

郵件訂閱
位置軌跡大數(shù)據(jù)的安全分享、發(fā)布需求離不開位置軌跡隱私保護技術支持。在差分隱私出現(xiàn)之前,K-匿名及其衍生模型為位置軌跡隱私保護提供了一種量化評估的手段,但其安全性嚴重依賴于攻擊者所掌握的背景知識,當有新的攻擊出現(xiàn)時模型無法提供完善的隱私保護。差分隱私技術的出現(xiàn)有效地彌補了上述問題,越來越多地應用于軌跡數(shù)據(jù)隱私發(fā)布領域中。該文對基于差分隱私理論的軌跡隱私保護技術進行了研究與分析,重點介紹了差分隱私模型下位置直方圖、軌跡直方圖等空間統(tǒng)計數(shù)據(jù)發(fā)布方法,差分隱私模型下軌跡數(shù)據(jù)集發(fā)布方法,以及連續(xù)軌跡實時發(fā)布隱私保護模型。與此同時,在對現(xiàn)有方法對比分析的基礎上,提出了未來的重點發(fā)展方向。
量子游走已經(jīng)被提出可以用于瞬時地傳輸量子比特或多維量子態(tài)。根據(jù)量子游走的隱形傳輸模型,該文提出一種無需提前準備糾纏源的基于正則圖上量子游走的仲裁量子簽名算法。在初始化階段,密鑰是由量子密鑰分發(fā)系統(tǒng)制備;在簽名階段,基于正則圖上的量子游走隱形傳輸模型被用于轉移信息副本密文從發(fā)送者到接收者。具體地,發(fā)送者編碼要簽名信息的密文在硬幣態(tài)上,通過兩步正則圖上的量子游走,可以自動地產(chǎn)生用于量子隱形傳輸必須的糾纏態(tài)。發(fā)送者和接收者對制備的糾纏態(tài)的測量為簽名生成和簽名驗證的憑據(jù)。在驗證階段,在仲裁的輔助下,驗證者依照發(fā)送者的經(jīng)典結果核實簽名的有效性。此外,隨機數(shù)和認證的公共板被引進阻止接收方在接收真正信息序列之前的存在性偽造攻擊和否認攻擊。安全性分析表明設計的算法滿足簽名者和接收者的不可抵賴以及任何人的不可偽造。討論表明方案不能抗擊發(fā)送者的抵賴攻擊,相應的建議被給出。由于實驗上已經(jīng)證明量子游走可以在多個不同的物理系統(tǒng)上實現(xiàn),因此該簽名方案未來是可實現(xiàn)的。
為了提高理想格上格基的三角化算法的效率,該文通過研究理想格上的多項式結構提出了一個理想格上格基的快速三角化算法,其時間復雜度為O(n3log2B),其中n是格基的維數(shù),B是格基的無窮范數(shù)?;谠撍惴ǎ梢缘玫揭粋€計算理想格上格基Smith標準型的確定算法,且其時間復雜度也比現(xiàn)有的算法要快。更進一步,對于密碼學中經(jīng)常所使用的一類特殊的理想格,可以用更快的算法將三角化矩陣轉化為格基的Hermite標準型。
在無線電監(jiān)測和目標定位等應用中,接收信號經(jīng)常會受到脈沖噪聲和同頻帶干擾等復雜電磁環(huán)境的影響,傳統(tǒng)的基于2階統(tǒng)計量的信號處理方法往往不能正常工作,基于分數(shù)低階統(tǒng)計量的信號處理方法也由于對信號噪聲統(tǒng)計先驗知識的依賴性而遇到困難。近年來提出并受到信號處理領域普遍關注的相關熵和循環(huán)相關熵信號處理理論與方法,是解決復雜電磁環(huán)境下信號分析處理、參數(shù)估計、目標定位和其他應用問題的有效技術手段,有力促進了非高斯、非平穩(wěn)信號處理理論方法和應用的發(fā)展。該文系統(tǒng)性地綜述了相關熵和循環(huán)相關熵信號處理的基本理論和基本方法,包括相關熵與循環(huán)相關熵的起源背景、定義概念、性質(zhì)特點,以及所包含的數(shù)學物理意義。該文還介紹了相關熵與循環(huán)相關熵信號處理在多個領域的應用問題,希望對非高斯、非平穩(wěn)統(tǒng)計信號處理的研究和應用有所裨益。
