分析了Logistic映射的←混沌特性以及有限精度实现导致的特性退化问题, 采用线性反馈移位寄存器LFSR生成m序列对混沌映射▼施加扰动的方法设计实现了混沌伪随机数发生器, 针对不同实现精度分析硬件资源消耗情况, 并对产生的序列采用美国国家标准与技术↑研究院(NIST)所颁布的SP800-22标准进行测试并分析了随机性能.结果表明, 产生序列具有良好的随机特性, 并且扰动间隔和扰动幅度的变化对有效克服有限精度效应影响显著.

随着宽带信号应用的普及, 压缩∑传感理论打破了传统奈奎斯特模数转换器在硬件上的瓶颈.设计了一款基于压缩传感理论的模数转换器, 并提出了一种针对多路并行结构、压缩传感信●号重构的校准方法.系统在180 nm工艺下进行电路和版图设计.设计指标是基于压缩传感利用低于信号奈奎斯特频率的模数转换器达到160 MHz采样频率, 12 bit量化精度.经校准的整体后仿指标达到160 MHz 10.25 bit, 核心面积为2.08 mm², 优值(FOM)为110 fJ.SAR模数转换器后仿指标达到40 MHz 10.08 bit, 优值(FOM)为56 fJ.在整体上验证了设计结∴构和算法的正确性和有效性.

针对现有采用周期性唤醒¤机制的机会网络休眠算法中节点进入休眠状态会导致消息◎发送或接收中断, 从而降低数据传送成功率的问题, 提出了一种更可靠的基于〓自适应时间调整的休眠调度算法-RSATA(Reliable sleep Scheduling base on Adaptive Time Adjustment).RSATA结合RSSI测距＠机制和消息跨层通告机制, 通过分析节点接触过程滤除节点不能够发送数据的相遇机会, 然后对唤醒时间和休眠时※间进行动态调整, 避免消息收发被休眠中断.仿真结果显示: 与AWS算法和ETAWS算法相比, RSATA算法不仅提高了消息投递率, 而且降低了√消息发送次数、发送中断率和节点能耗.

基于视觉的传感器由图像╱传感器和内部有标记点的透明弹性胶体构成◥, 当传感器受↘力时弹性体发生形变, 标记点发生位移, 图像▽传感器○获取标记点位移信息, 再利用弹性原理由标记∏点位移计算出传感器的受力情况.信号处理电路以小型FPGA芯片EP4CGX30为数据处理器, 实现高速图像采集、标记点卐位置识别、标记点位移计々算及传感器受力直接输出, 其尺寸满足放置在机械手的第二指节中的要求.

提出了一种CCN网络的缓存分层内容放置策略, 定义了㊣　一个分层的CCN网络架构.在此基础上, 定义了一个内容缓存价◥值的概念, 构建一个CCN网络的分层缓存模型, 区别不同CCN节点在不同层上的缓存空间大小, 通过对节点自带缓存空间大小和功能的分层配置, 把不同流行度内容放置在不同层CCN节点上, 提高不同层CCN节点的缓存性能, 使得整体CCN网络缓存性能最优.

大数据和大数据中心规模的进一步扩大为Hadoop平台的可扩≡展性提出了新的要求.在系统地分析了制约Hadoop平台性能和可扩展性因素的基础上, 提出了一种多层次▅Hadoop平台.通过将Hadoop平台划△分为若干区域, 形成全局-区域-节点的多层次结构.由Master节点负责系统▲级的元数据管理和任务分发, 区域管理节点负责区域〗级的元数据管理和任务分发, 从而提高Hadoop平⊙台可扩展性和容错性.实验表明, 该平台可有效提高Hadoop的可扩展性, 具有一定的可行性.

传统CMOS图像传感器4T-APS像素电路中源跟随器阈值电压随〓源极电压发生变化, 导致源跟随器输入输出电压之间有较大↓的非线性, 严重影响传感器的成像质量.提出了一种像素电路线性化技〖术, 在不改变像素的填充因子的前提下, 对像元电路中源极跟随器引入的非线性进行了校正.经仿真验证, 传统源跟随器输出误差达205.9 mV, 线性化技术产生的误差不到300 μV.

为提高用户接入云计算的安全性, 利用可信计算的远程证明机制构〖建云环境下的可信接入认证模型, 提出一种可信接入安全协议.该协议实现移动用户和云服务器身份与平台的双重认证.分析表明该协议具有更高的安全性和效率, 并且满足◎云环境下平台隐私保护需求.

