一、用流图和状态矩阵对时序电路作识别设计(论文文献综述)
顾康[1](2021)在《基于表面肌电与加速度信号的动作识别方法研究》文中指出当今,世界上已经有6.5亿残障人士。我国的残疾人更是达到了8000万,其中肢体残障人士数量约占42%。表面肌电信号和加速度信号作为两个比较有代表性的可感知信号,可以用于人体的动作识别,从而帮助肢体残障人士控制假肢等设备。为此,本文主要研究了基于表面肌电和加速度信号的动作识别方法以及设计实现了一套实时动作识别系统,其主要工作如下:首先,本文提出了一种融合多特征的动作识别算法,该算法主要包括时序信号滤波与分割、多特征提取以及模型识别。其提取了表面肌电与加速度信号的多种时域、频域以及其他类型的特征,通过树模型将其进行融合,以达到识别信号所代表的动作的目的。通过实验后,我们在仅有表面肌电信号输入的情况下得到的最好的识别准确率为79.79%,在有加速度信号补充输入的情况下得到的最好准确率为93.38%。该模型可以有效的解决传统识别方法识别准确率低的问题。然后,本文提出了一种端到端的动作识别方法。该方法在输入阶段不需要进行人工特征挖掘,只需要对信号进行分割和归一化处理即可输入网络。并且,我们所设计的模型本身具有一定的伸缩性,我们可以根据模型的应用场景动态的调整模型的特征提取模块和通路的数量以及输入信号的种类,以达到平衡准确率和推理速度的效果。实验表明,该模型在仅有表面肌电数据输入时测试的正确率可达到81.76%,在表面肌电和加速度混合数据输入时测试的正确率可达94.65%,并且该模型在CPU上的推理速度仅需38.6ms。其有效的解决了人工特征挖掘繁琐和模型在边缘端部署困难的问题。最后,本文设计实现了一套实时动作识别系统,主要包含采集设备和上位机系统两个部分。在采集设备部分主要介绍了其硬件与软件的设计与实现。在上位机部分主要介绍了数据采集上位机和动作推理上位机的设计与实现。在动作推理上位机中部署了上述的神经网络识别模型可以完成动作的实时检测,同时也可以实时显示人体手臂的角度信息,延时可以控制在200ms以内,准确率在90%以上,基本满足实时识别的要求。
叶典[2](2021)在《基于图卷积神经网络的人体行为识别技术研究》文中提出作为图像和视频中的主要表现对象,研究让机器自动从图像和视频中识别人体的动作行为,具有非常重要的研究价值,也一直计算机视觉研究领域的热点问题。人体行为识别研究在视频监控、医疗保健、智能家居和人机交互等方面具有广泛的应用前景。人体的动作表现,主要是由骨架和关节点间相互牵引协作共同完成,因此人的骨架关节图中包含丰富的动作特征信息,并且骨架信息对尺度、光照和视角等变化具有很强的鲁棒性。在视频流任务中,时序维度较高,时序骨架特征与空间骨架特征的建模方法一直不成熟,模型计算量大与识别精度不高。本文针对以上问题展开深入研究,提出两种图神经网络模型,一种是在时空图卷积神经网络中引入空洞卷积与空间金字塔池化模块,另一种是融合图卷积神经网络和长短期记忆神经网络的双流网络方法2S-LSGCN,本文的主要工作如下:(1)总结并分析基于深度学习的人体行为识别方法,以及基于骨架关节点的人体行为识别的常用方法和数据集,并对之进行一定的归类处理。并针对视频流中骨架关节点的获取与骨架关节图的构建,进行归纳介绍。(2)提出了一种简单轻量级的模型,可有效解决动作关节图中时间特征不足、识别准确率不足的问题。首先,本文模型在时空图卷积神经网络的基础上,引入空洞卷积,以替换传统模型中普通的时间卷积核,使用带孔卷积提取时序特征来进行行为识别,以提取更大帧间范围的时序特征。其次,简单动作的视频中时间较短,缺少足够的时序特征,使得识别准确率较低。由于金字塔池化具有不同采样率和多重视野,能够以多尺度捕捉对象的空间特征与时间特征,本模型引入空间金字塔池化模块,以此弥补时序特征不足的问题,进而提升了模型的识别精度。(3)提出一种融合图卷积神经网络和长短期记忆神经网络的双流网络方法2S-LSGCN。该方法从人体关节点组成的骨架关节图中,提取动作的空间与时间特征。并利用GCN提取骨架关节点间潜在的空间信息,利用LSTM提取人体动作前后之间的时间序列特征作为补充,最后分别将两个网络的预测输出进行晚融合,解决了单个网络泛化能力不足的问题,以此解决复杂动作中空间复杂性和时间复杂性问题。