自動目標識別(ATR)是雷達信息處理領域的重要研究方向。由于卷積神經(jīng)網(wǎng)絡(CNN)無需進行特征工程,圖像分類性能優(yōu)越,因此在雷達自動目標識別領域研究中受到越來越多的關注。該文綜合論述了CNN在雷達圖像處理中的應用進展。首先介紹了雷達自動目標識別相關知識,包括雷達圖像的特性,并指出了傳統(tǒng)的雷達自動目標識別方法局限性。給出了CNN卷積神經(jīng)網(wǎng)絡原理、組成和在計算機視覺領域的發(fā)展歷程。然后著重介紹了CNN在雷達自動目標識別中的研究現(xiàn)狀,其中詳細介紹了合成孔徑雷達(SAR)圖像目標的檢測與識別方法。接下來對雷達自動目標識別面臨的挑戰(zhàn)進行了深入分析。最后對CNN新理論、新模型,以及雷達新成像技術和未來復雜環(huán)境下的應用進行了展望。
復雜電磁環(huán)境下,外輻射源雷達中多徑雜波可能具備非平穩(wěn)的跳變特性。該文針對這種跳變型非平穩(wěn)雜波,結合輻射源信號的正交頻分復用(OFDM)調(diào)制特性,提出一種基于信道分段平滑的雜波抑制方法。首先建立了跳變雜波的時域信號模型,然后結合OFDM信號結構將其變換到子載波域,接著在子載波域?qū)Ω鱋FDM符號進行信道估計與分段平滑,最后利用該信道平滑值和對應段的參考信號抑制非平穩(wěn)雜波。仿真和實測數(shù)據(jù)表明,該文方法能夠有效抑制跳變型的非平穩(wěn)雜波。
昆蟲雷達是觀測昆蟲遷飛最有效的工具。研究昆蟲的雷達散射截面積(RCS)特性對于昆蟲雷達目標識別有著重要意義。該文將分析昆蟲的靜態(tài)RCS特性和動態(tài)RCS特性。首先,基于實測的X波段全極化昆蟲RCS數(shù)據(jù),分析昆蟲的靜態(tài)RCS特性,包括水平和垂直極化RCS隨體重變化規(guī)律以及昆蟲極化方向圖隨體重的變化規(guī)律。其次,總結當前通過電磁仿真研究昆蟲RCS特性所用到的介質(zhì)和幾何形狀模型,并對比了水、脊髓、干皮膚和殼質(zhì)與血淋巴混合物4種介質(zhì)和等體型扁長橢球體、等質(zhì)量扁長橢球體和三軸橢球體3種幾何模型組成的12種介質(zhì)模型,經(jīng)過電磁仿真結果與實測數(shù)據(jù)相對比發(fā)現(xiàn)脊髓介質(zhì)等質(zhì)量扁長橢球體模型與實測昆蟲RCS特性最接近。然后,基于Ku波段高分辨昆蟲雷達外場實測昆蟲回波數(shù)據(jù),分析了昆蟲動態(tài)RCS的起伏特性,將實測昆蟲動態(tài)RCS起伏數(shù)據(jù)與4種經(jīng)典的RCS起伏分布模型χ2, Log-normal, Weibull和Gamma分布分別進行了擬合分析,從最小二乘擬合誤差和擬合優(yōu)度檢驗結果可以看出,相比于其他3種模型,Gamma分布可以較好地描述昆蟲目標RCS起伏的統(tǒng)計特性。最后,綜述了昆蟲RCS特性在昆蟲雷達測量昆蟲朝向、體重等參數(shù)測量的應用。
現(xiàn)有的基于卷積神經(jīng)網(wǎng)絡(CNN)的合成孔徑雷達(SAR)圖像目標檢測算法依賴于大量切片級標記的樣本,然而對SAR圖像進行切片級標記需要耗費大量的人力和物力。相對于切片級標記,僅標記圖像中是否含有目標的圖像級標記較為容易。該文利用少量切片級標記的樣本和大量圖像級標記的樣本,提出一種基于卷積神經(jīng)網(wǎng)絡的半監(jiān)督SAR圖像目標檢測方法。該方法的目標檢測網(wǎng)絡由候選區(qū)域提取網(wǎng)絡和檢測網(wǎng)絡組成。半監(jiān)督訓練過程中,首先使用切片級標記的樣本訓練目標檢測網(wǎng)絡,訓練收斂后輸出的候選切片構成候選區(qū)域集;然后將圖像級標記的雜波樣本輸入網(wǎng)絡,將輸出的負切片加入候選區(qū)域集;接著將圖像級標記的目標樣本也輸入網(wǎng)絡,對輸出結果中的正負切片進行挑選并加入候選區(qū)域集;最后使用更新后的候選區(qū)域集訓練檢測網(wǎng)絡。更新候選區(qū)域集和訓練檢測網(wǎng)絡交替迭代直至收斂?;趯崪y數(shù)據(jù)的實驗結果證明,所提方法的性能與使用全部樣本進行切片級標記的全監(jiān)督方法的性能相差不大。
