微波光子学是一门研究光与微波相互作用的新型交叉学科,旨在利用现代光学技术实现高频宽带微波信号产生、传输、处理和测量.其中,微波光子传感是微波光子学一个重要的研究领域,它采用光学传感器实现温度、应变、压力等传感参量光域感知,基于微波光子技术实现光域传感信息到微波域的线性映射和转换,结合微波信号处理技术实现传感信号解调,具有传感精度高、测量速度快等显著优势.本文系统性地回顾了微波光子传感技术最新研究进展,介绍了各类微波光子传感技术的基本工作原理,并展望了未来的研究方向和发展趋势.
针对被目前大多微波光子I/Q下变频系统忽视的非线性失真问题,提出了一种基于偏振复用双平行马赫增德尔调制器(Polarization Division Multiplexing Dual-Parallel Mach-Zehnder Modulator,PDM-DPMZM)的大动态范围微波光子I/Q下变频系统.利用PDM-DPMZM并行地调制射频、本振和镜像信号,调节调制器的直流偏置并进行驱动信号功率控制,能够实现I/Q下变频及镜像干扰抑制,同时抑制三阶交调失真.实验结果表明,所提方案最终可以实现超过44 dB的镜像抑制,系统的无杂散动态范围达到110.5 (dB·Hz4/5).在5~20 GHz工作频率范围内,相位失衡和幅度失衡分别低于0.8°和0.6 dB.
本文提出了一种基于偏压调制的双环谐波锁模光电振荡器仿真模型.该模型包括了利用电光调制器偏压调制实现的模式锁定、采用微波信号与滤波器冲激响应卷积实现的模式选择,以及基于双环信号相干叠加的超模噪声抑制.采用改进的脉冲跟踪法实现了双环信号的同步演化仿真.基于提出的模型仿真了谐波锁模状态下的输出微波脉冲信号的波形、频谱、超模噪声抑制和相位噪声特性,仿真结果与实验结果相符.该仿真模型可用于设计基于偏压调制的双环谐波锁模光电振荡器,以及研究双环腔内的动力学过程,有助于获得高超模噪声抑制比的微波信号.
在雷达系统中,为了实现对目标的高精度、多维度测量,产生雷达信号是一个基本而又重要的环节. 本文提出了一种微波光子四倍频复合雷达信号产生方法,该复合雷达信号包括单啁啾线性调频信号和单音微波信号. 利用单音微波信号和单啁啾线性调频信号实现目标径向速度的测量,使用单啁啾线性调频信号实现目标距离测量和高分辨率微波成像. 在发射端,使用微波光子四倍频技术生成了瞬时带宽为2 GHz的正啁啾线性调频信号和频率为13.2 GHz的单音微波信号. 在接收端,目标回波信号经去斜后用来实现距离和径向速度测量以及高分辨率逆合成孔径成像. 实验结果表明,测量得到的目标的距离和径向速度绝对误差分别不超过4.2 cm和1.7 cm/s,多个探测目标成像结果清晰可辨.
基于光纤的大传输带宽、微型传能通道、抗电磁干扰等优势,本文设计了一种光载信息能量同传方案.它基于光纤一体化分布式链路,结合微波光子模拟收发前端,同步实现能量远程配送与高频宽带信号的采集传输.首先,设计并测试了光纤传能(Power over Fiber,PoF)链路:高功率激光经多模光纤链路传输
伪卫星具有发射与天上卫星相同信号的能力,可以作为GNSS(Global Navigation Satellite System)信号遮挡环境下稳定可靠的定位信号源,使得基于现有终端硬件条件实现室外内连续高精度定位成为可能,因此逐渐成为室内定位领域的研究热点.本文提出了一种基于同源多通道伪卫星的指纹库匹配定位方法,利用顾及位置信息的变分自编码网络(Variational Auto-Encoder,VAE)学习伪卫星载波相位信息在隐含空间下的概率分布特征,建立伪卫星观测数据隐含特征与室内位置间的映射关系,进而实现GNSS拒止环境下的指纹匹配定位.针对指纹定位结果波动大的问题,本文提出一种粒子滤波融合处理方法,提高了定位系统的稳定性和定位精度.本文在试验环境以及机场环境下,通过大量试验验证了该定位算法在动态和静态下的定位性能,并与常用的基于指纹库匹配的定位方法进行了比较.结果表明,在室内试验环境下,动态平均定位精度为0.39 m,95%的定位误差小于0.85 m,在真实机场环境下,动态平均定位精度为0.75 m,最大定位误差为1.69 m,92%的定位误差小于1 m,验证了算法的有效性.