为提升系统容错能力, 降低〗容错开销, 提出一种适应于云训练系统的自适应副本容错策略.首先分析№了云训练系统内涵以及容错结构.通过分析确定自适应副本策略待解决的三个问题: 节点选择, 副本数量以及位置分布.引入节点活跃度评价节点是否需要生成副本; 结合容错需求, 得到需要生成的副本数量; 通过加权升序匹配算法, 实现位◢置分布的确定.实验中, 引入容错度等概念对策略进行评价, 数据表明自适应副本容错策略∮可以有效保证云训练的容错能力, 降低容错开销.

为保证新能源汽车动力电池高效安全, 其电池管♂理系统BMS核心芯片的采集前端需要实现高精度电压检测.因此, 沿着从︽系统到芯片的设计思路, 首先对采集前端进行系统级设计验证, 提出新型采集前端结构, 实现多通道电压高精度同步检测, 电池单体电压检测误差小于5 mV, 精度为0.15%.然后在芯片级设计了高精度采集前端的ζ关键模块Σ-ΔADC调制器, 完成行为级仿真, 电路和版图设计仿真, 后仿真结果显示, 调制器有效位数达到16.58位, 信噪比达101.6 dB, 达到了电池管理芯片采集前端高精度ADC设计需求.系统级高精度采集前♀端电路的实现验证和核心ADC调制器的设计为电池管理芯片高精度采集前端的实现做了研究准备.

为了解决大规模高¤维WSN数据的双重聚类问♂题, 提出一种基于数据场的WSN数据聚类方法.借用数据场的思想, 将WSN数据空间非线性映射到势能空间; 结合WSN数据的分布特点, 采用概率熵度量数据的质量; 根据数据场形成的等势线分布特征, 采用极小判定法得到数据聚类结果.通过人工合成数据集实验测试, 结果表明, 对于随〓机分布的大规模数据集的聚类效果和聚类精确度, 此算法优于ICC和DFCM的双重聚类算▆法, 且具有较低的时间复杂度和良好的可扩展性.

针对复■杂系统建模过程中出现的输入输出维数高和规则提取困难等问题, 引入模式辨识理论体系中的聚类分析思想, 提出了基于粒子群聚类提取样本数据模∮糊规则的方法.利用粒子群聚类自适应地分析样本聚类中心和聚类数, 获得模糊推理规则和隶属度函数个数, 结合↓该方法的特点, 建立了一种基于粒子群聚类的模糊神经网络结∩构.采用模糊RBF算法进行网络训练, 调整隶属度函数参数和连接ぷ权值, 完成网络①参数辨识.仿真实例表明, 该方法适合复杂系统的建模, 具有辨识精度高、收敛速度快和规则自提取的优点, 对系统建模具有一定指导意义.

DV-Hop算法由于未考虑网络节点的分布情况而直接使用跳数信息和平均跳距估算节点间距离引入较大误差, 针对这一问】题, 提出了一种基于RSSI技术№和模糊评价的DV-Hop改进算法.改进算法引入RSSI技术, 根据信标节点的信号强度基值对跳数进行重计算, 并以平均每跳距离对通信半径R的隶属度作为修正权值, 对未知节点所接收到的每跳距离进行加权修正, 同时, 设置数据包生存周期跳数限定网络数据包的传输距离, 提高定▂位算法的定位精度.通过仿真验证改进算法的定位性能, 改进的定位算法能够降低节←点间的跳数和距离估算误差, 提高算法的定位精度.

为提高FPGA在辐射环境条件下◤的抗单粒子脉冲(SET)的能力, 设计了一种由多个延时单元和并联逻辑保护单元(Guard Gate, GG)构成的SET脉冲分段滤除电路.将SET脉冲处理延时减小至传统方法的10.42%~49.8%, 从而提高电路对SET脉冲的处理能力, 同时占用的逻辑资源未有明显增加.

利用TI5416处理器可自定义boot程序的功能, 灵活的实现了对复杂语音程序的上电自举加载.利用TI5416存储结构特点, 设计了地址译码, 实现了程序页共享, 有效节∑省了存储空间容量需求.

