面向大型机构的统一身份管理方法

通过借鉴自由联盟组织提出的Liberty框架,并针对该框架的结构以及身份提供者之间信任关系的建立模式进行改造,提出一种面向大型机构的新型身份管理联盟。新型的身份管理联盟比Liberty框架更加适用于具有分布性、自治性、全局性和协同性的大型机构。新型的身份管理联盟在物理结构上可看作由多个身份提供者节点组成的一棵树,其中每个身份提供者节点必须并且只能与其父节点和子节点建立信任关系,这与现实中各个大型机构的树状层级结构是完全相符的。在系统实现过程中,依托新型身份管理联盟的树状结构,并采用LDAP实现了用户认证数据的分级存储。此外还通过安全认证网关在网络层对用户的接入进行控制,从而能够同时支持B/S和C/S两类应用系统的单点登录。     

卫星导航接收机延迟锁定环鉴相器有限字长分析

码相位鉴别器作为延迟锁定环的主要组成部分,其性能直接影响了接收机伪码的跟踪精度。针对输入信号有限字长效应对鉴相器性能的影响,提出一种新的基于信号统计特性的分析方法,分析了归一化早迟幅度鉴相器输入信号有限字长对输出性能的影响。理论分析和仿真结果表明,字长效应在输入信号高信噪比下比低信噪比时明显,随着信噪比的增加,由有限字长导致的伪码跟踪精度损失将增加,而当输入信号采用4bit以上的量化时,字长效应对伪码跟踪性能的影响将可忽略。该结论可用于指导接收机低功耗小型化设计。     

考虑扩散效应圆形隧洞热弹性耦合动力响应研究

利用S-H热弹性扩散的基本理论,研究了无限弹性介质中圆形隧洞表面受随时间变化的热冲击的动力响应问题.采用直接求解方法以避免势函数的引入,利用Laplace变换技术,求解热、力、化学耦合控制方程,获得了弹性介质中温度梯度、位移、应力和化学势的积分形式解.最后,利用Laplace逆变换得到数值结果,分析了热、力、化学耦合条件下弹性介质中温度梯度、应力、位移和化学势响应的分布规律.     

弹性BP神经网络消除轮速传感器误差方法的研究

汽车轮速是汽车运动状态参数的主要信息源,是控制系统的核心,其精度直接影响这些系统的性能.为了提高轮速的精度,降低传感器的研制成本,提出了一种基于弹性BP神经网络的误差分析方法消除轮速传感器误差.将改进的BP神经网络--弹性BP神经网络用于误差分析,并提出误差匹配的算法.理论和仿真结果表明,该方法使绝对误差达到2×10-4>rad,能够有效地消除传感器误差,提高轮速信号的精度.     

过渡流区圆柱体驻点热流的工程计算

以流动分区的界限为Knudsen数的变化区间,使用线性插值和调节参数进行校正的方法,提出一种计算过渡流区热流的桥函数形式,并且确定了端面迎风的圆柱体的调节参数.使用DSMC方法对计算结果进行验证并与其他形式的桥函数进行比较.结果表明该桥函数在马赫数大于10的情况下,能比较准确地计算驻点热流的值,可以为飞行器初步设计提供一定的参考依据.     

增强景象匹配鲁棒性的灰度变换技术研究

高可靠高精度的景象匹配技术是自主导航飞行器图像制导技术的核心和关键所在,文章对匹配图像的灰度畸变进行了研究,提出了基于直方图相似变换灰度畸变校正技术,提高了景象匹配定位的准确性和可靠性。由于外部成像条件和成像传感器本身存在差异,匹配图像往往存在较大灰度畸变,使得实时图和基准图在灰度域存在较大不一致,从而影响景象匹配可靠性。文章通过对匹配图像进行直方图的相似变换,将匹配图像直方图调为一致,有效消除了匹配图像灰度差异,调整后图像间的直方图相似系数均在0.95以上。通过10300次独立真实外场景象匹配定位试验,证明本文基于直方图的匹配图像灰度预处理方法可有效消除图像间的灰度差异,减少匹配图像间由于灰度差异而产生的重复模式,大幅提高景象匹配鲁棒性,经过本文方法预处理后的匹配图像景象匹配成功率为99.98%,已满足工程实用对景象匹配算法高可靠性的要求。     

高铁大风预警模式挖掘

高铁大风预警的传统方法基于风速预测,当瞬时值高于限速阈值时触发报警,存在大量的误报警,不必要的限速控制影响了高铁行车效率。创新地提出了基于序列模式的预警方法,旨在挖掘报警事件前序数据中的频繁模式,找出报警事件的变化规律,通过滤除与非预警序列共有的频繁模式,得到预警序列独有的序列特征,构建了预警模式库。经兰新高铁沿线的监测数据验证,该方法在提高预测准确率的基础上降低了漏报率,同时有效地减少了模式匹配所需的时间,为提前预警预留充分的时间窗口,更加符合实际应用的需求。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

顾及地磁影响的GNSS电离层层析不等像素间距算法

突破传统全球导航卫星系统(Global Navigation Satellite System, GNSS)层析反演研究忽略地球磁场对电离层变化活动的影响,同时顾及不同电离层高度电子密度变化较大的影响,提出在地磁坐标系下建立电离层高度方向上不等像素间距的GNSS层析反演方法。在此基础上,通过建立新的电离层层析迭代松弛因子,提高GNSS电离层电子密度层析反演结果精度。利用IRI—2007电离层模型、GNSS实测数据与电离层测高仪数据,从模拟验证和实测数据对比两方面,反演统计了不同层析算法估算的峰值电离层电子密度误差、电子密度剖面结果平均绝对百分比误差及均方根误差,验证了顾及地磁影响的GNSS电离层层析不等像素间距算法的有效性。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。