RSA算法在QR码防伪技术中的应用

QR码是目前应用较为广泛的一种二维码,具有超高速全方位识读、编码字符广泛、能更有效表示汉字等特点。随着QR码越来越广泛的应用,对QR码的图像质量及安全技术要求也越来越高。如何对QR码进行加密实现产品防伪是当前业界研究的热门话题。RSA算法是第一个能同时用于加密和数字签名的算法,也是目前最有影响力的公钥加密算法。针对QR码防伪的要求,提出了使用RSA算法对QR码进行加密的防伪技术。编码方首先使用公钥对原始数据信息进行处理,产生密文信息,再用此密文信息生成QR条码。用户获得条码后,需要得到授权,才能使用QR码译码程序进行计算并获得明文,从而判断条码的合法性。经实验,测试效果良好,速度较快。该方法为生产企业提供了一种防伪新思路,具有很好的实用价值。     

基于光照模糊相似融合不变矩的航天器目标识别

针对航天器目标识别中现有的光照变化和图像模糊条件下几何仿射不变矩识别不稳健问题,根据灰度光照模型,结合图像模糊和不变矩的基本理论,提出了一种光照模糊不变量,与几何仿射不变矩进行融合,构建出一种新的光照模糊相似融合（CIBA）不变矩,并从理论上证明了光照、模糊和相似变换（平移、缩放和旋转）不变性。对3种不同的航天器目标的识别实验表明,光照模糊相似融合不变矩在最小距离分类器中的识别准确率达到了86.37%,比几何仿射不变矩提高了94.00%,比具有光照不变性的几何仿射不变矩提高了24.54%,有效地解决了对不同位姿、不同光照模糊条件下的航天器目标识别问题,提高了基于矩的目标识别鲁棒性。     

基于有限元Craig缩聚模型的基础激励和载荷识别

载荷识别是用有限自由度的加速度测量值推断外力.基础激励是在基础自由度上加给定的加速度时间历程激振结构,求整个结构的动响应.利用Craig减缩模型的性质,及界面自由度的已知运动可求出整个结构其余自由度的动力学响应,完成基础激励求解.在此基础上用已知的界面自由运动和求得的非界面自由度的动力学响应,代入结构动力学方程即可实现载荷识别.本方法唯一能给基础激励和载荷识别结果带来的偏差是Craig缩聚模型与原始有限元模型间的差异,对此用频响分析的方式,直接从频响曲线的变化来确定缩聚模型的精度.算例表明这一新的基础激励和载荷识别途径是有效的.      

基于频谱预处理的RS码盲检测识别方法

针对RS(Reed Solomon)码的盲检测与识别问题,提出了一种基于频谱预处理的检测方法。该方法利用RS码的频域特征,实现对RS码的盲检测与识别,针对高误码情况,对多组码字的频谱分量进行非线性变换和中值滤波,充分利用码字变换频谱的统计信息,使得检测算法可以适应较高的误码环境,同时给出了算法误码适应能力的理论上限。仿真实验表明,算法能够在较高误码率条件下实现对本原RS码的盲检测与识别,性能已接近算法误码适应能力的理论上限。     

科技成果

欧洲探测器发现火星上曾有一片汪洋据英国《每日邮报》2012年2月7日报道,欧洲航天局的"火星快车"(Mars Express)探测器借助最新雷达,发现了存在于火星北部平原上的低密度物质(可能富含冰),这表明火星上曾有一片汪洋。日本开发彩色条形码瞬间识别技术     

基于证据理论的雷达与通信侦察目标识别算法

针对异类被动传感器中的目标识别问题,将D-S证据理论运用于雷达侦察与通信侦察的目标识别中。首先将雷达和通信侦察设备侦收到的信息分别通过识别,得到雷达和通信电台的基本概率赋值,再通过D-S证据理论算法进行融合,计算出目标平台的基本概率赋值,从而得到融合后的平台类型。仿真实验结果表明,融合后的结果具有更高的置信度。     

一种基于迭代的多音干扰消除方案

针对正交频分复用技术(OFDM)系统的多音干扰,本文提出先通过增加频域分辨率进行多音干扰识别,再基于迭代运算逐个对多个单音干扰进行参数估计、重构和消除的方案。其中,在多音干扰识别阶段,使用Zoom FFT技术以提高频域分辨率并简化计算复杂度。然而,Zoom FFT后的降采样序列点数不一定满足2的整数次幂,对于单音干扰参数估计,此时可采用经典的基于离散傅里叶变换(DFT)的最大似然参数估计(DFT-MLE),但当采样点数太大时,DFT运算将带来很大的实现复杂度。本文在基于DFT-MLE算法基础上给出一种基于快速傅里叶变换(FFT)的单音参数估计法FFT-MLE,不仅简化了运算复杂度,而且相比DFT-MLE其估计性能有更好的鲁棒性。最后的仿真结果说明了该多音干扰消除方案的有效性。     

航空气象电码中RMK项的识别

<正>引言航空例行天气报告(METAR)和特殊天气报告(SPECI)是各个航空公司在平时工作中使用最多的气象资料。由于许多国家根据自己的实际情况对METAR和SPECI报进行了修改,导致这些国家的报文在一定程度上偏离了WMO所规定     

基于QAR数据的民机高高原进近着陆风险评估方法

民机高高原进近着陆是高原飞行高风险阶段。为有效实施高高原进近着陆风险识别和等级判据,提出基于熵权可变模糊识别的长短时记忆网络与深度神经网络(LSTM-DNN)相融合的深度学习风险评估方法。基于快速存取记录器(QAR)记录的高高原飞行数据,借鉴民机飞行品质监控（FOQA）咨询通告和行业QAR监控标准,结合指标重要度分析与Delphi专家调查,提取着陆时航向变化大、航迹低、610～305 m进近时下降率大、接地时垂直加速度及153～15 m进近时下降率大5个关键监控项目作为民机高高原进近着陆风险评估指标。为克服评估指标权重主观性偏差,应用熵权法确定评估指标权重,基于可变模糊识别方法构建风险等级隶属函数,建立基于LSTM-DNN的民机高高原进近着陆风险评估模型。以成都—拉萨进近着陆航段为例,提取QAR数据,对该风险评估模型进行训练与测试,并与Logistic多元回归、支持向量机(SVM)等评估方法进行比较,结果表明：所提方法平均准确率达到94.18%,最高可达94.79%,验证了方法的客观有效性。     

基于压缩协作表示的辐射源识别算法

针对低信噪比（SNR）条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。