流量预测是网络管理的基础, 为了提高网络流量的预测精度, 考虑模型参数之间的相互影响, 提出一种模型参数联合求解的网络流□量混沌预测模型.首先收集网络〒流量历史数据, 采用混沌理论对历史数据进行重构, 并确定模〖型参数范围, 然后运用遗传算法模拟自然界的"适者生存、优胜劣汰"机制对模型参数进行联合求解, 根据最优个体得到模型的々最合理参数.最后根据最合理参数对网络流量训练样本进行学习, 建立网＠ 络流量预测模型, 并采用仿真实验对模型的性能进行对比分析.结果表明, 此模型通过混沌理论可以有效挖掘历史数据中的网络流量变化特点, 通过参数联合求解建立了精度高的网络流量预测模型, 为非线性网络流量预测提供了一种新的建模思路.

全源对最短路径问题在生□　物信息学、地理信息系统、社交网络、复杂网络分析、集成电路计算机辅助设计■和交通规划等领域都有重要应用.为了克服具体应用中因图◣结构差异对计算性能产生的影响, 提出一种基于GPU架构的采样混合式全源对最短路径并行算法.在GPU上通过点处理顺序预设, 粗细粒度任务分解等手段优化点并行算法, 并引入采样方式预估图直径, 有针对性地对每个遍历↘层选择高效的并行策略.与目前性能最好的GPU边并行算法相比, 处☆理交通网络图等大直径图的加速比可达7.2倍, 处理亚马逊产品联合采购网络图等小直径图的加速々比可达1.9倍, 同时采样混合式算法具备●较好的伸缩性能, 消除了因图结构不同而对算法性能产生的影响.

在水下通信中, 海洋混响将对舰艇通信网络产生破坏性干扰, 导致通信网络故障和通信信道失衡, 传统方法采用相邻数据①段匹配滤波方法进行故障数据挖掘, 识别性能不好.对提出基于分段预白化匹配检测的水下舰艇通信网络中的故障数据挖掘算法.构建了水下通信信道模型ㄨ, 通过分段预白︼化处理, 把故障数据信号解析模型分解为多个窄带☆信号, 对故障数据进行匹配检测, 求得通信网络中的干扰特征幅度和相位信息, 用AR模型估计不同时刻的混响频谱, 对当前数据〇段进行平滑处理, 对每段故障数据型进行分段匹配滤波检测, 对当前数据段的处理结果与前一数据段的处理结果进行分段预白化匹配相关检测, 实现故『障数据有效识别.仿真结果表明↙, 采用该算法能♀有效提高故障数据准确识别率, 通过合理配置分段预白化匹配参数, 提高水下舰艇通信网络中的故障数据的准确检测概率, 改善了舰艇◥对潜水下通信的质量.

提出一种海量数据干扰下基于自组织映射的╱危险web数据挖掘算法, 通过海量数据的预测值与实际值之间的误差对其中的干扰数据进行判断和排除, 在此基础上, 通过自组织特征映射网络对危险web数据进行挖掘, 介绍了自组织特征映射网络及输出层竞争的详细过程▓, 确定一个可形成映射的网络, 将待挖掘危险web数据看作是输入向量输入自组织映射网络中, 在输出图上产生相应的胜出点, 将相似的输入向量汇聚在映射图的相邻区域, 与该区域距离较远的胜出点对应的输入向量则可被判断是危险web数据.仿真实验结△果表明ξ, 采用所提算法对海量数据干扰下↙的危险web数据进行挖掘, 不仅具有很高的挖掘效率, 而且在挖掘精度上也有很高的性能.

提出基于三维动态特征的运动状态识别方法.首先采用一种星型骨架组成结构揭示人体三维运》动模式, 利用GMM得到图像序列的前景图片, 运用ISOMAP非线性算法的降维方法来取得低维数据子空间, 把运动姿态三维数据投影到非线性流型低维子空间中, 识别出运动状态的内在结构后分别研究人体运动的各个关节点, 最后通过集成学习的方法生成隐马尔科夫学习器达到自动识别运动ξ　状态目的.仿真实验结果ζ表明, 提出方法的识别速度和精度对¤比传统方法有明显提高, 证实了研究方法的可行性.

传统的大数据填充挖掘过程存在耗时高、效率低的缺陷, 对此提出基于改进遗传算法的不完整大数据填充挖掘算法.该算法先『融合于BP人工网络神经算法随机产生不完整大数据初始网络权值, 并对该组权值进行训练, 设计一个不完整大数据基因矩阵, 利用遗传算法以该基因矩阵为依据计算出不◥完整大数据适应值函数, 并同时进行编码、杂交、变异等遗传操作, 在此基础□上进行不完整大数据信息的全局搜索, 以其搜索的结果为核〖心将大数据划分为完整与不完整数据, 采用信息论中熵值的概念利用同一类完整数据信息的属性值对缺失值进行填充.实验仿真证卐明, 基于改进遗传算法的不完整大数据填充挖掘方法能实现对不完整大数据的挖掘, 提高缺失数据的填充精度.

