Zodiac算法新的不可能差分攻击

重新评估了Zodiac算法抵抗不可能差分攻击的能力。通过分析Zodiac算法的线性层,给出了Zodiac算法两条新的14轮不可能差分。利用新的不可能差分,结合Early-Abort技术对完整16轮的Zodiac算法进行了不可能差分攻击。攻击过程中一共恢复6个字节的密钥,其时间复杂度只有2_32.6次加密,数据复杂度约为2_85.6个明文,该攻击结果与已有最好的结果相比,时间复杂度降低了一个因子2₃₃。结果表明由于Zodiac算法线性层的扩散性差,使得该算法对不可能差分分析是不免疫的。     

沥青纤维不熔化过程的红外光声光谱研究

沥青纤维在其不熔化过程中,发生了一系列复杂的化学变化。本文应用红外光声光谱法,分析研究沥青纤维以空气作不熔化介质,在不同温度下,所得一系列沥青不熔化纤维的组成与结构的变化     

电磁发射用分段供电六相圆筒式直线感应电动机数学模型

为研究新型分段供电六相圆筒式直线感应电动机的运行规律,针对其不对称运行的特点,采用磁动势理论推导了气隙中与空间位置无关的脉振磁场的电感矩阵表达式,通过将其引入abc坐标系下对称的电机数学模型,从而构建了描述六相圆筒式直线感应电机不对称的数学模型。在Simulink环境下,采用隐式梯形法构建了该不对称模型的系统仿真模型。最后,对样机进行了仿真分析和实验验证,仿真结果与实验数据吻合良好,验证了模型的正确性。     

基于条件熵的不完备信息系统属性约简算法

在相容关系下定义了三种不完备条件熵——H′条件熵、E′条件熵和I′条件熵,并对它们的性质进行了分析比较,研究发现,H′条件熵和I′条件熵不适用于相容关系下信息观点的约简。利用E′条件熵刻画信息系统中属性的相对重要性,设计了一种新的基于信息论观点的启发式约简算法,它统一了完备信息系统与非完备信息系统中的约简方法。通过实例说明,该算法能得到决策表的相对约简。     

结合全局与局部信息的主动轮廓分割模型

针对传统的基于区域的主动轮廓模型在分割灰度不均匀图像和噪声图像存在效果不佳的问题,提出结合全局项与局部项的主动轮廓分割模型。全局项由CV(Chan-Vese)模型的保真项构成,局部项的构建考虑局部区域信息的同时引入反映图像灰度特性的局部熵信息。依据图像灰度的特点,选择合理的全局项和局部项参数,并加入正则项保证曲线在演化过程中保持平滑,保障分割结果的可靠性。通过变分水平集方法最小化能量泛函,依据梯度下降流迭代更新水平集,完成曲线演化。采用模拟图像和实际图像进行实验分析,结果表明,所提出的结合全局项和局部项的主动轮廓模型可以高效地分割噪声严重以及灰度分布不均匀的图像。     

基于前景理论的CGF Agent决策建模研究

前景理论(Prospect Theory,PT)描述了个体在不确定条件下的决策规律,较好地刻画了决策者的风险偏好。分析表明,PT在作战决策建模中具有一定的适用性和可行性。提出了一种基于PT的计算机生成兵力(Computer Generated Forces,CGF)Agent决策建模方法,给出了CGF Agent的建模框架,对CGF Agent决策过程中方案选择的具体步骤和算法进行了详细阐述。实验表明,所提出的方法在一定程度上提高了CGF Agent决策行为的真实性,证明了所提出方法的有效性。     

面向Bayer真彩色航空影像特征匹配的彩色描述符适用性分析

针对Bayer真彩色遥感影像进行特征匹配时,彩色描述符的效果与适用性问题一直研究较少。结合Bayer真彩色遥感影像成像变化规律和彩色描述符算法特点,从理论上分析彩色描述符的不变性。提出模拟数据评价、不同类别影像评价、任务总体适用性评价等三种实验方法对彩色描述符适用性进行实验验证和分析。通过理论分析和实验评估,总体上彩色描述符中RGBSIFT算法效果最优,对Bayer真彩色航空影像特征匹配有较好的适用性,并且不同地物属性影像在特征匹配时有不同的最优彩色描述符。     

证据推理方法中不完备信息影响因素分析

不确定条件下的不完备信息分析是多属性决策中的主要内容之一,Yang提出的证据推理方法可以较好地处理这类信息。研究了证据推理方法中不完备信息的影响因素,包括规则中的不完备信息,规则的权重以及规则的一致性,并以此为基础分析了评估结果中不完备信息的取值范围,得出了初步结论:评估结果中不完备信息的信度必然小于作为输入的规则中不完备信息中的较大者,但不一定大于其中的较小者。进一步分析了规则一致性的逻辑意义和几何意义,指出规则的一致性实际描述了规则之间的冲突程度。     

方差分量的Bayes二次无偏估计及可容许估计的非负性

对于有P 个方差分量的线性模型,本文导出了方差分量线性函数的Bayes 不变二次无偏估计的显示表达式,证明了Bayes 不变二次无偏估计类形成了可容许的不变二次无偏估计的完全类。在可容许的不变二次无偏估计类中,讨论了非负参数函数的非负估计问题,给出了可容许的非负定估计存在的充要条件。     

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。