设计应用-AET-电子技术应用

惯性测量单元姿态融合的动态分析[通信与网络][通信网络]

针对惯性测量单元背景噪声和器件漂移等问题，提出了一种基于梯度下降法、互补滤波和卡尔曼滤波的融合算法。首先，利用加速度计和磁力计的数据通过几何计算得出姿态角。其次，利用梯度下降法，将加速度计和陀螺仪的数据进行基于四元数法的数据融合，得出姿态角。接着，利用互补滤波法将姿态数据再次结合。最后，利用卡尔曼算法对结合后的数据进行滤波处理。通过动态实验表明，经过此融合算法的惯性测量单元与传统算法相比，数据输出更加准确，连续性提高，并拥有很好的平稳特性。

发表于：7/20/2021 4:05:02 PM

一种基于NB-IoT的物联网燃气表研究设计[其他][物联网]

针对物联网技术的发展现状和智能燃气表对低功耗与强连接的需求，提出了一种基于NB-IoT技术的物联网智能燃气表的设计方案。该方案采用瑞萨R7F0C004芯片作为MCU采集燃气计量数据，以N700-58为通信模组实现网络连接，业务数据经由CoAP协议封装后发送到电信AEP平台，再由AEP平台推送到燃气表业务管理平台系统实现数据通信。测试结果表明，所设计的燃气表终端无论是在连网收发数据，还是在低能耗方面都达到了预期的设计目标，能够很好地满足应用需求。

发表于：7/20/2021 3:57:43 PM

空天地一体化网络系统架构设计与智能管理[通信与网络][通信网络]

为了克服空天地一体化网络系统(Space-Air-Ground Integrated Network，SAGIN)由于结构复杂和业务多样而导致的不同网络间的协同困难，提出了基于移动边缘计算(Mobile Edge Computing，MEC)的SAGIN多维管理架构。通过将网络系统划分为数据层、控制层和管理层，网络状态信息由各网络层逐层汇总和分层处理，网络管理策略由MEC统一制定，并逐层转发，实现不同网络间的协同管理。基于所提架构搭建网络仿真平台，并通过强化学习方法制定网络协同策略，仿真结果证明了该架构的可行性。

发表于：7/20/2021 3:52:48 PM

基于深度学习的抽油机井工况诊断方法[其他][其他]

基于示功图对抽油机井下工况进行自动诊断是数字油田不可或缺的环节。通常通过人工提取示功图的特征向量，然后输入机器学习算法分类器识别井下工况。然而，特征的选择需要借助经验和先验知识，并且直接影响后续分类器的最终性能。而人工提取特征易受知识干扰，且在特征提取的过程中存在信息丢失，这决定了识别结果的上限。为此，受深度神经网络自动特征提取的启发，提出基于卷积神经网络的示功图的离线训练与在线诊断的方法。首先将挑选后的信号数据转换为图像数据，然后将图像二值化降低计算复杂度，最后基于改进的LeNet-5网络探究最适合模型的网络结构。最终通过实验与目前先进的算法进行对比，验证了本方法的有效性和可行性。

发表于：7/20/2021 3:45:29 PM

改进的TF-IDF算法在文本分类中的研究[其他][其他]

企业数字化建设过程中，对大量日常经营活动文本的数字化处理通常是多任务的，需要对文本数据同时完成信息抽取和文本分类任。在此应用场景下，为了实现更加精准的分类效果，提出一种改进的TF-IDF算法，将文本信息抽取结果也作为文本重要类别区分特征。通过引入信息增益方法得到改进的权重计算公式，进而得到改进的文本特征向量空间表示，再构建文本分类模型。实验以石油行业中文文本为例，选取测试文本2 006条进行文本分类对比实验，实验结果表明改进的TF-IDF算法精确率P达到99.3%，召回率R达到98.7%，相比于传统TF-IDF算法文本分类效果得到显著提高。

发表于：7/20/2021 3:27:53 PM

一种应用于语义分割的新型亲和力监督方法[其他][其他]