韩佩志[3](2021)在《基于机器学习的干扰处理》文中提出随着日益复杂的电磁频谱环境带来的严峻的干扰问题,干扰处理技术越来越受到重视。机器学习作为当下的潮流之一,正带动着通信抗干扰技术向智能化方向发展。干扰识别是抗干扰的前提和基础,也是其关键技术之一。将机器学习算法应用到干扰识别技术中,可以使得干扰类型及其相关参数的识别更加准确高效。成功识别出干扰信号之后,利用链路自适应技术,根据不同的信道质量指标对发送功率、调制编码方案及信号波束方向等参数进行实时更改,在一定程度上能够缓解和抑制干扰。本文将机器学习中的支持向量机(Support Vector Machine,SVM)算法及卷积神经网络(Convolutional Neural Network,CNN)与卫星通信系统、无线局域网物理层通信链路相结合,完成了基于机器学习的干扰特征辨识分类及干扰抑制,并在通用软件无线电外设平台(Universal Software Radio Peripheral,USRP)进行了实际仿真验证。首先,本文总结了机器学习在干扰检测与识别领域的研究现状,同时对链路自适应相关技术的研究现状进行了概述,并简述了本文的研究内容和大致安排。其次,研究和讨论了本文后续仿真所使用的支持向量机算法原理,给出了该算法应用于特征提取及特征分类领域的流程图。紧接着,针对本文图像分类问题,概述了卷积神经网络分类原理,构建了本文的卷积神经网络,并给出了相关参数设置。第三章以星地通信为背景,参照第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)标准及提案设计搭建了低轨卫星下行通信链路,仿真对比了在不同最大多普勒频移、不同干扰类型及不同干扰强度下的链路误码率及误块率性能。进一步,将机器学习中的SVM算法与星地通信链路相结合,对接收端信号功率谱提取峰度、偏度系数、频谱平坦系数及频域峰均比四类特征值,利用四维特征联合对干扰进行分类辨识,仿真得到了不同干信比(Jamming-to-Signal power Ratio,JSR)下单音干扰、多音干扰、扫频干扰、窄带干扰四种干扰类型的分类正确率。然后利用CNN图像识别算法,构建卷积神经网络,对不同干扰类型、不同干扰强度的接收端时频图进行处理及分类,得到了不同JSR下的分类正确率,并对两种算法的分类性能进行了对比。实验结果表明,SVM算法在JSR达到-1d B时,能实现整体100%的识别成功率,其中单音、多音、窄带三种类型干扰分别在干信比为-16d B、-13d B及-6d B时达到100%识别成功率。在CNN分类结果中,单音、多音、扫频、窄带四类干扰分别在干信比为-22d B、-18d B、-12d B、-12d B时达到100%识别成功率。相对于SVM算法,CNN分类性能更优。第四章基于IEEE 802.11a物理层通信标准,搭建了干扰自适应链路。通过划分信噪比区间及接收端估计出的实时信噪比,在不同干扰类型及干扰强度下实现了调制编码策略的实时切换。并结合机器学习中的SVM算法实时检测干扰类型,再根据不同干扰类型采用N-sigma算法计算干扰抑制门限,对超过门限的谱线采用干扰置零法,得到了在不同JSR下干扰抑制前后的链路传输速率及误码率变化曲线。实验结果表明,相对于干扰抑制前,单音干扰和多音干扰抑制后链路传输速率和误码率性能都得到了较大提升。当JSR大于-14d B时,干扰抑制后传输速率稳定在54Mbps,且误码率维持在8×10-5左右。多音干扰抑制后,当JSR大于-6d B时,传输速率稳定在24Mbps,且误码率维持在1×10-3左右。