123,123,123

基于木馬特征風(fēng)險(xiǎn)敏感的硬件木馬檢測(cè)方法[測(cè)試測(cè)量][信息安全]

針對(duì)現(xiàn)有硬件木馬檢測(cè)方法中存在的木馬檢出率偏低問(wèn)題，提出一種基于木馬特征風(fēng)險(xiǎn)敏感的門(mén)級(jí)硬件木馬檢測(cè)方法。通過(guò)分析木馬電路的結(jié)構(gòu)特征和信號(hào)特征，構(gòu)建11維硬件木馬特征向量；提出了基于Borderline-SMOTE的硬件木馬特征擴(kuò)展算法，有效擴(kuò)充了訓(xùn)練數(shù)據(jù)集中的木馬樣本信息；基于PSO智能尋優(yōu)算法優(yōu)化SVM模型參數(shù)，建立了木馬特征風(fēng)險(xiǎn)敏感分類模型。該方法基于Trust-Hub木馬庫(kù)中的17個(gè)基準(zhǔn)電路展開(kāi)實(shí)驗(yàn)驗(yàn)證，其中16個(gè)基準(zhǔn)電路的平均真陽(yáng)率（TPR）達(dá)到100%，平均真陰率（TNR）高達(dá)99.04%，與現(xiàn)有的其他檢測(cè)方法相比，大幅提升了硬件木馬檢出率。

發(fā)表于：2023/5/31

基于OpenMV的共享單車規(guī)范停車檢測(cè)[人工智能][智能交通]

為了解決城市中共享單車亂停亂放的問(wèn)題，提出了一種基于OpenMV的共享單車規(guī)范停車系統(tǒng)。系統(tǒng)主要由OpenMV開(kāi)發(fā)板、BC20通信定位模塊以及OneNET云服務(wù)器等組成。其中OpenMV完成對(duì)停車狀態(tài)的檢測(cè)與識(shí)別，借助BC20內(nèi)置的網(wǎng)絡(luò)模塊與OneNET云服務(wù)器進(jìn)行數(shù)據(jù)交互，并將檢測(cè)結(jié)果反饋至小程序客戶端，從而實(shí)現(xiàn)對(duì)共享單車的停車檢測(cè)和控制。系統(tǒng)通過(guò)大量的測(cè)試，實(shí)驗(yàn)結(jié)果表明系統(tǒng)運(yùn)行穩(wěn)定，識(shí)別準(zhǔn)確率為94.1%，可以實(shí)現(xiàn)共享單車的規(guī)范停車自動(dòng)檢測(cè)，具有良好的市場(chǎng)應(yīng)用前景與價(jià)值。

發(fā)表于：2023/5/31

基于單頁(yè)語(yǔ)義特征的垃圾網(wǎng)頁(yè)檢測(cè)[人工智能][通信網(wǎng)絡(luò)]

為解決垃圾網(wǎng)頁(yè)檢測(cè)中特征提取難度高、計(jì)算量大的問(wèn)題，提出一種僅基于當(dāng)前網(wǎng)頁(yè)的HTML腳本提取語(yǔ)義特征的方法。首先使用深度優(yōu)先搜索和動(dòng)態(tài)規(guī)劃相結(jié)合的記憶化搜索算法對(duì)域名進(jìn)行單詞切割，采用隱含狄利克雷分布提取主題詞，基于Word2Vec詞向量和詞移距離計(jì)算3個(gè)單頁(yè)語(yǔ)義相似度特征；然后將單頁(yè)語(yǔ)義相似度特征融合單頁(yè)統(tǒng)計(jì)特征，使用隨機(jī)森林等分類算法構(gòu)建分類模型進(jìn)行垃圾網(wǎng)頁(yè)檢測(cè)。實(shí)驗(yàn)結(jié)果表明，基于單頁(yè)內(nèi)容提取語(yǔ)義特征融合單頁(yè)統(tǒng)計(jì)特征進(jìn)行分類的AUC值達(dá)到88.0%，比對(duì)照方法提高4%左右。

發(fā)表于：2023/5/31

基于動(dòng)態(tài)圖卷積的點(diǎn)云補(bǔ)全網(wǎng)絡(luò)[人工智能][通信網(wǎng)絡(luò)]