为解决非线性滤波中存在模型歧义和预测偏差情况下似然函数、目标重要性密度函数和实际目标分布不匹配的问题,提出了贝叶斯序贯重要性积分滤波器(Bayesian Sequential Importance Quadrature Filter,SIQF).为了消减贝叶斯推理中似然函数和目标分布之间的偏差,通过空时软约束定义最新观测的有界似然,截断观测噪声概率密度函数以近似可行域的修正先验.为了调制重要性函数和目标分布的匹配程度,并行对修正和原始先验下的状态进行Gauss-Hermite积分,引入最大相关信息熵构建覆盖多模分布的重要性函数,从而提升序贯重要性采样的多样性和预测协方差的容错性.实验结果表明:相比无迹粒子滤波估计一维单变量增长模型,SIQF算法在无需牺牲计算复杂度的情况下平均误差减小了63%;相比多模型Rao-blackwell粒子滤波器跟踪空域机动目标,SIQF算法的均方根误差减小了33%,所需计算量降低了一个数量级.
授时是卫星导航系统的基本服务之一,在先进电子设备研制和智能时空信息服务中具有重要作用.针对当前全球卫星导航系统(Global Navigation Satellite System,GNSS)授时方法存在的受地面共视观测站和通信网络限制的问题,本文提出一种基于北斗三号B2b信号的精密单点授时方法(B2b signal based Precise Point Timing,B2b-PPT).该方法利用北斗三号地球静止轨道(Geostationary Earth Orbit,GEO)卫星播发的B2b信号,结合双频伪距和载波相位观测值,根据精密单点定位算法实时估算接收机钟差.经过世界协调时(Universal Time Coordinated,UTC)偏差改正和硬件延迟校准后,B2b-PPT接收机对本地时钟进行驯服,从而实现高精度时频同步.基于iGMAS(international GNSS Monitoring and Assessment System)观测站的实验结果表明:使用B2b-PPT方法的单站授时精度为0.58 ns,10 h的频率稳定度为
为了满足无线电区域定位系统(Radio Local Positioning System,RLPS)空间基准自主建立技术高精度、高效率、高鲁棒性的要求,在交替坐标下降法(Alternating Coordinate Descent,ACD)的基础上进行了改进,提出了一种分布式的空间基准自主建立技术.通过关联节点局部优化与系统全局优化,利用坐标下降法实现了分布式高精度定位.在算法收敛约束分析的基础上,通过寻找节点拓扑独立集,提出了系统并行策略,缩短了定位耗时.同时,将测距信息与锚点信息深度融合,对优化模型进行了更新,提出了分布式的节点绝对坐标获取方法.通过仿真和实验验证,所提分布式算法在获取高精度定位结果的同时,有效缩短了定位耗时.
广义频分复用(Generalized Frequency Division Multiplexing,GFDM)技术是在正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术基础上发展而来的一种新的多载波调制技术,其特点是子载波非正交以及具有灵活的时频资源配置.GFDM作为目前研究的主流波形,有望成为B5G(Beyond Fifth-Generation)或者6G(Sixth-Generation)时代移动通信技术的新的波形设计.本文提出了基于GFDM信号的高精度载波测距方法,其主要包括GFDM信号粗同步、导频检测、多径提取、首径获取、延迟跟踪和载波相位测距等步骤.在此基础上,利用GFDM信号测距信息进行了室内定位性能评估.在典型室内会议场景下搭建了实测平台并对上述方法进行了验证.测试结果表明,通过所提方法,利用GFDM信号测距精度达到1.1 m(95%),定位精度优于2 m,相比于相同带宽的OFDM信号测距性能提高了21%.本文研究将为下一代移动通信室内定位技术提供有益参考.
目前,全球卫星导航系统(Global Navigation Satellite Systems,GNSS)在室外开阔环境可提供稳定可靠的定位服务,但由于卫星信号的遮挡和衰减,在GNSS弱信号环境依然存在着无法高精度定位的挑战.基于运动传感器的行人航迹推算(Pedestrian Dead Reckoning,PDR)是比较有效的定位补充方案,但是定位过程中需要校准初始航向角,且面临着误差累积的关键问题.数字地面多媒体广播(Digital Terrestrial Multimedia Broadcasting,DTMB)信号频率低、穿透力强,且信号发射塔在城市中的布设基本完善,在定位方面具有很大潜能.基于此,本文提出一种单基站DTMB信号约束的PDR运动参数修正方法.本文开发了一套完整的基于软件无线电的DTMB信号接收机,并研究了基于DTMB信号的无线测距方法.利用DTMB无线距离构建初始航向角的约束方程,通过求解该方程可对PDR的初始航向角进行校正.为了减少PDR运动过程中的累积误差,通过粒子滤波框架将PDR运动参数与DTMB无线距离进行融合,获得行人的修正定位结果.实测结果表明,本文方法在DTMB信号通视场景和非完全通视场景下均可有效定位,且定位误差为95%,相比PDR分别降低了41%和30%,验证了提出方法的可行性及有效性.