扫频干扰抑制后,在一定的JSR范围内,传输速率得到了提升且误码率被控制在6×10-3左右,随着JSR的增大,误码率有所上升,但一直低于干扰抑制前。窄带干扰由于干扰频谱范围较宽,干扰置零会损失部分有用信号信息,干扰抑制效果最差。干扰抑制无法提升传输速率,但在误码率超过0.1时可将误码率降低至0.1附近。最后,设计了单载波通信软硬件测试平台与方案,在Matlab Simulink?平台搭建通信链路,利用搭载AD9363射频收发芯片的Pluto SDR作为射频收发端,利用GNU Radio平台控制USRP产生不同类型的干扰。然后对接收端粗频率估计、符号同步、载波同步、相偏补偿等算法进行了详细理论分析。进一步,利用SVM算法对接收端功率谱进行特征提取并对特征进行分类,仿真得到了不同干信比下的分类正确率曲线。在JSR达到2d B时,实现了单音、多音、扫频、窄带四种干扰100%的分类正确率,验证了所用分类算法的有效性。
董润楠[4](2020)在《基于混合控制理论的微电网多级控制系统方法研究》文中提出近年来,随着可再生能源的快速发展,微电网技术先后经历了两个阶段:微电网技术可行性研究与验证阶段和微电网系统控制方法研究和成熟阶段。目前微电网技术研究已成功步入了多微电网互动方法的研究论证阶段。微电网分层控制体系框架的提出是微电网第二个阶段的重要产物也是其迈入第三个阶段的前提基础,针对其进行深入研究对微电网技术未来的发展具有重要的里程碑意义。传统微电网分层混合控制框架分为五个控制层级,各层级间通过现代互联网通信技术串联形成完整的微电网控制系统网络。混合控制主要依靠通信技术实现多种类型变量的信息融合、不同类型的控制方法混合控制以及不同类型电源和控制层级的协同控制等方面。因此,可以将这一框架下的混合控制理论划分为控制方法研究和通信、数据处理方法研究两个方向。针对控制方法的研究,目前仍然存在诸如电源节点间的功率分配准确性问题、各个节点的输出稳-动态响应性能改善问题和全网多种分布式资源的经济性利用等问题。微电网节点功率分配准确性的问题始终停留在第1层和第2层的方法研究中,对微电网控制系统整体性能的改善仍然存在局限性。各个节点的输出稳-动态响应性能不仅直接影响微电网整体控制系统的稳-动态性能和全网资源调度策略具体实施过程中的经济性、可靠性,还间接影响着各节点功率分配的精确性。然而,针对微电网各个节点的输出控制方法的研究却一直没能得到很好的解决。此外,由这些节点构成的电压源逆变器接口(Voltage Source Inverters,VSIs)控制网络的整体关联性问题研究仍然相对薄弱,尽管不同层级、不同微电网控制系统之间通过传输线路阻抗产生的关联性将降低微电网内部控制稳定裕度这一问题已被熟知,然而通过控制科学的角度探究这一问题的本质原因却是微电网控制系统、方法研究的空白。针对上述问题,(1)通过对包含各控制层级的单一 VSI节点的完整控制系统进行整体建模,分析了影响各节点输出响应性能的主要影响因素即控制器参数、层级间的延迟、互联线路参数不确定性、互联节点间控制系统的关联性。(2)针对常规通过调整控制器参数来改善节点响应性能的方式,利用果蝇优化算法设计出了离线优化和在线自自调整两种VSI节点输出控制器参数整定方法,通过对比研究发现这种传统方式在不改变控制系统结构的情况下具有一定的局限性。(3)本文进一步通过采用动态矩阵预估控制理论对VSI节点内部输出控制器进行改进设计,全面提高了单一 VSI节点的输出响应性能。(4)针对VSIs控制网络多VSI节点关联性问题从控制科学的角度对多VSIs节点多层级完整控制模型的分析中发现了节点关联性通过互联线路参数对控制器性能影响的本质原因,即控制模型由于互联线路参数项和相邻节点控制模型项的加入而改变了各个节点原本的控制系统模型,VSI节点的极点分布由此偏移,从而引起了VSI节点控制器稳定裕度的降低。(5)通过状态空间模型构建出了包含由互联线路参数构成的关联性参数矩阵。