组成的扩展序列来表示身份信息,各项端信息与所传递的数据本身无关,从而隐藏用户的真实信息.然而,端信息扩展序列资源利用率低、自相关性弱,无法实现多用户并发安全通信对此,将稀疏码多址接入(sparse code multiple access,SCMA)技术引入端信息扩展序列生成过程中,提出基于SCMA的端信息扩展多用户安全通信系统模型,详细阐述了模型中的码本设计分配、码字加载发送策略.进一步,从安全性能和通信服务质量2方面对原型系统进行理论分析和实验验证.实验结果表明:基于SCMA的端信息扩展多用户安全通信系统可实现用户信息的隐蔽传输,服务器端能够正确区分用户信息采用稀疏编码后,系统具有较低误比特率,且在一定过载条件下,仍具有良好的传输性能.     

基于混合CNN的自然语言因果关系抽取方法

针对现有自然语言因果关系抽取模型的低准确性和自由参数过多等问题,提出高效的面向知识通道和面向数据通道相结合的混合卷积神经网络(Mixed Convolution Neural Network,MCNN)方法.面向知识通道结合词汇知识库中因果关系的语言知识,自动生成的卷积过滤器以捕获因果关系的重要语言线索.实验表明与Sin-gleCNN和MultiCNN相比,该方法在因果关系提取方面效果更优.     

基于改进DCGAN的数据增强方法

针对小样本数据在深度学习中训练难的问题,为提高DCGAN训练效率,提出了一种改进的DCGAN算法对小样本数据进行增强。首先,使用Wasserstein距离替换原模型中的损失模型;其次,在生成网络和判别网络中加入谱归一化,以得到稳定的网络结构;最后,通过极大似然估计算法和实验估算得到样本的最佳噪声输入维度,从而提高生成样本的多样性。在MNIST、CelebA和Cartoon这三个数据集上的实验结果表明：改进后的DCGAN所生成样本的清晰度以及识别率比改进前均得到了明显提高,其中平均识别率在这几个数据集上分别提高了8.1%、16.4%和16.7%,几种清晰度评价指标在各数据集上均有不同程度的提高。可见该方法能够有效地实现小样本数据增强。     

一种低功耗无线传感器网络节点设计

无线传感网络节点功耗直接决定了无线网络的生存周期,为了降低节点能耗,在对多种微处理器芯片和射频芯片性能分析比较的基础上,选择了MSP430F2618处理器芯片和射频芯片CC2520射频芯片,采用微处理器与无线模块独立架构,设计了一种性能灵活无线网络节点;提出了微处理器、射频芯片在工作模式与多种低功耗模式之间切换,以及微处理器时钟的控制等节能策略,在此基础上设计了网络路由节点和端节点软件系统;实验证明:在发射功率为0 dBm,数据传输速率为1 MHz时,设计的节点运行电流和休眠电流(26.1 mA,1.57μA)与传统的Imote节点(35.1 mA,3.6μA)、Mica2节点(56.2 mA,21μA)相比,明显低于传统节点;当节点电池容量为2*700 mAh,工作周期为10分钟时,其生存周期为7.2个月;设计的节点的寿命达到预期目标。     

智能农业除草机器人研究现状与趋势分析

智能农业除草机器人融合了环境分析、路径导航、视觉识别和运动控制等多种技术,是应用于精准农业中除草作业的智能机器人系统,作为农业机械化研究的热点备受国内外学者关注;对除草机器人的国内外研究现状进行了梳理,进一步分析了除草机器人的特点与优势;总结了除草机器人系统控制、移动导航和机器视觉等关键技术的研究进展,指出关键技术的发展前景与空间;结合除草机器人的技术研究特点与市场环境分析了其未来发展趋势;针对目前除草机器人存在的问题提出解决思路与研究方法,为除草机器人智能化、自动化和集成化发展研究提供理论参考.     

营运车辆驾驶行为的研究与应用

我国公路运输里程数居世界前列,且大部分的客货运输工作都是由营运车辆来完成.有数据显示,大部分的重特大运输事故与营运车辆有关.因此需重视营运车辆的运行状况,特别是重视驾驶员的驾驶行为,以减少车辆事故的发生.论文通过对车联网数据进行分析、确定驾驶行为指标及各指标得分细则并使用K-means聚类方法对驾驶行为进行分级,最终建立评估模型,客观评估驾驶行为的优劣.实际结果表明,该评价模型为驾驶员行为习惯的综合分析提供了一种可行的方法.     

面向数据密集型应用的细粒度内存管理方案

提出并实现了一种细粒度内存管理方案.该方案以用户数据对象为粒度对内存进行管理,当需要将部分内存数据换出以获得空闲内存空间时,不再像传统操作系统以页为单位换出,而是将多个冷数据对象换出到底层存储设备中,最大限度地保证了被换出的数据近期内不会再次被访问,从而有效减少了额外的I/O开销.测试结果表明,本方案与操作系统页交换机制相比,系统响应速度平均提高了37.5％.     

石灰石-石膏烟气湿法脱硫吸收塔结晶的控制与预防

石灰石-石膏湿法脱硫系统吸收塔在运行过程中容易产生结晶体,严重影响设备的长期安全运行,制定的改造建议和PH、浆液浓度等运行控制措施,最大限度的降低结晶体的形成,从而保证吸收塔的长期安全稳定运行.     

流计算模式下概率粗糙集三支决策的快速计算

概率粗糙集三支决策是不确定问题求解的一种重要理论,流计算模式是一种新型的动态内存计算形式,实施流计算模式下三支决策的快速动态计算是一项具有挑战性的新议题。本研究以流计算模式中的两个核心计算步骤即动态增量与动态减量作为研究对象,提出了一种流计算模式下概率粗糙集三支决策域的快速动态学习方法。首先对流计算模式中三支决策动态增量和动态减量的不同变化情况进行了数据建模。然后基于不同数据变化情况分别讨论了数据增量与数据减量时三支决策域的变化推理,并且基于上述理论给出了流计算模式下的三支决策动态增减学习算法。该算法能够以更低的时间复杂度获得与经典三支决策算法相同决策效果。最后通过八种UCI数据集的实验证明了流计算模式下三支决策动态增减学习算法在时间消耗上明显优于经典概率粗糙集三支决策算法,并且在不同阈值下具有稳定的决策效率。本研究表明了流计算模式下三支决策快速计算是可行的。