大多數(shù)傳統(tǒng)的深度學(xué)習(xí)點(diǎn)云補(bǔ)全學(xué)習(xí)方法僅僅使用了全局特征而忽略了局部特征，為了更好地提取和使用點(diǎn)云的局部特征，提出了一個(gè)基于深度學(xué)習(xí)的端到端點(diǎn)云補(bǔ)全網(wǎng)絡(luò)。在點(diǎn)云補(bǔ)全網(wǎng)絡(luò)（PCN）的基礎(chǔ)上，編碼部分引入針對(duì)局部特征改進(jìn)的動(dòng)態(tài)圖卷積（DGCNN），使用多個(gè)不同維度的邊卷積提取較為豐富的局部特征，并按照距離弱化遠(yuǎn)點(diǎn)的特征；然后用深度殘差網(wǎng)絡(luò)連接的思想優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)以實(shí)現(xiàn)多尺度特征的融合，并加入平均池化彌補(bǔ)全局池化造成的信息損失；在解碼部分引入折疊網(wǎng)絡(luò)（FoldingNet），使輸出的點(diǎn)云更加完整。實(shí)驗(yàn)結(jié)果表明，該點(diǎn)云補(bǔ)全網(wǎng)絡(luò)相對(duì)PCN等點(diǎn)云補(bǔ)全網(wǎng)絡(luò)有部分提升，驗(yàn)證了新方法的有效性。

發(fā)表于：2023/5/31

紋理特征提取方法綜述[其他][其他]

圖像紋理特征提取是圖像紋理分類與分割的基礎(chǔ)，廣泛應(yīng)用于醫(yī)學(xué)圖像、遙感圖像等領(lǐng)域。對(duì)近期的主流紋理特征提取方法以及融合方法進(jìn)行了分析與總結(jié)，并探討了紋理特征提取方法未來(lái)的研究方向。首先詳細(xì)介紹了12個(gè)主流的公開(kāi)紋理數(shù)據(jù)集的特點(diǎn)及其適用場(chǎng)景；接著總結(jié)了近幾年出現(xiàn)的一些紋理特征提取方法，并根據(jù)特征融合方式從多個(gè)角度對(duì)紋理特征融合方法進(jìn)行了分類介紹；最后總結(jié)了紋理特征提取存在的難點(diǎn)和挑戰(zhàn)，并對(duì)未來(lái)的紋理特征提取方法研究方向進(jìn)行思考和討論。

發(fā)表于：2023/5/31

空基網(wǎng)絡(luò)定向天線對(duì)準(zhǔn)與跟蹤技術(shù)綜述[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為了滿足寬頻帶、大容量、遠(yuǎn)距離和多成員等未來(lái)通信需求，定向天線逐漸廣泛地投入應(yīng)用。由于定向天線只在某些特定方向上收發(fā)電磁波，相比于全向天線其隱蔽性和抗干擾性強(qiáng)，增加了輻射功率的有效利用率，因此能擴(kuò)大通信距離，更好地適應(yīng)多節(jié)點(diǎn)的復(fù)雜環(huán)境。但同時(shí)該特性也使得“定向天線對(duì)準(zhǔn)”成為了研究熱點(diǎn)，尤其是為了緩解通信頻段變高后傳播損耗帶來(lái)的影響，定向天線波束收窄，導(dǎo)致對(duì)準(zhǔn)難度進(jìn)一步加?。欢栈h(huán)境中通信雙方高速運(yùn)動(dòng)，如何保持實(shí)時(shí)跟蹤也成為關(guān)鍵問(wèn)題。因此針對(duì)空-空應(yīng)用場(chǎng)景，綜述定向天線對(duì)準(zhǔn)及跟蹤過(guò)程中指向求解、角度測(cè)量和波束跟蹤等方法，并討論分析了各方法的優(yōu)缺點(diǎn)；總結(jié)出以軌跡預(yù)測(cè)為輔助，基于坐標(biāo)-信號(hào)聯(lián)合跟蹤控制方案的系統(tǒng)架構(gòu)，說(shuō)明了定向天線對(duì)準(zhǔn)及跟蹤技術(shù)的潛在挑戰(zhàn)和未來(lái)的發(fā)展方向。

發(fā)表于：2023/5/31

應(yīng)對(duì)實(shí)際工程挑戰(zhàn)，如何為嵌入式軟件開(kāi)發(fā)選擇編譯器[嵌入式技術(shù)][汽車電子]

