一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

該文提出一種新的移位序列集的構(gòu)造方法，并基于這些新的移位序列，通過(guò)交織周期為N的完備高斯整數(shù)序列，得到一類具有靈活相關(guān)區(qū)長(zhǎng)度的周期為2N的高斯整數(shù)零相關(guān)區(qū)序列集。這類新的序列集的參數(shù)能接近甚至達(dá)到Tang-Fan-Matsuji界，所以序列集的性能是最佳的或者幾乎最佳的。高斯整數(shù)零相關(guān)區(qū)序列集可為高速準(zhǔn)同步擴(kuò)頻系統(tǒng)提供更多的地址選擇空間。

為了分析ZUC序列密碼算法在相關(guān)性能量分析攻擊方面的免疫能力，該文進(jìn)行了相關(guān)研究。為了提高攻擊的針對(duì)性，該文提出了攻擊方案的快速評(píng)估方法，并據(jù)此給出了ZUC相關(guān)性能量分析攻擊方案。最后基于ASIC開發(fā)環(huán)境構(gòu)建仿真驗(yàn)證平臺(tái)，對(duì)攻擊方案進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明該方案可成功恢復(fù)48 bit密鑰，說(shuō)明ZUC并不具備相關(guān)性能量分析攻擊的免疫力，同時(shí)也證實(shí)了攻擊方案快速評(píng)估方法的有效性。相比Tang Ming等采用隨機(jī)初始向量進(jìn)行差分能量攻擊，初始向量樣本數(shù)達(dá)到5000時(shí)才能觀察到明顯的差分功耗尖峰，該文的攻擊方案只需256個(gè)初始向量，且攻擊效果更為顯著。

2000年, Tang, Fan和Matsufuji給出(L,M,Zcz)-ZCZ序列簇的理論界為ZczL/M-1 。給定正整數(shù)n和L，本文給出一個(gè)交織ZCZ序列簇的構(gòu)造算法，該算法由L條周期為L(zhǎng)的正交序列簇生成一類(2n+1L,2L,2n-1)-ZCZ序列簇。若n2且4 |, 該類ZCZ序列簇中編號(hào)為奇數(shù)的序列與編號(hào)為偶數(shù)的序列在移位為時(shí)相關(guān)值為零。此外，選擇不同的正交序列簇或不同的移位序列, 經(jīng)構(gòu)造算法可以生成不同的ZCZ序列簇。

為提高命名數(shù)據(jù)網(wǎng)絡(luò)(Name Data Networking, NDN)路由過(guò)程中內(nèi)容名字查找的效率，該文提出一種基于深度布隆過(guò)濾器的3級(jí)名字查找方法。該方法使用長(zhǎng)短記憶神經(jīng)網(wǎng)絡(luò)(Long Short Term Memory, LSTM)與標(biāo)準(zhǔn)布隆過(guò)濾器相結(jié)合的方法優(yōu)化名字查找過(guò)程；采用3級(jí)結(jié)構(gòu)優(yōu)化內(nèi)容名字在內(nèi)容存儲(chǔ)器(Content Store, CS)、待定請(qǐng)求表(Pending Interest Table, PIT)中的精確查找過(guò)程，提高查找精度并降低內(nèi)存消耗。從理論上分析了3級(jí)名字查找方法的假陽(yáng)性率，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法能夠有效節(jié)省內(nèi)存、降低查找過(guò)程的假陽(yáng)性。

基于簡(jiǎn)化電磁矢量傳感器陣列，該文提出了一種新的降維四元數(shù)MUSIC估計(jì)方法。文中引用了四元數(shù)的概念，利用四元數(shù)的正交特性能夠很好地描述矢量傳感器陣元的正交結(jié)構(gòu)這一優(yōu)點(diǎn)，建立了電磁矢量傳感器陣列的四元數(shù)模型，利用降維Q-MUSIC (Quaternion-MUSIC)方法先對(duì)極化信號(hào)DOA進(jìn)行估計(jì)，通過(guò)已經(jīng)估計(jì)出來(lái)的DOA信息，再借助傳統(tǒng)的V-MUSIC (long-MUSIC)方法估計(jì)極化信息。從而依次獲得極化信號(hào)的4個(gè)參數(shù)。仿真實(shí)驗(yàn)驗(yàn)證了算法的可行性。

在LTE (Long Term Evolution)異構(gòu)網(wǎng)絡(luò)中，由于宏基站(Macro)與微微(Pico)基站的發(fā)射功率相差較大，一些離Pico基站較近的用戶因?yàn)榻邮盏降暮昊鞠滦行盘?hào)質(zhì)量好于Pico基站而選擇接入宏小區(qū)。然而，因?yàn)檫@些用戶距離Pico基站較近，因此上行通信會(huì)對(duì)Pico基站產(chǎn)生嚴(yán)重的上行干擾。小區(qū)覆蓋增強(qiáng)(Range Expansion, RE)技術(shù)能夠減少此類干擾，但同時(shí)又可能引入新的下行干擾。該文提出一種基于RE技術(shù)的上行干擾識(shí)別與協(xié)調(diào)機(jī)制(UIICRE)，能夠準(zhǔn)確識(shí)別上行干擾源及其強(qiáng)度，并進(jìn)行相應(yīng)的干擾協(xié)調(diào)處理。仿真結(jié)果表明，該文提出的方案能夠解決Pico小區(qū)的上行干擾問(wèn)題，提升用戶的上行通信質(zhì)量，并保證用戶下行通信質(zhì)量不受影響。