在此基础上采用基于动态矩阵控制方法(Dynamic Matrix Control,DMC)设计了一种VSIs控制网络多节点的协同输出控制方法。在相同环境下对多个采用DMC控制系统独立控制的VSI节点组成的VSIs网络、传统PI控制的VSI节点组成的VSIs控制网络以及基于DMC协同控制的VSIs控制网络进行对比仿真,验证了这一协同控制方法在VSIs控制网络中降低关联性影响的有效性。(6)针对多微电网互动过程中的互联接口设备进行了模型构建和研究,考虑到VSIs控制网络的整体一致性,同样采用了 DMC控制方法设计了互联接口设备的内部输出控制器并通过实验验证了其输出响应性能。
王泽[5](2019)在《基于计算听觉场景分析的语音增强研究》文中指出区别于传统的信号处理方式,近年来越来越多的研究通过模拟人类听觉系统来达到语音增强的目的。其中,计算听觉场景分析(Computational Auditory Scene Analysis,CASA)从生理和心理两方面研究人类听觉系统对声音信号的感知处理和多声源分离过程来建立计算机语音处理模型。本文重点研究了单声道CASA中典型的HuWang模型和双耳听觉语音增强方法并且对两种模型在多场景下的语音增强性能进行了具体的仿真分析。根据理论及仿真实验分析,HuWang模型虽然具有一定的鲁棒性,但由于听觉线索的选取以及种子片段的机制,该模型会损失清音成分并且只能在连续的浊语音场景中使用。而大多数实际语音场景都是具有停顿片段的非连续语音,而且缺乏谐波结构的清音在语义理解中同样有着重要作用。采用了空间线索的双耳听觉语音增强方法适用于上述场景并具有不错的效果,但特征阈值的选取在去噪性能和目标语音成分保留程度之间仍难以两全。因此,为了提升CASA语音增强系统在包含清音的非连续语音场景下的整体性能,本文从模拟人类听觉系统的感知处理过程出发,将单声道HuWang模型与双耳听觉模型进行互补融合实现了一个改进的CASA语音增强系统。在改进系统中,本文提出了一种基于双耳掩蔽矩阵的目标语音活跃检测算法与单声道HuWang系统相结合拓展了其在非连续语音场景下的适用性。然后在听觉重组阶段,本文采用了多特征掩蔽方法互补地结合单声道线索和双耳听觉线索保留清音成分并提升语音增强性能。在仿真实验中,本文首先分析了改进CASA系统各主要参数阈值对性能的影响并选取了相对优化的阈值。接下来,通过多种评价结果分析了基于双耳掩蔽矩阵的目标语音活跃检测算法性能并且表明了本文提出的整体改进CASA系统与采用的单声道模型及双耳听觉语音增强方法相比,能够有效提升在包括清音和浊音的非连续语音场景下的语音增强性能。最后通过硬件及系统程序设计与实现对改进CASA系统进行了整体功能的验证。
赵恒[6](2019)在《级联码在数据链系统中的研究与实现》文中研究表明数据链是战场通信系统的重要组成部分,可以确保空中侦查信息、地面控制信息和中继转发信息之间能够及时实现共享,并迅速实现同步作战。战争中信息传输的可靠性是数据链必须要考虑的重要指标,所以抗干扰技术是数据链的核心技术之一。为了提高数据链系统的可靠性,必须引入差错控制技术,因此对数据链系统的信道编码技术进行研究,选择适合数据链的编码方式具有重要的意义。本文主要对某自定义弹载数据链系统中下行链路的信道编码技术进行了研究。在讨论了弹载数据链中信道编码的国内外研究动态,研究了弹载数据链中常用的信道编码方案的基础上,分析了该数据链下行链路信道编码的设计方案。在进行多方面的比较与考虑之后,决定选用级联码(RS码+交织+卷积码)作为下行链路的信道编码,主要对级联码的相关算法和其FPGA实现进行了研究。首先对级联码的基本原理进行了研究,分别分析了 RS码、交织码和卷积码的编码及译码原理,并根据数学公式的推导和利用MATLAB平台对相关算法进行了研究。其次对级联码编译码器的硬件描述做了逻辑仿真与实现,重点研究了 RS译码器、串并结合Viterbi译码器和卷积交织器的硬件实现方法。再次设计了级联码各部分间的连接模块,给出了整个系统基于Xilinx的FPGA开发板的具体硬件实现方法,并在Vivado平台上对其进行了仿真验证。最后分析了级联码方案的纠错性能,利用逻辑分析仪ILA对级联码做了在线测试。经过测试,该级联纠错码可以纠正至少每间隔8个符号(2位二进制数)有1个符号的随机错误和最多连续140比特的突发错误,可以有效地降低弹载数据链系统的误码率,且能够满足数据链的设计要求。
