数据机房节能建设方式浅析

云计算已经是信息化发展的必由之路,本文浅析云计算下的数据机房节能建设方式,为数据机房的建设提供一些参考。     

某型指挥控制组合的设计

指挥控制组合属于某型火控计算机系统中的一部分,用来接受火控计算机主机以及雷达送来的工作状态信号（有／无诸元,跟踪／搜索,最佳射击）和飞行状态信息（ D、V;H、tf;D、DK;）。接受的同时,实时显示并报读,供指挥员观察和决策,以选择最佳时机发出击发命令。     

无线传感器网络的应用

由于无线传感器网络具备低价格、高容错性、自组织等优点,使得其已经被应用在各个领域中,如军事应用、环境监测、医疗健康、智能家具、工业应用等。     

路口2-D VANET中紧急信息单跳广播的可靠性分析

紧急交通信息,如碰撞预警、路口协作等,在车辆自组织网络(vehicular Ad Hoc network,VANET)中及时可靠地广播对安全驾驶至关重要。目前,现有工作对广播的研究主要解决VANET中多跳广播的连接问题。然而,在高动态的车辆环境下,通常需要直接的一跳广播来及时、可靠地传播紧急信息。针对路口2-D VANET中单跳广播的可靠性,给出3个衡量指标:数据分组接收率、距标记节点距离为d的范围内的数据分组接收率和数据分组投递率;推导了隐藏终端和并发广播问题下的3个指标的表达式;分析了侦听范围、干扰范围、数据分组大小、退避窗口大小和车辆节点密度对可靠性的影响。     

基于灾难性遗忘及组合叠加擦除的跨模态行人重识别预训练方法

面向构建24小时全时段视频监控系统的需要,基于可见光与近红外的跨模态行人重识别受到工业界与学术界的广泛关注.然而,目前大部分跨模态行人重识别任务都试图利用在ImageNet上预训练的模型来提前学习模态内共性特征,但ImageNet与跨模态行人数据模态差异较大,且预训练过程中将颜色信息作为判别特征之一,导致预训练中学习到的共性特征并不适用于无色彩红外图像的信息表示.本文提出了一种基于灾难性遗忘及组合叠加擦除的自监督跨模态行人重识别预训练方法,首先利用提出的灾难性遗忘评分来对预训练数据进行筛选,旨在减小预训练数据与后续任务数据存在的域间差距,进一步减少模型训练时间.其次,针对传统跨模态识别中的关键区分性特征提取,本文设计了一种强通道数据增强策略,通过对R、G、B三通道的通道级擦除与组合,生成了颜色迥异的多类型样本,有利于促使模型关注于纹理信息而非颜色信息.最后基于本文提出的跨模态数据筛选指标以及通道增强策略,构建了跨模态任务的自监督学习框架.实验结果表明,本文提出的预训练方法所训练的ResNet50网络在迁移到众多跨模态行人重识别方法时优于目前主流自监督预训练方法,其中在经典方法 AGW的...     

基于自注意力机制和CycleGAN的高分三号ScanSAR图像的扇贝效应抑制

高分三号卫星是我国首颗分辨率达到1 m的C波段 多极化合成孔径雷达(synthetic aperture radar,SAR) 卫星,其中扫描 式合成孔径雷达(scan synthetic aperture radar,ScanSAR)模式是高分三号卫星重要的工 作模式之一,由于该模式的工作机制导致生成的图像可能发生扇贝效应,一般呈现为明暗相 间的条纹。本文针对高分三号卫星ScanSAR模式下存在的扇贝效应,提出自注意力机制与循 环一致对抗网络(cycle-consistent adversarial networks,CycleGAN)结合的模型对Scan S AR图像进行处理,从而抑制扇贝效应产生的条纹现象。本文所示方法与传统扇贝效应抑制方 法和深度学习相关算法进行比较,并通过亮度均值、平均梯度等指标进行分析。实验结果表 明,本文方法可以对高分三号ScanSAR图像存在的扇贝效应进行较好的处理,有效抑制图像 的条纹现象,使得图像质量得到提升,具有较大的实用意义。     

基于实时预编码矩阵的5G网络自恢复解决方案研究

5G高频网络导致5G站点建设更加密集,必须采用新的网络管理技术,以提高网络可靠性和维护效率。自组织网络（SON）能够通过自我修复程序自主恢复,通过自我修复程序进行自主检测,诊断和校正。本文旨在通过仿真、测试此算法,提出设想,并通过仿真去验证该算法,采用的仿真软件是符合5G标准的软件。所开发的模拟器旨在模拟一个小区网络,该网络可以继承多个状态（健康,拥塞和故障）中的一个,以验证编程的自修复算法在恢复模拟网络时的有效性。结果表明,在网络中的自我愈合应用能够解决与服务质量（Qo S）相关的问题,在拥塞和故障网络中提升用户感知。     

基于无监督自适应模糊聚类的多家族恶意域名细粒度检测

针对现有恶意域名检测方法检测时间开销大、对新出现或新变种的恶意域名检测精度不高的问题,提出一种基于无监督自适应模糊聚类的多家族恶意域名细粒度检测方法。该方法首先利用词向量映射网络(Bidirectional Encoder Representation from Transformers, BERT)将域名字符串映射为词向量矩阵;然后,利用深度自编码网络的编解码模块实现域名字符串向量矩阵的特征提取;最后,引入一种自适应模糊聚类算法实现多家族恶意域名和合法域名在隐空间中的特征聚类。通过在多个家族恶意域名和常见域名数据集上进行测试,实验结果表明所提出算法可以在二分类任务中实现97.71%的准确率,在8个家族的细粒度多分类任务上可以实现96.25%的准确率。综合检测性能优于当前主流的恶意域名检测算法。同时,所提出域名具有较低的时间开销,这为实时过滤恶意域名、预防恶意域名的入侵攻击提供了一种新的手段。     

基于自相关函数相位的正弦信号频率估计新算法

针对加性高斯白噪声的正弦信号,提出了基于自相关函数相位的频率估计新算法。首先,推导了一种新的自相关函数相位的频率估计式,然后,针对频率估计范围与频率估计精度之间的矛盾问题,提出了一种消除相位模糊的方法。算法分析与仿真结果表明,在信噪比高于6 dB时,估计方差接近克拉美罗下界(CRLB),与TSA算法相比,在估计性能相同条件下,具有更低的计算量,便于工程实现。     

用于水波能量收集的摩擦纳米发电机研究进展

简单阐述了摩擦纳米发电机(TENG)的工作原理与四种工作模式及电极材料对摩擦纳米发电机的影响,重点介绍了垂直接触-分离模式结构和独立层模式结构用于水波能量收集的摩擦纳米发电机的结构设计,并对它们的性能与应用进行分析。介绍了电路管理模块用于水波能量收集的摩擦纳米发电机的设计,并详细介绍了它们的性能及作用。总结了近年来水波能量收集型摩擦纳米发电机通过收集水波能量在水波的作用下所实现的功能。最后,对水波能量收集型摩擦纳米发电机收集水波能量方面当前存在的问题进行了分析与总结,并展望了水波能量收集型摩擦纳米发电机未来的发展方向。