久久久久国产欧美一区二区 ,免费国产一级

設計應用

具有固定長度密文的廣播加密方案

具有固定長度密文的廣播加密方案[其他][其他]

廣播加密方案可建立一對多的密態(tài)數(shù)據(jù)傳輸通道，消息發(fā)送者可在執(zhí)行加密操作前創(chuàng)建授權用戶集合，惟有授權用戶才能對接收到的廣播密態(tài)數(shù)據(jù)進行解密。利用素數(shù)階非對稱雙線性映射構造了標準模型下靜態(tài)安全的公鑰廣播加密方案，密文擴展量與用戶密鑰擴展量為O(1)，公鑰擴展量為O(N)(N表示廣播加密系統(tǒng)內用戶總數(shù))。與之前相關方案相比，該方案能夠在簡單的非交互式安全假設下取得標準模型下靜態(tài)安全性，并且取得最優(yōu)化的密文與用戶密鑰擴展量。

發(fā)表于：8/31/2021 2:57:00 PM

面向OSD語言檢測對照表的匹配定位算法

面向OSD語言檢測對照表的匹配定位算法[其他][其他]

OSD語言自動化檢測系統(tǒng)需要將識別輸出與標準對照表進行比對來確定最終結果，關鍵就在于能否實現(xiàn)精確匹配定位。因此，對經典的單模式匹配BM算法和多模式匹配AC算法分析研究，結合Excel表的編碼方式和特點，提出了一種針對Excel表的精準匹配定位算法。該算法利用Excel表成行成列的使用特點，將表格單列內容以三行并一組方式組合，根據(jù)三行總字數(shù)N和中間行字數(shù)M進行分類，利用單模式匹配方法進行匹配定位。分析驗證表明，該算法相對于BM算法、AC算法匹配次數(shù)更少，定位精確度更高。

發(fā)表于：8/31/2021 2:53:00 PM

基于證據(jù)理論的特征值之比協(xié)作頻譜感知算法

基于證據(jù)理論的特征值之比協(xié)作頻譜感知算法[其他][其他]

針對單節(jié)點頻譜感知容易受到多徑效應、隱蔽終端、路徑損耗等因素影響，提出了一種基于證據(jù)理論的特征值之比協(xié)作頻譜感知算法。該算法以特征值之比檢測法作為本地感知結果，通過基礎概率分配(BPA)函數(shù)計算出可信度發(fā)送給融合中心，融合中心根據(jù)D-S證據(jù)理論融合規(guī)則進行數(shù)據(jù)融合與判決。仿真結果表明,該算法對比于相關算法，在一定程度上抵抗惡意攻擊性能，具有較高的安全性，在低信噪比的環(huán)境下或者虛警概率高于0.6的環(huán)境下時，該算法的檢測概率更加突出，并且該算法還具有較高能效。

發(fā)表于：8/31/2021 2:48:00 PM

基于單因素方差分析的密碼算法統(tǒng)計檢驗

基于單因素方差分析的密碼算法統(tǒng)計檢驗[其他][其他]

在密碼學范疇中，隨機序列常作為密鑰、初始向量或算法參數(shù)使用。隨機序列的隨機性最終決定了整個密碼系統(tǒng)的安全性，因此在密碼技術中占有重要位置。對于良好的密碼算法產生的密文序列，應無法通過統(tǒng)計學方法進行區(qū)分。首先對7種經典密碼算法生成的密文序列進行NIST隨機性檢驗，統(tǒng)計失敗次數(shù)；然后關于密碼算法進行單因素方差分析，檢驗結果在統(tǒng)計學上無顯著差異。此統(tǒng)計檢驗可作為評價密碼算法好壞的指標之一。

發(fā)表于：8/31/2021 2:43:00 PM

基于無線通信的智能家居設計

基于無線通信的智能家居設計[通信與網絡][物聯(lián)網]

隨著科技的迅速發(fā)展以及物聯(lián)網時代的到來，人們對居住的環(huán)境也有了更高要求，智能家居技術日新月異。提出一款結合STM32開發(fā)平臺和中國移動云平臺的無線通信智能家居設計，相比傳統(tǒng)智能家居，本設計采用串口、Wi-Fi相結合的方式，擺脫了有線傳輸?shù)膹碗s性，通過MATLAB對監(jiān)控到的數(shù)據(jù)采用歸一化算法分析，用戶可通過云平臺實時監(jiān)控傳感信息，實現(xiàn)對家庭設備的智能控制。