语义分割是计算机视觉领域一项基本且具有挑战性的任务，最近的语义分割研究工作，着力于设计注意力机制和全局性模块，而在注意力机制中，亲和力矩阵是非常重要的部份。传统的亲和力矩阵是以注意力机制的一部分嵌入在神经网络中，通常作为特征融合的权重来使用。尝试直接将亲和力矩阵应用于注意力机制之外，与语义标签联系起来。首先定义标签亲和力矩阵，再在语义分割网络输出层计算亲和力矩阵，将两个矩阵结合起来，得到一个辅助的惩罚函数。标签亲和力矩阵可以视为一种结构上的监督信息，能辅助训练语义分割网络。在NYUv2数据集上的实验结果表明，惩罚函数有助于提高语义分割网络的精度，并且效果显著。

发表于：7/20/2021 3:23:02 PM

基于上下文特征重聚合网络的人群计数[其他][其他]

针对计数问题中人群目标尺度的变化问题，提出了一种基于上下文特征重聚合的计数算法。将高层网络提取的语义信息与底层网络提取的人群尺度细节信息相结合，旨在利用浅层网络中提取的信息向深层网络提取的特征中融入不同尺度的行人目标特征，从而融合多种尺度的人群特征回归出高质量的人群密度图。此外，在ShanghaiTech、UCF_CC_50以及 UCF_QNRF 三个数据集进行算法的性能验证，并通过结构实验验证本文结构的有效性。

发表于：7/20/2021 3:17:32 PM

基于补丁特性的漏洞扫描研究[通信与网络][信息安全]

为抵御漏洞引发的黑客攻击和漏洞自身产生的威胁，1day漏洞应用修复的通用办法是使用代码匹配检测。但目前源代码匹配误报率高，二进制代码匹配不精确且不通用。基于此，提出了一种由源代码到二进制的基于补丁特性的漏洞扫描模型——BinScan。它先形成已知漏洞数据库并对源代码进行已知漏洞扫描得出漏洞检测结果；然后利用源代码检测信息对打补丁前后源代码编译生成二进制文件，形成二进制漏洞库；最后比较目标二进制文件相似性，利用源代码结果进行检验。最终生成Linux Kernel的2 700条漏洞数据，15 496个patch文件，实现了利用源代码检测限制二进制文件的漏洞检测范围，然后基于CFG和二进制代码相似性检测补丁存在以检测漏洞。检测结果表明，此方法与其他二进制漏洞检测工具相比，可以将源代码级的漏洞扫描能力应用于二进制，是有效的。

发表于：7/20/2021 3:13:10 PM

基于最优停止理论的网络欺骗防御策略优化[通信与网络][信息安全]

网络欺骗防御已经成为网络主动防御的重要手段。网络欺骗防御系统中，防御方主动释放部分有效信息来迷惑攻击者，受到诱骗的攻击者则会在欺骗诱捕环境中实施进一步攻击，直至攻击者识破诱骗手段或防御方主动驱逐攻击者。为研究如何在达到有效防御效果的同时，尽量减少欺骗环境所释放的有效信息，分别分析了欺骗防御模型和最优停止理论问题模型，确立了欺骗防御模型和最优停止理论的要素对应关系。基于最优停止理论，构建了信息收益最大化问题模型，通过对每次攻击行动信息量和有效信息泄露量进行分析，选择最大信息量之比，对后续攻击进行抑制，求解信息收益最大化问题，得出最佳抑制时刻，即最优解表达式。

发表于：7/20/2021 3:06:18 PM

基于LSTM的卷积神经网络异常流量检测方法[其他][其他]

针对传统机器学习方法依赖人工特征提取，存在检测算法准确率低、无法应对0day漏洞利用等未知类型攻击等问题，提出一种基于卷积神经网络(Convolutional Neural Networks，CNN)和长短期记忆网络(Long-Short Term Memory，LSTM)混合算法的异常流量检测方法，充分发掘攻击流量的结构化特点，提取流量数据的时空特征，提高了异常流量检测系统性能。实验结果表明，在CIC-IDS2017数据集上，多种异常流量检测的准确率均超过96.9%，总体准确率达到98.8%，与其他机器学习算法相比准确率更高，同时保持了极低的误警率。

发表于：7/20/2021 2:34:50 PM