設計應用-AET-電子技術應用

慣性測量單元姿態融合的動態分析[通信與網絡][通信網絡]

針對慣性測量單元背景噪聲和器件漂移等問題，提出了一種基于梯度下降法、互補濾波和卡爾曼濾波的融合算法。首先，利用加速度計和磁力計的數據通過幾何計算得出姿態角。其次，利用梯度下降法，將加速度計和陀螺儀的數據進行基于四元數法的數據融合，得出姿態角。接著，利用互補濾波法將姿態數據再次結合。最后，利用卡爾曼算法對結合后的數據進行濾波處理。通過動態實驗表明，經過此融合算法的慣性測量單元與傳統算法相比，數據輸出更加準確，連續性提高，并擁有很好的平穩特性。

發表于：2021/7/20 16:05:02

一種基于NB-IoT的物聯網燃氣表研究設計[其他][物聯網]

針對物聯網技術的發展現狀和智能燃氣表對低功耗與強連接的需求，提出了一種基于NB-IoT技術的物聯網智能燃氣表的設計方案。該方案采用瑞薩R7F0C004芯片作為MCU采集燃氣計量數據，以N700-58為通信模組實現網絡連接，業務數據經由CoAP協議封裝后發送到電信AEP平臺，再由AEP平臺推送到燃氣表業務管理平臺系統實現數據通信。測試結果表明，所設計的燃氣表終端無論是在連網收發數據，還是在低能耗方面都達到了預期的設計目標，能夠很好地滿足應用需求。

發表于：2021/7/20 15:57:43

空天地一體化網絡系統架構設計與智能管理[通信與網絡][通信網絡]

為了克服空天地一體化網絡系統(Space-Air-Ground Integrated Network，SAGIN)由于結構復雜和業務多樣而導致的不同網絡間的協同困難，提出了基于移動邊緣計算(Mobile Edge Computing，MEC)的SAGIN多維管理架構。通過將網絡系統劃分為數據層、控制層和管理層，網絡狀態信息由各網絡層逐層匯總和分層處理，網絡管理策略由MEC統一制定，并逐層轉發，實現不同網絡間的協同管理。基于所提架構搭建網絡仿真平臺，并通過強化學習方法制定網絡協同策略，仿真結果證明了該架構的可行性。

發表于：2021/7/20 15:52:48

基于深度學習的抽油機井工況診斷方法[其他][其他]

基于示功圖對抽油機井下工況進行自動診斷是數字油田不可或缺的環節。通常通過人工提取示功圖的特征向量，然后輸入機器學習算法分類器識別井下工況。然而，特征的選擇需要借助經驗和先驗知識，并且直接影響后續分類器的最終性能。而人工提取特征易受知識干擾，且在特征提取的過程中存在信息丟失，這決定了識別結果的上限。為此，受深度神經網絡自動特征提取的啟發，提出基于卷積神經網絡的示功圖的離線訓練與在線診斷的方法。首先將挑選后的信號數據轉換為圖像數據，然后將圖像二值化降低計算復雜度，最后基于改進的LeNet-5網絡探究最適合模型的網絡結構。最終通過實驗與目前先進的算法進行對比，驗證了本方法的有效性和可行性。

發表于：2021/7/20 15:45:29

改進的TF-IDF算法在文本分類中的研究[其他][其他]

企業數字化建設過程中，對大量日常經營活動文本的數字化處理通常是多任務的，需要對文本數據同時完成信息抽取和文本分類任。在此應用場景下，為了實現更加精準的分類效果，提出一種改進的TF-IDF算法，將文本信息抽取結果也作為文本重要類別區分特征。通過引入信息增益方法得到改進的權重計算公式，進而得到改進的文本特征向量空間表示，再構建文本分類模型。實驗以石油行業中文文本為例，選取測試文本2 006條進行文本分類對比實驗，實驗結果表明改進的TF-IDF算法精確率P達到99.3%，召回率R達到98.7%，相比于傳統TF-IDF算法文本分類效果得到顯著提高。

發表于：2021/7/20 15:27:53

一種應用于語義分割的新型親和力監督方法[其他][其他]

