现网实现OCP的实例

简要说明了什么是光通道保护（OCP）及为什么要采用OCP技术,并通过现网实现OCP保护的实例说明了OCP保护对传统WDM系统上大颗粒（如2.5G、10G）客户电路的保护效果。     

光纤自动切换保护系统的应用探讨

分析光纤自动切换保护系统的原理,以我公司为例,在光传输网络主要路由上,接入光纤自动切换保护器,利用保护器构建出光纤保护网络,当被保护的光纤发生故障中断或者衰耗增大导致通信传输质量下降时,光纤线路自动切换保护技术却能使网络进行实际切换,用恢复机制作为第二道防线对付网络范围的故障和失效,恢复通信的畅通,从而增强了我公司通信网络的可靠性。     

电源

车用三相栅极驱动ICAUIR S20302S能够驱动6个通过自举供应高侧驱动电路的N通道功率MOSFET或IGBT。该器件还具备嵌入式死区时间、防止交叉传导功能、以及配备诊断功能的欠压保护和过流保护。新器件采用专有的HVIC和锁存免疫CMOS技术,可以加固整体单片式结构。逻辑输入与标准CMOS或LSTTL输出相兼容,低至3.3V逻辑。AUIR S20302S适合12V、24V和     

涉及计算机图形的发明专利保护客体的研究

主要研究涉及计算机图形的发明专利保护客体问题,在对计算机图形技术的分析以及涉及的专利保护客体的相关法条的深入理解的基础上,结合实际案例的审查过程,总结与计算机图形相关的专利申请中涉及客体问题的典型缺陷,阐明判断客体问题所涉及的主要因素。研究对于与计算机图形相关的权利要求的撰写及修改有一定的指导和借鉴意义。     

高压电机综合保护装置的研究

随着科学技术的进步、电力工业的迅速发展,生产系统中的电机数量和单机容量不断增加,相应的电机保护技术也需要有进一步的提高。文中针对电机的各种故障类型,借鉴国内外电机保护装置的经验,并结合现有的高压电机保护技术,提出了一套完整的电机保护方案。这套保护装置包括了低电压保护、过电流保护、差动保护和单相接地保护,可以同时对电机的多种问题实现保护,能有效保障高压电机的正常运行。     

关于做好山东省铁路GSM—R系统无线电专用频率保护工作的几点思考

1．铁路移动通信的发展历史 铁路专用移动通信系统GSM-R（Global System For Mobile Communication for Railway）,是1993年国际铁路联盟（UIC）与欧洲电信标准组织（ETSL）协商提出的欧洲各国下一代铁路无线通信系统,它基于公众网GSM基础和高级语音呼叫业务,增加铁路所需的组呼、广播、多优先级及紧急呼叫业务,使铁路多种业务在GSM—R平台上实现信息共享。     

一款无电压比较器的欠压保护电路

基于双极型晶体管的伏安特性,设计了一款可独立工作的欠压保护电路。该电路工作无需依赖外部模块提供的基准电压和偏置电流,有效的增强了模块保护能力和可靠性。使用华润上华CSMC 0.5um CMOS工艺完成了电路以及版图设计;对电源电压在3.9至4.3V之间仿真,结果表明电路保护功能正常,并具有90mV(可调)的迟滞功能,可有效防止电源电压不稳定引起的输出信号异常跳动。     

测控天线射电星角度标校方法分析

通过对常见射电源辐射特性进行梳理,分析了星体角径、空域分布及天线口径对角度标校的影响,提出了确定目标星体中心点的天线扫描方法以及天线和差电轴不一致性补偿方法,利用最小二乘法完成角度轴系误差修正系数的解算,并采用不同频段、不同口径天线进行射电星无塔角度标校的测试验证,检验了该方法的适用性和有效性.     

基于差分隐私模型的位置轨迹发布技术研究

位置轨迹大数据的安全分享、发布需求离不开位置轨迹隐私保护技术支持。在差分隐私出现之前,K-匿名及其衍生模型为位置轨迹隐私保护提供了一种量化评估的手段,但其安全性严重依赖于攻击者所掌握的背景知识,当有新的攻击出现时模型无法提供完善的隐私保护。差分隐私技术的出现有效地弥补了上述问题,越来越多地应用于轨迹数据隐私发布领域中。该文对基于差分隐私理论的轨迹隐私保护技术进行了研究与分析,重点介绍了差分隐私模型下位置直方图、轨迹直方图等空间统计数据发布方法,差分隐私模型下轨迹数据集发布方法,以及连续轨迹实时发布隐私保护模型。与此同时,在对现有方法对比分析的基础上,提出了未来的重点发展方向。

     

面向物联网隐私数据分析的分布式弹性网络回归学习算法

为了解决基于集中式算法的传统物联网数据分析处理方式易引发网络带宽压力过大、延迟过高以及数据隐私安全等问题,该文针对弹性网络回归这一典型的线性回归模型,提出一种面向物联网(IoT)的分布式学习算法。该算法基于交替方向乘子法(ADMM),将弹性网络回归目标优化问题分解为多个能够由物联网节点利用本地数据进行独立求解的子问题。不同于传统的集中式算法,该算法并不要求物联网节点将隐私数据上传至服务器进行训练,而仅仅传递本地训练的中间参数,再由服务器进行简单整合,以这样的协作方式经过多轮迭代获得最终结果。基于两个典型数据集的实验结果表明：该算法能够在几十轮迭代内快速收敛到最优解。相比于由单个节点独立训练模型的本地化算法,该算法提高了模型结果的有效性和准确性;相比于集中式算法,该算法在确保计算准确性和可扩展性的同时,可有效地保护个体隐私数据的安全性。