郭爱文[7](2017)在《含有手部运动反馈的穿戴式上肢运动功能重建系统》文中提出随着全世界瘫痪病人数量的持续增长,康复医学研究领域的瘫痪病人肢体运动功能重建逐渐成为研究热点。目前各类医疗仪器普遍采用神经肌肉电刺激(NMES)方法,在外周神经系统上施加电刺激脉冲,使周边肌肉产生人工动作电位,完成预定的动作。与其它生物医学方法相比,功能电刺激(FES)具有使用方便、效果显着的优势。本课题组提出了"肌电桥"发明专利思想,研发了一种基于通信原理和肌电信号控制的运动功能重建系统,克服了传统NMES系统刺激模式单一、瘫痪病人主动参与度低等缺点。然而,前期研发的系统不够便携,且缺少手部运动的反馈功能,没有相应的评价机制。本论文基于课题组前期提出的"肌电桥"系统理论,将肢体运动功能重建系统移植到Intel公司的Edison嵌入式平台上,实现了可穿戴的效果,提高了系统的便携性能。同时,系统中增加了数据手套模块,可以检测并反馈手部的运动情况,从而将系统改进成闭环结构,丰富了系统功能,优化了用户体验。本文将穿戴式上肢运动功能康复系统划分为三个子系统进行详细阐述:"肌电桥"子系统紧贴"肌电桥"的概念,由肌电探测模块和电刺激模块组成,采用Socket网络通信。根据肌电探测模块获得的实时肌电信号,经过算法处理和通道映射,驱动电刺激模块产生幅度、频率等参数均可控的电刺激脉冲,实现实时远程无线肌电控制电刺激功能。自动寻点子系统基于多位点电极(Multi-pad)概念,由多位点电极板、电极驱动模块、电刺激模块和数据手套组成,模块间依旧采用Socket进行网络通信。通过电极驱动模块控制轮询选通多位点电极并在电极上输出电刺激脉冲,接着根据数据手套反馈的手部运动数据进行实时评价,最终自动找出对应于病人手部各运动功能的最佳刺激位点。人机交互子系统基于Android设备,研发了一系列APP与各模块配合实现人机交互功能。例如:与肌电探测模块配合实现肌电信号简易示波器的功能;与数据手套模块配合实现3D模拟手部运动状态的功能;与电刺激模块配合实现输出任意可调刺激脉冲电流的功能。三个子系统只是穿戴式上肢运动功能重建系统的典型应用,本系统具有很强的扩展性,可以基于各模块的基础功能继续拓展更多的应用方向。此外,Edison平台的开放性也有助于系统进入互联网移动医疗领域,在大数据、云计算的背景下获得海量康复数据,大大加速系统的优化创新进程。
龚永龙[8](2014)在《中小规模集成电路的自动化集成方法研究及应用》文中研究指明集成电路广泛应用于个人计算机、手机、智能家电等民用领域;以及航空卫星、舰艇、武器控制系统等军事领域。集成电路的发展规律遵循摩尔定律,即集成电路上的元件个数每18个月翻一倍,因此集成电路技术的快速发展造就了各种设备仪器的快速更新换代。建兴船舶公司引进国外的千吨级船舶的中央仪器由于工作年限的增加、备用电路板保存不善,中央仪器运行越来越不稳定;而该船舶某些电路板组件已经停产,从国外购买备用电路板的成本较高;同时国内研制的替换电路板故障率偏高,大大的影响了船舶的平时水上作业和训练。该仪器是由中小规模的集成电路和分立元件组成的数字系统,集成电路工艺早已进入纳米时代,小规模集成电路已经走向了生命的中后期,很多TTL和CMOS型芯片已经停产,如果电路板的芯片损坏,那么该仪器的维护将变得极为困难,这将导致被迫弃用。大规模、超大规模集成电路正引领着电子技术的发展方向,其中比较具有代表意义的是FPGA芯片和ASIC。可编程逻辑器件的出现加快了设计开发的速度,它的应用提高了硬件的稳定性,可靠性和可测试性。