基于视频数据的深度预测学习(以下简称“深度预测学习”)属于深度学习、计算机视觉和强化学习的交叉融合研究方向,是气象预报、自动驾驶、机器人视觉控制等场景下智能预测与决策系统的关键组成部分,在近年来成为机器学习的热点研究领域.深度预测学习遵从自监督学习范式,从无标签的视频数据中挖掘自身的监督信息,学习其潜在的时空模式表达.本文对基于深度学习的视频预测现有研究成果进行了详细综述.首先,归纳了深度预测学习的研究范畴和交叉应用领域.其次,总结了视频预测研究中常用的数据集和评价指标.而后,从基于观测空间的视频预测、基于状态空间的视频预测、有模型的视觉决策三个角度,分类对比了当前主流的深度预测学习模型.最后,本文分析了深度预测学习领域的热点问题,并对研究趋势进行了展望.
由于域偏移的存在,多源图像舰船目标检测任务面临着不同源传感器带来的图像风格差异难题.另外,为特定数据源训练特定的检测模型会消耗大量的计算资源,严重限制了其在军民用领域的工程应用.因此,设计一个通用网络以有效检测来自不同源遥感数据的舰船目标成了当下的研究热点.针对该需求,本文提出了一种基于不变特征的通用舰船目标检测方法,通过充分利用多源数据之间的共享知识实现通用遥感目标的网络检测.本方法由2部分组成:图像级的风格转换网络和特征级的域自适应网络.具体地,前者采用风格转换网络生成接近真实分布的伪多源图像,拉近多源数据之间的分布,在图像层面上学习多源数据的不变特征;为学习特征层面上多源数据的不变特征,后者通过适应网络对多源特征进行信息解耦,通过域注意力网络的自适应权重分配实现特征重组.本文在NWPU VHR-10,SSDD,HRSC和SAR-Ship-Dataset数据集上进行实验验证,结果表明:所提方法通过不变特征之间的信息互补,缓解了域偏移问题,可有效检测多源遥感数据.本文方法在上述多源数据集上的平均mAP为90.8%,相比现有主流舰船目标检测方法可以提高1.4%~10.6%.
异常检测对电力行业的发展有着重要的影响,如何根据大规模电力数据进行异常检测是重要的研究热点.目前,大多数研究通过聚类或神经网络进行异常检测. 但是这些方法忽略了时序数据之间潜在的关联关系及某些特点的重要信息,没有充分挖掘出数据的潜在价值. 因此,提出了一种基于图注意力和Transformer的异常检测模型. 该模型首先根据数据中台中获取的电力数据(主要包括用户ID、电能表ID、用户类型、电流、电压、功率等数据)构建一个异构信息网络;然后,为了减少模型参数和避免出现过拟合的现象,在图卷积网络(Graph Convolutional Network,GCN)模型的基础上,引入非负矩阵分解(Non-Negative Matrix Factorization,NNMF)的方法来进行相似性学习;最后采用图注意力网络(Graph Attention Network,GAT)和Transformer共同捕获数据间的相互关联关系,从而提高检测精度. 以中国某地区的电力数据为基础进行验证, 实验结果表明所提出的方法可以有效进行异常检测.
哈希作为一种有效的数据表征技术,已经在应对爆炸式增长的多媒体数据中扮演了重要的角色.它由于低存储和高效率的优势,在多媒体检索领域受到了越来越多的关注.目前多模态哈希学习方法在多媒体检索任务中得到了较好的研究和发展.然而,多数的方法通过编码特征的内积重构成对相似度来保持原始数据的结构信息,但是带来较复杂的优化问题.此外一些模型缺乏判别性使得检索性能的提升受到限制.为了克服上述问题,本文提出一种新型的多模态融合哈希方法,在类别信息的监督下利用Hadamard矩阵为数据生成目标编码,通过松弛严格的二值约束增大类间的间隔,同时采用图嵌入的方式促进类内的紧凑性.本文提出的方法既保证了模型具有很好的判别能力也简化了优化过程.在3个公开数据集上的实验结果表明,本文提出的方法在多媒体数据检索中是非常有效的,平均性能上相比最优的对比方法提高了8.47%.