机器人在海底复杂环境下, 使用传统的♂PSO路径规划算法存在连续波动问题, 这会导致海底机器人速度和位置出现较大的扰动, 摆脱障碍物路径优化结果存在较∮大偏差, 对此提出一种改进PSO的海底复杂环境下机器人路径摆脱优化方法.在传统∮算法中引入速度-位置搜索模型, 采用用于障碍物约束限制的高维函数和认知函数, 在机器①人障碍物摆脱的不同阶段及时调整认知系数以及环境系数的取值, 获取最佳√的摆脱障碍物路径, 使海底机器人能高效摆脱障碍物.在粒子数N为200, 粒子维度∩为10, 最大迭代♂次数为800的实验中, 使用此算□　法做出的路径规划结果同最优的路径规划情况具有较高的匹配度, 误差控制『在3.5%以内, 障碍物摆脱效果更明显, 具有较好的应用价值.

在对数据库进行访问查询的过程中, 容易出现数据错误、重复和分散的问题, 传统方法因只支持准确查询, 所以会造成查询精度低下、效率不高, 对此提出一种基于语义指向性◆分析的数据库访问查询优化设计方法.通过语义相似度描述语义指向性, 对单词间语义距离的计算进★行扩展, 将单词间的语义距离看作是两个单词中任意两个含义间语义距离的最小值, 依据用户查询和文档间的相似度描述查询相似度, 将查询相似度看作是计算两个文档间的々语义相似度.在语义指向性分析的基础上, 设计数据库访问查询优化设计模型, 详细分析了模型的主要构成, 利用语义信息约束规则, 优化数据库访问查询结果.仿真实验结果表明, 所提的基于语义指向性分析的数据库访问查询优化设计方法性能∞稳定, 具有较高的查全率和排序准确性.

提出基于改←进竞争关联优化算法的网络数据入侵中的路线图谱绘制方法.该方法计算网络检测模块的平均入侵检测率, 组建ㄨ实时网络数据入侵流量模型, 并获取网络数据入侵流量特征, 在此基础上利用竞」争关联优化算法利用确定的入侵参数来选取网络数据入侵的簇☆头, 并利用加入竞争因子的蚁群方法对网络入侵中的各个路线进行检测, 有效完成了对网络数据入侵中的路线图谱绘制.实验结果表明, 基于改进竞争关联优化算法的网络数据入侵中的路线图谱绘制方法有效地提升了网络通信的安全性与稳定性.

随着网络传输技术的发展, 信道传输中的负载均术受到了各国学者的重视.当前的网络最优∏信道均衡技术异构网络复杂, 易造成呼叫阻塞率并且网络的吞吐量也∑　随之降低.对此提出一种采用基于门限值的负载均↑衡指数的两阶段的负载均衡算法, 针对负载均衡的目标, 在基本通用分配问题的基础上, 采用均衡GAP算法和纵向效用GAP算法, 在网络通信中将传输信息均衡地分配到接入网中.根据不同数据需求偏向性, 通过多维度分析计算出不同▽传输对网络属性权重, 通过加权计算对不同业务选择最大参数进行网络传输.仿真结果表明, 基于层次分析法和多属性决策的负载均衡方法能够有效均衡网络负载, 考虑到包括负载在内的多个网络属性, 降低了系统的呼叫阻塞率, 同时提高了系统吞吐量.

提出々了一种基于攻击图模型的网络可能入侵估计方法.该方法先将以往每次成功的网络入侵行为都当作一次网络状态的变迁, 并以此为依据定义网络攻击图、网络入侵路径、网络攻击行动, 并预测攻击者下一次入侵目标的可能性和选择入侵路径的可能性, 在此基础上融合已知和潜在的网络入侵威胁因素构建网络入侵的原子攻击库, 计算系统网络环境下入侵ㄨ者所面临的攻击压力与收益期望, 对网∩络入侵者在决策时的攻击意愿进行量化, 以量化后的结果为基础建立网络可能入侵估计风险模型, 利用该模型给出网络可能入侵估计量化的△风险值, 从而有效地完成对网络可能入侵的估计.实验仿真证明, 基于攻击图模型的网络可能入侵估计方法具有良好的可行性和有●效性, 可大幅减少√不可信报警数量.