信噪比是衡量信道質(zhì)量的一個(gè)重要參數(shù)，該文主要研究LTE(Long Term Evolution)系統(tǒng)中基于探測(cè)參考信號(hào)(Sounding Reference Signal, SRS)的信噪比估計(jì)方法。針對(duì)DASS(Difference of Adjacent Subcarrier Signal)算法在高信噪比下噪聲估計(jì)誤差較大的這一缺點(diǎn)，該文提出一種適用于SRS的改進(jìn)DASS方法。該方法通過(guò)重新定義子載波的差分方式，減小了噪聲估計(jì)的誤差，并且由于對(duì)連續(xù)的3個(gè)SRS頻點(diǎn)，僅需要估計(jì)一次噪聲，使得該文方法的復(fù)雜度僅為原DASS方法的1/3。仿真結(jié)果表明，所提方法的估計(jì)性能優(yōu)于其余的方法，特別是在低時(shí)延和中等時(shí)延信道下，高信噪比時(shí)的估計(jì)精度提高了約10倍。

利用非授權(quán)頻段頻譜資源提升網(wǎng)絡(luò)容量需要有效地解決LTE(Long Term Evaluation)與WiFi的共存問(wèn)題。最近，學(xué)術(shù)界和工業(yè)界相繼提出了授權(quán)頻段輔助接入機(jī)制和雙模微基站技術(shù)提升蜂窩通信系統(tǒng)容量?？紤]雙模微基站與WiFi接入點(diǎn)覆蓋范圍存在部分重疊場(chǎng)景，該文提出一種新的雙模微基站非授權(quán)信道接入機(jī)制及聯(lián)合授權(quán)非授權(quán)的優(yōu)化頻譜資源分配方案。仿真結(jié)果表明，雙模微基站和WiFi接入點(diǎn)互不可見(jiàn)時(shí)，新方案相比于現(xiàn)有方案由于考慮了空間復(fù)用具有更好的系統(tǒng)性能；雙模微基站和WiFi接入點(diǎn)互相可見(jiàn)時(shí)，新方案與現(xiàn)有方案性能一致，即兩者分時(shí)獨(dú)立占用非授權(quán)頻段頻譜資源。

針對(duì)傳統(tǒng)方法不能有效抽取維吾爾語(yǔ)事件因果關(guān)系的問(wèn)題，該文提出一種基于雙向LSTM(Bidirectional Long Short-Term Memory, BiLSTM)的維吾爾語(yǔ)事件因果關(guān)系抽取方法。通過(guò)對(duì)維吾爾語(yǔ)語(yǔ)言以及事件因果關(guān)系特點(diǎn)的研究，提取出10項(xiàng)基于事件內(nèi)部結(jié)構(gòu)信息的特征；同時(shí)為充分利用事件語(yǔ)義信息，引入詞嵌入作為BiLSTM的輸入，提取事件句隱含的深層語(yǔ)義特征并利用批樣規(guī)范化(Batch Normalization, BN)算法加速BiLSTM的收斂；最后融合這兩類特征作為softmax分類器的輸入進(jìn)而完成維吾爾語(yǔ)事件因果關(guān)系抽取。實(shí)驗(yàn)結(jié)果表明，該方法用于維吾爾語(yǔ)事件因果關(guān)系的抽取準(zhǔn)確率為 89.19%, 召回率為 83.19%, F值為86.09%，證明了該文提出的方法在維吾爾語(yǔ)事件因果關(guān)系抽取上的有效性。

心血管疾病是造成全球死亡人數(shù)最多的疾病之一，因此對(duì)心血管疾病的預(yù)防與提前診斷至關(guān)重要。人工聽診技術(shù)與計(jì)算機(jī)心音診斷技術(shù)無(wú)法滿足對(duì)心音長(zhǎng)時(shí)間聽診的需求，因而可穿戴式聽診設(shè)備越來(lái)越受到關(guān)注，但是其具有高精度與低功耗的要求。該文設(shè)計(jì)了低功耗的面向可穿戴式的基于長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Term Memory, LSTM)的智能心音異常診斷芯片，提出了包括預(yù)處理、特征提取以及異常診斷的心音異常診斷系統(tǒng)，并搭建了基于聽診器的心音采集FPGA系統(tǒng)，采用了數(shù)據(jù)增強(qiáng)的方法解決數(shù)據(jù)集的不平衡問(wèn)題。基于預(yù)訓(xùn)練模型設(shè)計(jì)了智能心音異常診斷芯片，在SMIC180 nm工藝下完成了版圖設(shè)計(jì)和MPW流片。后仿真結(jié)果表明，智能心音異常診斷芯片的診斷準(zhǔn)確率為98.6%，功耗為762 μW，面積為3.06 mm × 2.45 mm，滿足可穿戴式智能心音異常診斷設(shè)備的高性能與低功耗的需求。