基于EDA技术和SOC技术,本论文对该船舶的指挥系统的中央仪器进行自动化集成技术研究,优化系统的整体设计,提高中央仪器的可靠性和可维修性,降低系统的整体功耗。本论文完成的关键技术研究和完成的工作如下:(1)根据该船舶指挥系统中央计算机数字元器件多、系统复杂等特点,提出了由下往上的自动化集成方案。(2)采用人工辅助方法,以精细化时钟脉冲和延时完成无法实现自动集成的单稳态电路、阻容延时电路的元件描述;采用多输入与门实现了OC门线与逻辑。(3)提出了一种基于关联度矩阵的电路模块划分方法,将面向产品族设计的模块构建方法进行改进后引入电路模块的划分。依据电路的设计结构矩阵和元件之间关联度建立量化矩阵,计算得出了反映元件之间强逻辑关系的可达矩阵,依据可达矩阵进行模块划分;以中央仪器的文件编辑电路板为例,进行了模块划分方法验证。(4)提出了分立数字逻辑元件的自动化集成方法。依据数字逻辑芯片的内部逻辑和管脚顺序,建立了Verilog HDL描述的元件数据库;编制自动集成分析软件Netlist-To-HDL,实现了待集成电路数字部分网络表的自动提取,研究了电源信号和滤波电容网络的删除、逻辑分析比对、输入输出管脚自动定义等实现方法。(5)对地址总线判优电路板做自动化集成,集成后通过在ISE平台上的功能仿真进行自动化集成方法验证。
奚琪[9](2014)在《基于模型检测的二进制代码恶意行为识别技术研究》文中认为信息系统安全是国家安全的重要组成部分,恶意代码是信息系统安全的主要威胁之一。攻击者利用恶意代码实现网络渗透、持续控制以及非法窃密等目的,给国家和个人带来巨大损失。一方面恶意代码的数量增长迅猛使得安全人员疲于应付;另一方面恶意代码利用混淆、变形等代码自保护技术来对抗安全软件的检测和分析,使得对恶意代码的分析与检测更加困难。因此,及时准确地识别恶意代码及其变种,对于维护信息系统安全、降低国家及个人的损失具有重要意义。模型检测是一种基于时态逻辑的形式化验证技术,具有自动化程度高、实用性强等优点,广泛应用于硬件设计、通信协议及程序验证等领域。本文将模型检测技术应用于代码的恶意行为识别,重点对行为描述和特征的自动化提取方法、软件行为模型的构建、检测算法优化以及API (Application Program Interface, API)反混淆技术等方面进行了研究。论文的主要工作及创新点包括:1.提出了一种基于API增强依赖图的行为特征描述与自动提取方法针对行为特征描述不准确和提取方法人工干预过多的问题,本文提出了一种基于API增强依赖图的行为特征描述与自动提取方法。该方法利用动态污点分析技术,深入挖掘API多维属性的依赖关系,在此基础上通过API增强依赖图刻画程序行为,克服了代码混淆产生的消极影响;利用图的有向性和标签属性,优化了最小对比子图算法,实现了行为特征的自动比对和筛选,提高了行为特征提取的效率。2.提出了最佳权重为导向的路径搜索方法依据程序动态执行所构建的程序模型存在着路径覆盖率低,包含程序行为不完全等问题,同时采用动态符号执行遍历所有代码的方法也存在效率低和模型规模过大等问题。本文提出了以目标域的最佳权重为导向的路径搜索方法,通过关键API调用在程序控制流图中的位置划分目标域,根据目标域的属性和目标域与执行路径的距离设置目标域的权重,最终通过约束求解方法生成输入来引导程序快速逼近目标域,有效提高了程序模型的构建效率。3.提出并实现了一种大规模CTL (Computer Tree Logic,CTL)模型检测算法模型检测器每次只能取规范集的一个属性公式验证其可满足性,且在验证过程中存在着公共子公式的重复验证问题,这与大规模行为特征的快速匹配要求不相匹配。本文在深入研究CTL标记算法的基础上,提出了一种大规模CTL模型检测算法,通过标识公式集中的公共子公式、构建公式集的扩展语法树以及验证过程中绑定公共子公式和模型中对应的可满足状态,克服重复验证的问题,有效提高了CTL公式的验证效率,增加模型检测系统的实用性。