基于双难题的环Zn上圆锥曲线的数字签名

通过对一个剩余类环 Z_n上圆锥曲线C_n(a,b) 数字签名方案(Xiao06方案)的安全性分析,发现该方案的公开参数选取和算法设计存在问题,导致利用韦达定理可以分解模数 n ,说明Xiao06方案的安全性不是基于整数分解难题的.针对此缺陷,采取保密部分参数和修改验证算法的方法,提出了一个改进的环 Z_n 上圆锥曲线的数字签名方案,并且给出了改进方案的数值模拟.分析表明,改进的方案是一个同时基于离散对数和整数分解双难题的环 Z_n 上圆锥曲线的数字签名方案,不仅保留了原Xiao06方案的优点(明文嵌入方便,求逆元速度快,元素阶的计算及曲线上点的运算容易),还具有很强的抗破解能力.     

热线探针对数校准方法研究及改进

开展了可压缩流体中热线探针校准方法的研究,以满足其在各种速度测量场合的使用需求。研究了对数校准数学模型,发现校准系数求解过程中存在矩阵奇异性过强的问题,导致在速度小扰动条件下方程求解稳定性差。对对数校准数学模型进行了参数无量纲化及添加正向偏置的改进,建立了无量纲化对数校准数学模型。在马赫数为0.3~0.5,引射压力为150~300 k Pa范围内进行了校准实验,利用对数校准数学模型对实验数据进行拟合,拟合优度为0.997 61,拟合速度平均偏差为1.378 m/s,校准系数求解过程中系数矩阵条件数为1.595×108,矩阵奇异性过强,加入速度小扰动(1 m/s)后,拟合优度为0.379 74,拟合速度平均偏差为43.81 m/s,方程求解稳定性差。利用无量纲化对数校准数学模型对实验数据进行拟合,拟合优度为0.998 95,拟合速度平均偏差为1.203 m/s,校准系数求解过程中系数矩阵条件数为3.655×102,且无量纲化方法不受速度小扰动影响。对流体速度进行不确定度分析,速度平均不确定度为3.168 m/s,无量纲化拟合速度平均偏差明显小于速度平均不确定度。实验结果证明了无量纲化对数校准数学模型应用于可压缩流体热线探针校准的可行性。     

直升机任务能力评估

首先介绍了直升机任务能力的主要内容及其应用领域,然后建立了一种适用于直升机任务能力评估的对数法,并对其评估的具体项目进行了说明。最后给出了一些机型的评估算例,计算结果表明用该方法对直升机的任务能力进行评估是合理的。     

最新CCSDS图像压缩算法研究与实现

2005年CCSDS(空间数据系统咨询委员会)推出了一项新的图像数据压缩算法标准,制定算法标准的目的是为了解决有效载荷设备的数据压缩以及如何分段压缩能使地面更好地接收图像数据和解压缩.算法的应用能够减少静态图像的数据量,这样不仅可以降低传输带宽,减少数据存储,而且在给定码率情况下能缩短传输时间,这对空间数据压缩具有重要意义.针对CCSDS最新推出的图像压缩算法进行了研究并对其性能进行了阐述,分析了算法硬件实现的可行性,并将算法软件实现的结果与其他图像压缩算法的实现结果进行了测试比较,结果表明在低码率下压缩性能与JPEG 2000,SPIHT相当,甚至更好,完全符合星载图像压缩在低码率下传输的要求.      

基于流的遥感图像超分辨率重建

为了提高遥感图像超分辨率重建的质量，提出了一种基于流的遥感图像重建算法。首先，在Glow模型的基础上引入改进后的RRDB架构用于低分辨率图像特征提取，通过构建更多层和连接以提升训练的稳定性。然后，以一种纯数据驱动的流模型来训练分布的参数，通过最大化负的对数似然的方法进行优化，得到该算法的损失函数。实验证明该模型在网络训练过程中能够快速达到稳定收敛的状态，且具有很强的泛化能力。用重建出的图像质量对比SRCNN、SRGAN、ESRGAN，经过测试后发现，提出的算法远远优于SRCNN算法，与其他算法相比也有明显优势。重建出的图像不仅在指标上有所提升，例如与SRCNN相比，PSRN和SSIM分别提升了15%和40%，且人眼观察时有更高的清晰度，高频细节更为丰富。     

自主火星离子与中性粒子分析仪数据压缩算法设计

火星离子与中性粒子分析仪共设计10种在轨探测模式，不同探测模式下数据率不同，多种探测模式下数据量远超出最大下行数据率的限制。为降低数据率，利用仪器内部FPGA有限的资源对压缩处理方法进行了详细设计。通过分析仪器数据特点，火星离子与中性粒子分析仪压缩算法采用合并处理、对数压缩和无损压缩三种压缩算法组合。对于每种探测模式，FPGA程序可根据压缩标志选择相应压缩算法，实现三种压缩算法串行使用，或选择其中一种或两种算法。并且压缩标志可通过注入指令改写，实现在轨时根据需求灵活配置。合并处理压缩比为2或4，对数压缩的压缩比为2，无损压缩效率与样本数据间的相关性有关。在此基础上，利用等离子体定标测试系统完成了地面测试。测试结果表明，各探测模式下科学数据经过压缩后数据率满足任务指标要求。     

基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主，其感知性能过于依赖预定的统计模型，这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析，结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识，可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则，在神经网络输出端设计了一种基于阈值的检测方案，可方便地控制恒定的虚警概率。仿真结果表明，所提算法在信噪比为–14 dB的情况下，仍能达到83%的检测性能，且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。