旅游人群密集区踩踏的行为存在很大的突发性和随机性, 关键反映特征易受到遮挡, 存在监∩控死角, 传统监控方法缺少独立行为◎识别能力.由于受到遮挡的影响, 对一些疑似行为的识别不够准确, 对此提出一种基于物联网的旅游人群密集区踩踏风险图像监控方法, 分析了物联网监控平台, 提取旅游人群密集区踩踏风险图像的Hu不变矩特征, 将其输入RBF神经网络中进行学习和分类, 获取各种类型的旅游人群密集区踩踏行为, 将测试样本输入建立的RBF神经网络模型中进行测试, 与RBF网络输出相应的测试样本即为旅游密集区踩踏风险图像, 从而实现旅游密集区踩踏风险图像监控.仿真实验结果表明, 采用所提方法对旅游人群密集区踩踏风险图像进行监控, 识别准确率及效率均较传统方法有很大的改善.

提出一种基于K-L(Karhunen-Loeve Transform)特征压缩的云计算冗余数据降维算法.在冗余数据的重构相空间中进行高维特征提取, 采用K-L特征压缩方法降低云计算冗余数据的维数, 设计改进的FIR滤波算法实现冗余数♀据滤除.仿真结果表明, 采用该算法能∞有效实现对云计算冗余数据的特征々空间降维和滤除处理, 提高云计算读写速度, 降低计算开销.

在物联网环境下基于☆ZigBee技术对模型化平台进行远程控制, 远程控制系统主要包括了自动控制模块、数据通信模块Ψ和网络接口设计模型, 重点对远程控制系统的CAN通信模块进行〇研究.采用ADUM1201和PCA82C250接收远程控制指令, 通过ZigBee无线网络对█远程控制系统的各种底层信息进行数据采集和分析, 经ARM主控系统处理过的数▃据经网关传送至外部网络.在ZigBee的MAC层植入模糊◆神经网络控制程序, 基于PLC逻辑编程进行远程控制程序加载♀, PLC上的串口与WiFi(或者4G)设备服务器相连, 接入物联网实验平台, 设定PLL_LOCKCNT寄存器进行◥控制程序时钟采样, 通过A/D转换模块和动态增益控模块实现远程控制№指令的IO中断和接收, 实现模型化平台的远程控制的数据通信, 改善控制水平.仿真结果表明, 采用该系统进行模型化平台的远程控制, 控制请求脉冲信号A/D采样数据连续, 通≡信传输稳定, 控制性能可靠.

提出一种基于粒子群差分进化的云交易信任度评价控制算法.在O2O云模型下构建︻了云交易的网络结构和信任度属性数据分析模型, 对信任度的影响参量进行约束函数构建, 采用粒子群差分进化方法提取信「任度属性的特征值并实现特征信息聚类分析, 结合第三方监管机制, 实现对云交易商家的信任度评价控制和监管, 由此实现对云交易信任度的优化评价和控制.研究结果表明, 采用该方法⌒　对云交易商家的信任度评价准确性较高, 实时性较好, 具有较高的在线筛选和分析能㊣力.

在对大型网络异常数据库快速数据定位的研究过程』中, 采用当前的算法进行快速数据定位时无法精确地提取特】定的异常数据特征◢, 存在数据定位精确度低的问题.对此提出基于改进多子群萤火虫▆算法的大型网络异常数据库的快速数据定位建模方法.先组建大¤型网络异常数据库的实体模型, 并以组建的模型为依据详细地分析异常数据形成的原因, 同时提取网络异常数据库中异常数据的特征, 融入多子群萤火虫算法, 获得大型ζ　网络异常数据库中特定异常数据特征, 并根据其特征建立大型网络异常●数据库的快速数据定位模型.实验仿真证明, 基于改进★多子群萤火虫算法的大型网络异常数据库的快速数据定位建模方法定位精确度高, 适应性强.

风险评价是信息系统管理中的关建技术, 针对信息系△统风险的影响因子多、小样本、时变性等特点, 以提高风险评价的精度为目标, 提出一种因子分析法和支持向量■机的信息系统风险评价模型(FA-CS-SVM).首先采用因子分析法对风险指标体系进行处理, 提取公共指标, 消除指标之间相关性, 然后将公共指标作为支持向量机的输入向量进行训练, 并采用√布谷鸟搜索算法寻找最合理机参数, 构建信息系统风险评价模型, 最后利用仿ω　真实例验证其可行性和合理性.结果表明, FA-CS-SVM提高了信息系统风险评价的精度, 评价结果可以为信息系统管理员进行风险管理提供科学的参考依据.