4.提出并实现了一种动静结合的API反混淆方法为了防止从程序中解析API信息,恶意代码通常采用API混淆技术进行隐藏。本文在研究多种API混淆技术及反混淆方法的基础上,重点针对加密API动态调用的混淆方式,提出了一种动静结合的API反混淆方法,利用解密函数识别、上下文信息提取,借助于定制的仿真器模拟执行,最终实现API加密字符串信息的自动还原,为构建程序行为模型及提取行为特征奠定了基础。5.设计并实现了一种基于模型检测的恶意行为识别系统在以上技术的基础之上,本文设计并实现了一种基于模型检测的恶意行为识别系统MBDS (Malicious Behavior Detection System,MBDS)。该系统提出了用谓词时态逻辑表示恶意行为,并给出了将API增强依赖图转换为谓词时态逻辑公式的方法;系统将监控到的系统调用轨迹转换为基于谓词标记的Kripke结构,结合最佳权重的路径搜索策略构建较为全面的程序模型;通过大规模CTL模型检测算法验证程序模型对公式的可满足性,从而判定检测样本是否具有恶意性。实验数据验证了系统和算法的合理性和有效性。
刘修文[10](2013)在《水下穿越管道防腐层检测仪硬件设计》文中指出作为我国五大运输产业之一的石油天然气管道运输,在近年来的国民经济发展中,起着越来越重要的作用。管道的检测、保护方法也在日益进步。然而目前国内的这些测量手段均只适用于陆地上的埋地管道,对于水下穿越的管段,则缺乏有效的手段。因此对管道水下穿越部分的防腐层检测技术的研究,是极具意义和价值的。本文在参考国内外技术的基础上,完成了水下穿越管道防腐层检测仪系统的硬件设计。系统硬件总共包含两部分,大功率发射机硬件,高精度接收机硬件。本文完成的工作主要有以下几点:1.介绍了管道防腐方面的相关知识和我国管道防腐的现状,以及国内外对于管道腐蚀的检测方法和产品。对比了几种技术在检测埋地管道的优势和不足,并根据水下穿越管道的特点,采用电磁法和交流梯度衰减法作为水下穿越管道的检测方法。2.根据功能需求和技术指标,提出设计方案,并对发射机和接收机部分的各个模块进行设计,包括数字电路,模拟电路,功率电路等。并设计数字控制芯片对数据的采集,滤波,通信部分的代码。3.完成对仪器各部分功能的调试,在硬件和软件上作相应的完善使其达到相应的技术指标,在实验室和现场测量以后,根据测量结果提出改进措施,对水下穿越管道防腐层检测仪的发展趋势作规划和预测。
二、用流图和状态矩阵对时序电路作识别设计(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用流图和状态矩阵对时序电路作识别设计(论文提纲范文)
(1)基于表面肌电与加速度信号的动作识别方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 专业采集设备与公开数据集概述 |
1.4 主要工作与论文结构安排 |
第二章 多特征融合的动作识别方法研究 |
2.1 算法结构 |
2.2 树模型 |
2.2.1 分类与回归树 |
2.2.2 随机森林 |
2.2.3 XGboost |
2.2.4 LightGBM |
2.2.5 CatBoost |
2.3 时序信号处理 |
2.3.1 时序信号滤波与分割 |
2.3.2 时域特征 |
2.3.3 频域特征 |
2.3.4 其他特征 |
2.4 算法实现与比较 |
2.5 本章小结 |
第三章 端到端的动作识别方法研究 |
3.1 算法结构 |
3.2 模型设计 |
3.3 模型训练 |
3.3.1 数据预处理 |
3.3.2 防过拟合 |
3.3.3 参数优化 |
3.4 比较与讨论 |
3.5 本章小结 |
第四章 实时动作识别系统设计 |
4.1 系统结构 |
4.2 信号采集 |
4.2.1 框架设计 |
4.2.2 硬件设计 |
4.2.3 软件设计 |