　　在過(guò)去數(shù)十年，摩爾定律一直支配著半導(dǎo)體的發(fā)展。隨著MCU的性能越來(lái)越強(qiáng)，嵌入式產(chǎn)品也越來(lái)越智能，嵌入式軟件也變得越來(lái)越復(fù)雜。編譯器作為嵌入式軟件開(kāi)發(fā)的基礎(chǔ)工具，將程序員編寫(xiě)的源代碼轉(zhuǎn)換為底層硬件可以執(zhí)行的機(jī)器指令。一款優(yōu)秀的編譯器既需要對(duì)程序進(jìn)行優(yōu)化，確保程序可以高效地運(yùn)行，同時(shí)又需要保證轉(zhuǎn)換的一致性。

發(fā)表于：2023/5/29

如何通過(guò)人工智能（AI）和機(jī)器學(xué)習(xí)應(yīng)對(duì)零售勞動(dòng)力和執(zhí)行方面的挑戰(zhàn)[人工智能][物聯(lián)網(wǎng)]

　　今年以來(lái)國(guó)內(nèi)消費(fèi)持續(xù)恢復(fù)，國(guó)內(nèi)零售市場(chǎng)呈穩(wěn)步發(fā)展態(tài)勢(shì)，而商務(wù)部也將2023年定為“消費(fèi)提振年”，消費(fèi)的基礎(chǔ)性作用被進(jìn)一步強(qiáng)調(diào)。面對(duì)不斷增長(zhǎng)的需求，零售團(tuán)隊(duì)人員數(shù)量及具體運(yùn)營(yíng)執(zhí)行是否能及時(shí)匹配，正成為零售商們不得不面臨的挑戰(zhàn)。零售團(tuán)隊(duì)人員的短缺將使商店難以正常運(yùn)營(yíng)。當(dāng)商店經(jīng)理的人數(shù)捉襟見(jiàn)肘時(shí)，他們可能沒(méi)有時(shí)間對(duì)員工進(jìn)行新技能培訓(xùn)，幫助員工提高現(xiàn)有的技能組合，或者弄清楚如何以更佳的方式在商店中利用其技能。商店經(jīng)理也可能難以對(duì)已有員工進(jìn)行有效的安排。鑒于如今客戶和員工的期望之高前所未有，因此很難追蹤每位團(tuán)隊(duì)成員的排班偏好和可用性。

發(fā)表于：2023/5/29

基于變壓器的穩(wěn)壓器采用靈活的TLVR結(jié)構(gòu)，實(shí)現(xiàn)極快的動(dòng)態(tài)響應(yīng)[電源技術(shù)][工業(yè)自動(dòng)化]

　　對(duì)于需要數(shù)千安培大電流的應(yīng)用來(lái)說(shuō)，具有極快動(dòng)態(tài)響應(yīng)的穩(wěn)壓器（VR）是非常合宜的。本文介紹基于變壓器的穩(wěn)壓器，其采用跨電感電壓調(diào)節(jié)器（TLVR）結(jié)構(gòu)，設(shè)計(jì)用于在負(fù)載瞬變期間實(shí)現(xiàn)極快響應(yīng)。采用TLVR結(jié)構(gòu)的基于變壓器的穩(wěn)壓器克服了傳統(tǒng)TLVR結(jié)構(gòu)的缺點(diǎn)，提供很大的設(shè)計(jì)靈活性和極快的瞬態(tài)響應(yīng)，因而輸出電容和解決方案尺寸更小，系統(tǒng)成本更低。文中提供了詳細(xì)的實(shí)驗(yàn)結(jié)果和案例研究，以展示采用TLVR結(jié)構(gòu)的基于變壓器的穩(wěn)壓器具備的綜合優(yōu)勢(shì)。

發(fā)表于：2023/5/29

恩智浦S32G3處理器加速開(kāi)發(fā)軟件定義汽車和安全處理[嵌入式技術(shù)][汽車電子]

　　隨著S32G3系列量產(chǎn)，S32G系列汽車網(wǎng)絡(luò)處理器的規(guī)模翻了一番，其性能、內(nèi)存和網(wǎng)絡(luò)帶寬均為S32G2系列的2.5倍。新的S32G3處理器與S32G2處理器兼容封裝引腳和軟件，允許客戶設(shè)計(jì)性能擴(kuò)展約10倍，以支持多個(gè)產(chǎn)品層或隨著時(shí)間的推移提高產(chǎn)品性能。S32G系列現(xiàn)在從三個(gè)雙核鎖步微控制器擴(kuò)展到四個(gè)雙核鎖步微控制器+八路高性能微計(jì)算機(jī)，提供3.9k到36k DMIPS的處理范圍。

發(fā)表于：2023/5/29

人工智能在5G和6G網(wǎng)絡(luò)中的應(yīng)用[人工智能][物聯(lián)網(wǎng)]

