工程实践中的体系与系统

 介绍了国际上通行的体系概念，通过实例阐述了常见的体系类型，从多个维度描述了系统与体系的区别，根据实践总结，提出体系与系统的核心界定准则，并结合工程实践进行了详细描述。     

单周动态补偿的光通信码间抑制抗干扰新方法

在对光通信码间进行抑制抗干扰的过程中,光信号会受温度、大气流动等不确定性因素的影响,干扰随机性较大,导致传统的调相阵列技术由于不能实时检测,从而无法有效实现光通信码间的干扰抑制。提出一种单周动态补偿的光通信码间抑制抗干扰方法,分析带有干扰的光通信系统,给出外部扰动向量的动态特性,分析无限时域的性能指标,将原系统和干扰系统和期望输出联立,获取光通信增广系统。在调制信号中引入直流偏置信号,将经调制的数据向量划分成不同子序列,赋予各子序列对应的加权系数,依据光通信码间安全工作区域信号范围对光信号进行限幅,通过正信号的切顶信号求出补偿信号。对正信号与翻转负信号进行符号拼接、偏置信号添加等操作,将光信号以光功率的形式传输至光无线信道。将加性高斯白噪声信道作为信道模型,将负信号置零,进而抑制光通信码间的干扰。仿真实验结果表明,所提方法具有很好的抗干扰性能。     

基于三维动态步态的身份识别方法仿真

根据步态识别人身份的研究中,由于二维步态特征无法完全表示人体特有的动态步伐特征,导致识别受限。提出基于三维动态步态的身份识别方法,以连续步态图像帧为单位,通过立体视觉技术从二维图对不同采样时刻的运动人体三维步态轮廓信息进行提取,提取人体步态三维轮廓后,对其进行无关区域分割,获取和人体行走相关的步态特征。通过构建步态特征变换的几何模型,给出动态三维步态特征的转换过程,依据欧氏距离度量,根据结果实现身份识别。仿真实验结果表明,所提方法具有很高的识别精度和识别效率,性能较静态方法有较大的改善。     

不同情境牡丹鹦鹉鸣叫的特征及节律研究

用mp3采集声音、记录,用Cool edit2000和Wavesurfer等2种声音软件进行分析,对在不同情境下的牡丹鹦鹉(Psittacula agapornis)鸣声与行为的关系进行了探究.结果表明:牡丹鹦鹉的鸣声主要有单脉冲鸣声、双脉冲鸣声和多脉冲鸣声,3种鸣声在时域和频域存在差异;雄性鸣声种类较多;鸣声的分布独雄>独雌>雌雄混合,呈早>中>晚分布;独处时和共处时的鸣声脉冲持续时间不同.雄鸟比雌鸟鸣叫强.     

浅析城市建设用地规模控制问题

介绍了城市建设用地规模和有效控制建设用地的必要性,讨论了控制建设用地的方法。     

雌性牡丹鹦鹉叫声的声学分析

以成年雌性牡丹鹦鹉(Psittacula agapornis)为实验材料,用mp3采集声音、记录,Cool edit2000和wave-surfer软件对牡丹鹦鹉声音进行分析.结果表明,各种类型鸣声的频域特征基本一致,说明牡丹鹦鹉的叫声处于比较稳定的状态.主频在不同鸣叫类型中各有差异,单鸣声相对幅值最小.探讨了牡丹鹦鹉各类鸣声在时域和频域方面的差异,为有关亚鸣禽类鸣叫特征及其行为方面的研究提供资料.     

图像边缘检测的研究与分析

边缘检测是数字图像处理中的重要内容,它是底层视觉处理中最重要的环节之一也是实现基于边界的图像分割的基础。本文对图像的边缘检测的各种算法和算子做了总结和分析,通过运用MATLAB对常见的边缘检测算子进行仿真。     

大规模数值型数据库中敏感数据的加密算法研究

针对大规模数值型数据库中敏感数据的加密,传统算法无法解决当前行、列数据间加密密钥的干扰问题,导致安全性能较差,效率降低。为此,提出一种新的大规模数值型数据库中敏感数据加密算法,对大规模数值型数据库中的数据进行聚类处理,以过滤无价值数据,得到对用户有价值的数值型数据,降低计算量。给出大规模数值型数据库中敏感数据加密原理,进行大规模数值型数据库的元素级加密,使所有字段的密钥均不相同。介绍了一种只在加密和解密的过程中产生密钥的密钥生成方式,依据得到的密钥对大规模数值型数据库中敏感数据进行加密和解密处理,从而实现敏感数据的加密。实验结果表明,采用所提算法对敏感数据进行加密,不仅能够保证安全性,而且有很高的效率和存储性能。     

云计算网络数据库中的加密优化模型仿真分析

针对云计算网络数据库中大数据加密耗时长的弊端,提出一种新的并行同态加密(DGHV)方案。在云计算网络环境下,采用DGHV同态加密算法进行初步数据加密,并对加密过程产生的噪声进行去噪处理。引入MapReduce计算框架的并行特性,使用分块算法对云环境中的大数据进行分割,并采用同态算法进行加密,最后将加密后的密文块汇总,得到整个数据库中的密文。实验结果表明,通过相同的实验平台对云环境网络数据进行加密优化。相比较其他方法针对大数据的处理的加速比较高,能够有效地减少加密时间。     

引入高阶累积量的数据库访问特征选择算法

在进行数据库访问的过程中,由于受到很多不确定性因素的干扰,使数据库中存在大量噪声,影响了数据库访问的效率。提出一种引入高阶累积量的数据库访问特征选择算法,依据高阶累积量两个统计独立随机过程之和的累积量等于各个随机过程累积量之和的性质,对数据库进行去噪处理。在此基础上,采用SVM无监督算法实现数据库访问特征选择。仿真实验结果表明,采用所提算法进行数据库访问特征选择,不仅具有较高的特征选择精度,而且特征选择效率也明显高于传统算法,同时特征选择结果所含冗余特征低于传统算法,验证了所提算法在数据库访问特征选择方面的性能。