随着感知计算以及传感器集成技术的发展,使用各种传感设备实时捕捉的手势运动数据,为人机交互提供了新的驱动力,并被广泛地应用于智能家居、远程医疗、虚拟现实等领域.由于手势动作具有时序性与空间连接性,因此在手势识别中需要考虑手势空间连接关系和手势长距离依赖特性.然而现有的手势识别方法忽略了上述两种特性,导致识别精度不高.本文提出了基于时空图神经网络的手势识别算法,该方法从传感器空间分布角度出发,基于传感器的空间位置信息,借助图神经网络(Graph Neural Networks,GNN)对手势数据之间的空间关联性进行表征,并引入门控循环单元(Gated Recurrent Unit,GRU)解决手势的时序性和长距离依赖问题,增强手势识别性能.在多种数据集上的实验结果证明本文方法可行且有效.
云检测是卫星遥感数据预处理中至关重要的工作.本文将多层感知机和辐射传输模型相结合,利用可见光和近红外波段反射率信息从卫星影像中识别出云像元.该方法利用SBDART辐射传输模型,模拟获得了各种复杂陆地地表的反射率值数据集,为多层感知机提供训练样本.随后,用训练好的多层感知机模型区分FY-3D卫星MERSI II影像中的云像元和非云像元,利用CALIPSO垂直特性掩膜产品(Vertical Feature Mask,VFM)逐像元进行验证,并与MODIS云掩膜产品(MYD35)进行横向对比.结果表明,以VFM数据集为标准的情况下,多层感知机识别云的总正确率为76.25%,其中在夏季和低纬度地区效果最好,如赤道附近地表识别的准确率可达到91.74%,而在城市、农田和裸地等复杂地表类型条件下的云检测识别正确率分别为83.37%、84.52%和73.11%,分别高于MYD35产品的83.25%、83.31%和72.66%.为了进一步验证多层感知机结合辐射传输模型云检测方法的有效性,将辐射传输模型模拟得到的训练样本分别用于k-最近邻、朴素贝叶斯以及随机森林算法,并与本文多层感知机算法进行对比.结果表明,将多层感知机和辐射传输模型相结合具有更高的正确率.
药物推荐的目标是依据病人的电子医疗记录生成药物处方,为医生提供临床决策支持.提取电子医疗记录中蕴含的时序模式以及上下文信息,是成功推荐药物的关键.以往研究忽略了病人之间医疗记录数据量存在差异,无法根据不同病人自身情况,调整数据读取过程中的关注重点以及数据读取迭代次数.针对上述问题,本文提出一种选择性覆盖度机制与自适应记忆神经网络读取结合的药物推荐模型.模型使用记忆神经网络存储病人健康状况对应的时序模式编码结果,利用覆盖度机制进行迭代读取过程中的数据过滤与注意力权重调整.同时模型依据病人自身情况,自适应决定记忆神经网络读取次数.基于真实临床数据的实验结果显示,本模型能够自适应地提取电子医疗记录中的重要数据,构建有效的病人健康状况表示向量,进而完成药物推荐.
动态重构是一种有效的综合模块化航空电子系统故障容错方法.重构蓝图定义了系统故障环境下的应用迁移与资源重配置方案,是以最小代价重构恢复系统功能的关键.在复杂多级关联故障模式下,如何快速自动生成有效重构蓝图是其难点.针对该问题,本文提出一种基于序贯博弈多智能体强化学习的综合模块化航空电子系统重构方法.该方法引入序贯博弈模型,将因受故障影响而需要迁移重构的应用软件定义为博弈中的智能体,根据应用软件优先级确定序贯博弈的顺序.针对序贯博弈过程中多智能体间竞争与合作的问题,算法使用强化学习中的策略梯度,通过控制与环境交互中的动作选择概率来优化重构效果.应用基于有偏估计的策略梯度蒙特卡洛树搜索算法更新博弈策略,解决了传统策略梯度算法震荡难收敛、计算耗时长问题.实验结果表明,与差分进化、Q学习等方法相比,所提算法的优化性能和稳定性均具有显著优势.
MANTIS密码是于2016年美密会上提出的一种轻量级可调分组密码,它的设计采用FX结构和TWEAKEY框架,适用于物联网环境中具有低延迟、高实时安全需求的受限设备中.本文基于半字节随机故障模型以及唯密文攻击,提出并讨论一种针对MANTIS密码的新型唯密文故障分析.该分析结合公开调柄,利用故障注入后中间状态的不均匀性,可以破译MANTIS的全部版本.实验结果表明,提出的新型双重区分器狄利克雷分布-汉明重量以及狄利克雷分布-极大似然最少分别需要392和396个故障,以99%及以上的成功率破译MANTIS各版本的128 bit原始密钥,不仅减少了故障注入数,而且提高了攻击效率,因此,MANTIS密码不能抵抗唯密文故障分析的攻击.该结果为其他轻量级可调分组密码的安全性分析和防护提供了重要参考.