該文提出一種基于多通道調(diào)頻連續(xù)波(FMCW)毫米波雷達的微動手勢識別方法,并給出一種微動手勢特征提取的最優(yōu)雷達參數(shù)設計準則。通過對手部反射的雷達回波進行時頻分析處理,估計目標的距離多普勒譜、距離譜、多普勒譜和水平方向角度譜。設計固定幀時間長度拼接的距離-多普勒-時間圖特征,與距離-時間特征、多普勒-時間特征、水平方向角度-時間圖特征和三者聯(lián)合特征等,分別對7類微動手勢進行表征。根據(jù)手勢運動過程振幅和速度差異,進行手勢特征捕獲和對齊。利用僅有5層的輕量化卷積神經(jīng)網(wǎng)絡對微動手勢特征進行分類。實驗結果表明,相較其他特征,設計的距離-多普勒-時間圖特征能夠更為準確地表征微動手勢,且對未經(jīng)訓練的測試對象具有更好的泛化能力。
毫米波雷達具備全天候復雜環(huán)境下的工作能力,在汽車雷達、智能機器人等方面有廣泛的應用。同時,隨著半導體技術的快速發(fā)展,硅基工藝晶體管的截止頻率提升,硅基毫米波雷達成為研究熱點,大量的工作從系統(tǒng)設計、電路設計等方面提高毫米波雷達的性能。該文從系統(tǒng)和核心電路等方面對硅基毫米波雷達芯片的研究現(xiàn)狀和發(fā)展趨勢進行綜述。
利用無損探測技術來獲取地下目標的信息是當前研究的熱點,探地雷達(GPR)作為一種重要的無損工具,已被廣泛用于檢測,定位和特征化地下目標。然而,從GPR成像中探測掩埋物體并評估其位置既費時又費力。因此,實現(xiàn)地下目標的自動化探測對實際應用是必要的。為此,該文在綜合分析地下目標回波特征的基礎上,討論了使用GPR評估目標位置的可行性,并回顧了國內(nèi)外學者在GPR成像中對雙曲線特征自動化檢測的研究進展。該文還在國內(nèi)外典型實例剖析的基礎上,總結并比較了目標檢測的處理方法。最后指出,未來的研究應集中于開發(fā)新的深度學習檢測框架,用以自動檢測和估計真實場景中的地下特征。
海量的生物醫(yī)學圖像蘊含著豐富的信息,模式識別算法能夠從中挖掘規(guī)律并指導生物醫(yī)學基礎研究和臨床應用。近年來,模式識別和機器學習理論和實踐不斷完善,尤其是深度學習的廣泛研究和應用,促使人工智能、模式識別與生物醫(yī)學的交叉研究成為了當前的前沿熱點,相關的生物醫(yī)學圖像研究有了突破式的進展。該文首先簡述模式識別的常用算法,然后總結了這些算法應用于熒光顯微圖像、組織病理圖像、醫(yī)療影像等多種圖像中的挑戰(zhàn)性和國內(nèi)外研究現(xiàn)狀,最后對幾個潛在研究方向進行了分析和展望。
基于粗糙集理論的粗糙熵閾值法不需要圖像之外的先驗信息。粗糙熵閾值法需要解決兩個問題,一是圖像信息不完整性的度量,二是圖像的粒化。該文基于倒數(shù)信息熵,提出一種倒數(shù)粗糙熵用來度量圖像中信息的不完整性。為了更好地對圖像進行?;捎靡环N基于均勻性直方圖的粒子選取方式。該文提出的倒數(shù)粗糙熵表述簡潔,計算簡單。實驗驗證了該文方法的有效性。
壓縮感知(CS)理論是目前信息工程相關領域研究的前沿熱點之一。它打破了傳統(tǒng)的奈奎斯特采樣定理,相比于其要求的最小采樣頻率,CS理論證明了能夠從更低數(shù)目的采樣中以高概率完整地恢復原始信號,在保證信息特征不丟失的前提下節(jié)省了數(shù)據(jù)采集和處理的時間成本。壓縮感知理論本質(zhì)上可以視為處理線性信號恢復問題的工具,因此在求解信號和圖像的逆問題上有著顯而易見的優(yōu)勢。圖像退化問題便是其中之一,恢復相應的高質(zhì)量圖像的過程即為圖像優(yōu)化。為推動壓縮感知理論的學術研究與實際應用,該文介紹了其基本原理與方法。根據(jù)圖像優(yōu)化技術的現(xiàn)存研究工作,分別從去噪、去模糊和超分辨三大主流方面研究了基于CS理論的優(yōu)化技術。最后探討了所面臨的問題和挑戰(zhàn),分析了未來的發(fā)展趨勢,為將來研究工作的展開提供借鑒與幫助。