發(fā)表于：8/31/2021 2:37:00 PM

基于平移窗運動想象腦電信號活動段提取

基于平移窗運動想象腦電信號活動段提取[其他][其他]

為了迅速、準確地識別運動想象的腦電信號，提出了一種基于平移窗的運動想象腦電信號活動段提取方法。該方法對運動想象腦電信號Mu/Beta節(jié)律的事件相關同步化/去同步化(ERS/ERD)特征進行檢測，提取ERS/ERD特征明顯的時段；再利用統(tǒng)計量進行特征提取，通過Classify分類器進行信號分類。利用2003年BCI競賽data set Ⅲ進行測試，分類準確率達到83.571 4%。該方法可以評價受試者的腦活動狀態(tài)，提高運動想象腦電信號的識別準確率，對腦-機接口實時控制系統(tǒng)的研究有一定的幫助。

發(fā)表于：8/31/2021 2:31:00 PM

低噪聲低功耗3階復數(shù)濾波器的設計

低噪聲低功耗3階復數(shù)濾波器的設計[其他][其他]

采用UMC 40 nm CMOS工藝，設計了一款低噪聲低功耗的3階復數(shù)濾波器。利用FLFB(Follow-the-Leader-Feedback)結構良好的噪聲特性，并以勞斯-霍爾維茨穩(wěn)定性判據(jù)為理論依據(jù)，采用相位裕度僅為36.8°的運放，達到低噪聲低功耗的優(yōu)化目的。仿真結果表明：濾波器的帶寬可調范圍為0.98～1.92 MHz，中心頻率0.68～1.34 MHz可調，通帶內噪聲90.6 μV，無雜散動態(tài)范圍73.7 dB，鏡像抑制比28.4 dB，此時總功耗為1.33 mW。

發(fā)表于：8/31/2021 2:26:00 PM

一種帶有DAC失配整形的高精度Sigma-Delta調制器

一種帶有DAC失配整形的高精度Sigma-Delta調制器[其他][其他]

為減小生理信號采集應用中儀表放大器的設計難度，需在低功耗、小信號帶寬的前提下大幅度提高模數(shù)轉換單元的精度和動態(tài)范圍以作補償。為此，面向生理信號采集應用，實現(xiàn)了一種帶前饋結構的高精度三階五比特Sigma-Delta調制器，其不需要復雜的OTA結構和過高的過采樣率，且功耗較低，并將二階噪聲整形動態(tài)元件匹配方案應用于DAC中，以避免多比特量化造成的非線性諧波失真。該Sigma-Delta調制器采用SMIC 0.18 μm CMOS標準工藝，在1 MHz的采樣率，1 kHz的信號帶寬內，峰值SNDR達到111 dB，動態(tài)范圍達到120 dB，有效位數(shù)達到18 bit，工作電源電壓為1.8 V，整體功耗為0.87 mW。

發(fā)表于：8/31/2021 2:21:00 PM

基于背景直方圖的Staple目標跟蹤算法

基于背景直方圖的Staple目標跟蹤算法[其他][其他]

針對Staple算法在由于相機運動出現(xiàn)模糊情況下跟蹤精度下降的問題，提出一種基于背景權重直方圖的改進Staple目標跟蹤算法。首先，針對傳統(tǒng)顏色直方圖忽略空間性的問題，提出對直方圖引入位置權重；其次，利用背景區(qū)域顏色直方圖抑制背景信息對目標區(qū)域直方圖的影響，提出引入背景權重直方圖，并完成直方圖分類器的構建。該算法在OTB2015測試集上與其他5個先進算法進行實驗比較，結果表明在距離精度和成功率上總體效果相對Staple分別提升了3.7%和2%。

發(fā)表于：8/31/2021 2:15:00 PM

基于CNN-LSTM的支撐電容容值軟測量

基于CNN-LSTM的支撐電容容值軟測量[其他][其他]

實時監(jiān)測功率變流器中支撐電容的老化狀態(tài)，及時發(fā)現(xiàn)并更換存在缺陷的電容，對提高功率變換器的可靠性具有重要意義?；谙嚓P電壓電流數(shù)據(jù)，通過建立數(shù)據(jù)集，確定網絡模型參數(shù)和模型訓練，最終得到基于CNN-LSTM的神經網絡模型，并通過不同工況下的數(shù)據(jù)集對神經網絡模型的準確性進行了驗證。結果表明，該模型可對電容容值進行可靠預測。

發(fā)表于：8/31/2021 2:10:00 PM