在物联网等资源受限的环境中,低计算复杂度、存储空间占用少的标量乘算法尤为重要.为了降低标量乘的计算复杂度,本文采用有符号的窗口非相邻算法(window width-Non-Adjacent Form,wNAF)生成标量
本文提出了一种利用标准引线键合仪实现碳纳米管材料转移的异质集成工艺方法,并初步验证了其应用于制备微型X射线源器件阴极的可行性.所提出的碳纳米管异质集成方法基于标准的球焊-楔焊(ball bond-stitch bond)工艺流程,可将碳纳米管从其常规生长基底转移至球焊过程生成的金属球上,并最终共同转移集成至目标器件基底上.测试结果表明,该方法可将厚度为
随着物联网应用的广泛扩展,越来越多的物联网设备出现在人们的日常生活中,包括智能电表、智能家居、智能穿戴等.它们在带给人民生活便利的同时,由于物联网设备通过无线开放信道进行交互,造成诸多安全和隐私问题的出现.身份认证是解决物联网安全和隐私问题的关键技术之一.传统的点对点认证方案没有考虑到物联网海量节点和节点资源受限的情况,而群组认证是一种一次验证一组成员身份的认证技术,为物联网节点的身份认证提供了新的思路.然而,现有适用于物联网场景的群组认证方案存在安全隐患,无法抵抗伪造、重放等恶意攻击并且无法防止群组管理者对组成员的欺骗.本文利用可验证秘密共享技术设计了一种适用于物联网场景的轻量级可验证群组认证方案以抵抗群组管理者的欺骗行为.另外,在物联网场景下,节点可能会动态地加入和撤出网络,针对这种情况,本文在可验证群组认证方案的基础上设计密钥更新环节以更新组成员的权限.安全性分析表明,本文方案满足正确性、机密性,能够抵抗重放、伪造、冒充等恶意攻击.性能分析和实验仿真表明,与现有典型的物联网群组认证方案相比,本文方案在保证安全性的同时降低了组成员的计算代价.
目前,区块链隐蔽通信的研究主要是通过发起多笔交易来传输一条短消息,这一方式不仅不适用于敏感数据量大的情况,还可能存在有些交易没有被打包而造成秘密信息的丢失,而且传输过程没有隐藏发送方身份.部分区块链隐蔽通信的研究中使用的图像隐写术虽然具有嵌入率高这一优点,但是越来越难以抵御基于统计特征的检测分析.针对以上问题,本文提出一种可隐藏敏感文档和发送者身份的区块链隐蔽通信模型.首先发送方使用密文策略的属性基加密(Ciphertext-Policy Attribute-Based Encryption,CP-ABE)对敏感文档进行加密,得到加密文档后将其上传至星际文件系统(Inter Planetary File System,IPFS);然后发送方利用基于生成式对抗网络(Generative Adversarial Networks,GAN)的图像隐写术将加密文档的哈希值嵌入载体图像中,得到载密图像后将其上传至IPFS;接着发送方创建一笔含有载密图像的哈希值的交易,交易经环签名之后广播到区块链网络中进行验证打包上链;之后,接收方从交易中读取载密图像的哈希值并通过上述步骤的逆过程得到加密文档;最后接收方根据CP-ABE设置的访问控制策略解密加密文档得到敏感文档.实验结果表明,该模型在传输秘密信息量上从KB提升至MB,而且具有较高的隐蔽性和安全性.
间谍软件是攻击者广泛采用的一类信息窃取类恶意软件,具有高威胁性、高隐蔽性等特点.间谍软件在实施窃密行为时通常采用触发执行策略,使得基于软件行为的动态检测方法难以在短时间内将其捕获,故上述方法检测间谍软件效果不佳.针对该问题,本文采用主动诱导间谍软件执行窃密行为的思路,从应用程序编程接口(Application Programming Interface,API)层面分析不同诱导操作和诱导强度对间谍软件的不同诱发效果,进而提出一种基于诱导机制的间谍软件检测方法(Spyware Detection Method based on Inducement Mechanism,SDMIM).SDMIM包含诱导操作筛选、软件“活跃度”计算、间谍软件判别3个阶段,能够适用于多种类型间谍软件的诱导式检测.实验结果表明,SDMIM能够在包含5种不同类型间谍软件的样本集上获得95.98%的检测准确率.