　　人工智能（AI）革命已經(jīng)到來(lái)。隨著ChatGPT等應(yīng)用的公開(kāi)發(fā)布，人們得以利用深度神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)（ML）的力量和潛力獲得親身體驗(yàn)。ChatGPT是一個(gè)語(yǔ)言模型，該模型使用來(lái)自互聯(lián)網(wǎng)和書(shū)籍的海量文本數(shù)據(jù)進(jìn)行了訓(xùn)練，能夠生成類似真人撰寫(xiě)的文本。這種類型的應(yīng)用完美體現(xiàn)出了人工智能的優(yōu)勢(shì)。它可以通過(guò)大量的訓(xùn)練數(shù)據(jù)不斷優(yōu)化在復(fù)雜場(chǎng)景下的輸出。

發(fā)表于：2023/5/29

Cadence 發(fā)布面向 TSMC 3nm 工藝的 112G-ELR SerDes IP 展示[人工智能][5G]

　　3nm 時(shí)代來(lái)臨了！Cadence 在 2023 年 TSMC 北美技術(shù)研討會(huì)期間發(fā)布了面向臺(tái)積電 3nm 工藝（N3E）的 112G 超長(zhǎng)距離（112G-ELR）SerDes IP 展示，這是 Cadence 112G-ELR SerDes IP 系列產(chǎn)品的新成員。在后摩爾時(shí)代的趨勢(shì)下，F(xiàn)inFET 晶體管的體積在 TSMC 3nm 工藝下進(jìn)一步縮小，進(jìn)一步采用系統(tǒng)級(jí)封裝設(shè)計(jì)（SiP）。通過(guò)結(jié)合工藝技術(shù)的優(yōu)勢(shì)與 Cadence 業(yè)界領(lǐng)先的數(shù)字信號(hào)處理（DSP）SerDes 架構(gòu)，全新的 112G-ELR SerDes IP 可以支持 45dB 插入損耗，擁有卓越的功耗、性能、面積（PPA）指標(biāo)，是超大規(guī)模 ASICs，人工智能/機(jī)器學(xué)習(xí)（AI/ML）加速器，交換矩陣片上系統(tǒng)（SoCs）和 5G 基礎(chǔ)設(shè)施應(yīng)用的理想選擇。

發(fā)表于：2023/5/24

Microchip發(fā)布升級(jí)版編程器和調(diào)試器開(kāi)發(fā)工具[嵌入式技術(shù)][物聯(lián)網(wǎng)]

　　對(duì)于嵌入式設(shè)計(jì)人員來(lái)說(shuō)，編程和調(diào)試仍然是至關(guān)重要的，但人工操作耗時(shí)較長(zhǎng)，Microchip Technology Inc.（美國(guó)微芯科技公司）推出了MPLAB® ICD 5和MPLAB PICkit? 5兩款全新的在線調(diào)試器/編程器，為開(kāi)發(fā)人員提供快速、經(jīng)濟(jì)和便捷的解決方案。這兩款工具都具有遠(yuǎn)程編程功能，提供更好的用戶體驗(yàn)。

發(fā)表于：2023/5/24

計(jì)算法學(xué)的體系思考與未來(lái)展望[其他][其他]

發(fā)表于：2023/5/23

基于深度自適應(yīng)小波網(wǎng)絡(luò)的通信輻射源個(gè)體識(shí)別[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)現(xiàn)有的通信輻射源個(gè)體識(shí)別方法中人工提取特征復(fù)雜以及深度學(xué)習(xí)網(wǎng)絡(luò)的識(shí)別機(jī)制缺乏清晰解釋的問(wèn)題，提出了一種基于深度自適應(yīng)小波網(wǎng)絡(luò)(Deep Adaptive Wavelet Network，DAWN)的通信輻射源個(gè)體識(shí)別方法。首先分析了選擇互調(diào)干擾作為輻射源間個(gè)體特征的原因；接著應(yīng)用了可實(shí)現(xiàn)提升小波變換的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)去提取特征，并在其基礎(chǔ)上設(shè)計(jì)出可以同時(shí)完成特征提取和識(shí)別的DAWN；最后，選擇Oracle數(shù)據(jù)集驗(yàn)證方法的可行性。實(shí)驗(yàn)結(jié)果表明：利用DAWN對(duì)5個(gè)通信輻射源個(gè)體識(shí)別的準(zhǔn)確率為95.5%，并且方法具有良好的抗噪性。

發(fā)表于：2023/5/23