海量高維度的過程測量信息給傳統(tǒng)的故障診斷算法帶來極大的計算復雜度和建模復雜度,且傳統(tǒng)診斷算法存在難以利用高階量進行在線估計的不足。鑒于深度學習技術強大的數(shù)據(jù)表示學習和分析能力,基于深度學習的故障診斷引起了工業(yè)界和學術界的廣泛關注,并促使智能過程控制更加自動化和有效。該文從方法上將基于深度學習的故障診斷技術分為:基于棧式自編碼的故障診斷方法、基于深度置信網(wǎng)絡的故障診斷方法、基于卷積神經(jīng)網(wǎng)絡的故障診斷方法及基于循環(huán)神經(jīng)網(wǎng)絡的故障診斷方法4類,分別進行了回顧和總結,最后從數(shù)據(jù)預處理、深度網(wǎng)絡設計和決策3個層面對這一領域進行展望,提出了“集成創(chuàng)新”、“數(shù)據(jù)+知識”和“多技術融合”等故障診斷思想,闡明基于深度學習技術進行復雜系統(tǒng)的故障診斷仍具有巨大潛力。
原模圖低密度奇偶校驗(P-LDPC)碼已經(jīng)廣泛應用于各種通信系統(tǒng),為了使其能夠滿足不同應用場景下系統(tǒng)對糾錯性能、硬件資源損耗以及功耗等方面的要求,需要對P-LDPC碼進行進一步的設計優(yōu)化。該文主要從標準信道環(huán)境下基于雙P-LDPC(DP-LDPC)碼的聯(lián)合信源信道編碼(JSCC)系統(tǒng)的屬性研究、系統(tǒng)設計優(yōu)化以及性能表現(xiàn)等角度入手,對近些年出現(xiàn)的針對該系統(tǒng)環(huán)境所做的優(yōu)化分析工作進行了綜述。表明進行的優(yōu)化工作屬實顯著地改善了系統(tǒng)性能,為面向工業(yè)互聯(lián)網(wǎng)(II)的LDPC碼的研究工作提供些許思路。最后,該文對未來的研究工作進行了展望,為感興趣的研究學者提供參考以繼續(xù)推進。
為了降低計算任務的時延和系統(tǒng)的成本,移動邊緣計算(MEC)被用于車輛網(wǎng)絡,以進一步改善車輛服務。該文在考慮計算資源的情況下對車輛網(wǎng)絡時延問題進行研究,提出一種多平臺卸載智能資源分配算法,對計算資源進行分配,以提高下一代車輛網(wǎng)絡的性能。該算法首先使用K臨近(KNN)算法對計算任務的卸載平臺(云計算、移動邊緣計算、本地計算)進行選擇,然后在考慮非本地計算資源分配和系統(tǒng)復雜性的情況下,使用強化學習方法,以有效解決使用移動邊緣計算的車輛網(wǎng)絡中的資源分配問題。仿真結果表明,與任務全部卸載到本地或MEC服務器等基準算法相比,提出的多平臺卸載智能資源分配算法實現(xiàn)了時延成本的顯著降低,平均可節(jié)省系統(tǒng)總成本達80%。
邊緣計算服務器的負載不均衡將嚴重影響服務能力,該文提出一種適用于邊緣計算場景的任務調(diào)度策略(RQ-AIP)。首先,根據(jù)服務器的負載分布情況衡量整個網(wǎng)絡的負載均衡度,結合強化學習方法為任務匹配合適的邊緣服務器,以滿足傳感器節(jié)點任務的資源差異化需求;進而,構造任務時延和終端發(fā)射功率的映射關系來滿足物理域的約束,結合終端用戶社會屬性,為任務不斷地選擇合適的中繼終端,通過終端輔助調(diào)度的方式實現(xiàn)網(wǎng)絡的負載均衡。仿真結果表明,所提出的策略與其他負載均衡策略相比能有效地緩解邊緣服務器之間的負載和核心網(wǎng)的流量,降低任務處理時延。
該文首先對2019年度國家自然科學基金委分類申請分類評審等改革措施進行介紹,而后對信息一處的計算機輔助受理情況進行簡要的介紹和分析,以表格的形式說明了近十年來項目申請代碼、研究方向選擇持續(xù)進展情況。其次對2019年面上、青年、地區(qū)、重點和優(yōu)秀青年科學基金項目資助情況和項目的科學問題屬性進行統(tǒng)計和說明。再次舉例分析并強調(diào)研究方向選擇中應該注意的問題,最后介紹信息一處2020年申請代碼的調(diào)整情況和研究方向及選擇注意事項,以及重點領域建議的征集和評審。