語義分割是計算機視覺領域一項基本且具有挑戰性的任務，最近的語義分割研究工作，著力于設計注意力機制和全局性模塊，而在注意力機制中，親和力矩陣是非常重要的部份。傳統的親和力矩陣是以注意力機制的一部分嵌入在神經網絡中，通常作為特征融合的權重來使用。嘗試直接將親和力矩陣應用于注意力機制之外，與語義標簽聯系起來。首先定義標簽親和力矩陣，再在語義分割網絡輸出層計算親和力矩陣，將兩個矩陣結合起來，得到一個輔助的懲罰函數。標簽親和力矩陣可以視為一種結構上的監督信息，能輔助訓練語義分割網絡。在NYUv2數據集上的實驗結果表明，懲罰函數有助于提高語義分割網絡的精度，并且效果顯著。

發表于：2021/7/20 15:23:02

基于上下文特征重聚合網絡的人群計數[其他][其他]

針對計數問題中人群目標尺度的變化問題，提出了一種基于上下文特征重聚合的計數算法。將高層網絡提取的語義信息與底層網絡提取的人群尺度細節信息相結合，旨在利用淺層網絡中提取的信息向深層網絡提取的特征中融入不同尺度的行人目標特征，從而融合多種尺度的人群特征回歸出高質量的人群密度圖。此外，在ShanghaiTech、UCF_CC_50以及 UCF_QNRF 三個數據集進行算法的性能驗證，并通過結構實驗驗證本文結構的有效性。

發表于：2021/7/20 15:17:32

基于補丁特性的漏洞掃描研究[通信與網絡][信息安全]

為抵御漏洞引發的黑客攻擊和漏洞自身產生的威脅，1day漏洞應用修復的通用辦法是使用代碼匹配檢測。但目前源代碼匹配誤報率高，二進制代碼匹配不精確且不通用。基于此，提出了一種由源代碼到二進制的基于補丁特性的漏洞掃描模型——BinScan。它先形成已知漏洞數據庫并對源代碼進行已知漏洞掃描得出漏洞檢測結果；然后利用源代碼檢測信息對打補丁前后源代碼編譯生成二進制文件，形成二進制漏洞庫；最后比較目標二進制文件相似性，利用源代碼結果進行檢驗。最終生成Linux Kernel的2 700條漏洞數據，15 496個patch文件，實現了利用源代碼檢測限制二進制文件的漏洞檢測范圍，然后基于CFG和二進制代碼相似性檢測補丁存在以檢測漏洞。檢測結果表明，此方法與其他二進制漏洞檢測工具相比，可以將源代碼級的漏洞掃描能力應用于二進制，是有效的。

發表于：2021/7/20 15:13:10

基于最優停止理論的網絡欺騙防御策略優化[通信與網絡][信息安全]

網絡欺騙防御已經成為網絡主動防御的重要手段。網絡欺騙防御系統中，防御方主動釋放部分有效信息來迷惑攻擊者，受到誘騙的攻擊者則會在欺騙誘捕環境中實施進一步攻擊，直至攻擊者識破誘騙手段或防御方主動驅逐攻擊者。為研究如何在達到有效防御效果的同時，盡量減少欺騙環境所釋放的有效信息，分別分析了欺騙防御模型和最優停止理論問題模型，確立了欺騙防御模型和最優停止理論的要素對應關系。基于最優停止理論，構建了信息收益最大化問題模型，通過對每次攻擊行動信息量和有效信息泄露量進行分析，選擇最大信息量之比，對后續攻擊進行抑制，求解信息收益最大化問題，得出最佳抑制時刻，即最優解表達式。

發表于：2021/7/20 15:06:18

基于LSTM的卷積神經網絡異常流量檢測方法[其他][其他]

針對傳統機器學習方法依賴人工特征提取，存在檢測算法準確率低、無法應對0day漏洞利用等未知類型攻擊等問題，提出一種基于卷積神經網絡(Convolutional Neural Networks，CNN)和長短期記憶網絡(Long-Short Term Memory，LSTM)混合算法的異常流量檢測方法，充分發掘攻擊流量的結構化特點，提取流量數據的時空特征，提高了異常流量檢測系統性能。實驗結果表明，在CIC-IDS2017數據集上，多種異常流量檢測的準確率均超過96.9%，總體準確率達到98.8%，與其他機器學習算法相比準確率更高，同時保持了極低的誤警率。

發表于：2021/7/20 14:34:50