4.3 上位机系统 |
4.4 系统测试 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
附录2 攻读硕士学位期间申请的专利 |
附录3 攻读硕士学位期间获得的竞赛奖项 |
附录4 攻读硕士学位期间参加的科研项目 |
致谢 |
(2)基于图卷积神经网络的人体行为识别技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 基于深度学习的人体行为识别 |
1.2.2 基于骨架数据的人体行为识别 |
1.2.3 人体骨架动作识别主要数据集 |
1.3 本文主要研究工作 |
1.4 本文章节安排 |
第二章 相关理论基础知识 |
2.1 引言 |
2.2 骨架关节点的获取 |
2.3 卷积神经网络 |
2.3.1 传统卷积运算 |
2.3.2 空洞卷积运算 |
2.3.3 池化运算 |
2.4 图卷积神经网络 |
2.4.1 图卷积运算 |
2.4.2 金字塔池化运算 |
2.5 循环神经网络 |
2.5.1 长短期记忆网络LSTM |
2.5.2 门控循环单元GRU |
2.6 本章小结 |
第三章 基于时空图卷积神经网络的动作识别 |
3.1 引言 |
3.2 整体网络模型结构 |
3.3 模型结构与细节分析 |
3.3.1 骨架关节图的构建 |
3.3.2 时序上下文特征 |
3.3.3 多尺度空间特征融合 |
3.3.4 骨架关节注意力机制 |
3.4 实验结果与分析 |
3.4.1 实验环境与参数配置 |
3.4.2 实验结果 |
3.5 本章小结 |
第四章 基于双流网络2S-LSGCN的人体动作识别 |
4.1 引言 |
4.2 双流网络 |
4.3 整体网络模型结构 |
4.4 模型结构细节与分析 |
4.4.1 图卷积采样策略 |
4.4.2 空间卷积网络 |
4.4.3 时间卷积网络 |
4.4.4 双流2S-LSGCN网络 |
4.5 实验结果与分析 |
4.5.1 实验环境与参数配置 |
4.5.2 实验结果 |
4.6 本章小结 |
结论与展望 |
参考文献 |
攻读学位期间取得与学位论文相关的成果 |
致谢 |
(3)基于机器学习的干扰处理(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 基于机器学习的干扰检测与识别技术研究现状 |
1.2.2 链路自适应技术研究现状 |
1.3 主要研究内容及贡献 |
1.4 论文结构及内容安排 |
第二章 基于机器学习的干扰特征分类 |
2.1 引言 |
2.2 干扰特征提取 |
2.3 支持向量机分类模型 |
2.3.1 支持向量机原理 |
2.3.2 支持向量机核函数选择 |
2.3.3 支持向量机分类模型与流程图 |
2.4 卷积神经网络图像分类模型 |
2.4.1 CNN原理 |
2.4.2 本文CNN模型设计 |
2.5 本章小结 |
第三章 基于机器学习的星地通信链路干扰处理 |
3.1 引言 |
3.1.1 卫星通信系统整体框架 |
3.1.2 卫星通信干扰分析 |
3.1.3 卫星抗干扰技术 |
3.1.3.1 天线抗干扰技术 |
3.1.3.2 自适应编码调制技术 |
3.1.3.3 扩跳频技术 |
3.1.3.4 其他抗干扰技术 |
3.2 星地链路仿真模型 |
3.3 仿真结果及分析 |
3.4 基于SVM的干扰分类检测结果 |
3.5 基于CNN的干扰分类检测结果 |
3.6 本章小结 |
第四章 基于机器学习的干扰链路自适应 |
4.1 引言 |
4.2 系统模型 |
4.2.1 帧结构 |
4.2.2 卷积编码 |
4.2.3 EVM计算及SNR估计 |
4.3 仿真结果及分析 |
4.4 基于SVM的干扰检测与干扰抑制仿真结果 |
4.4.1 基于SVM的干扰辨识仿真结果 |
4.4.2 基于N-sigma算法的干扰抑制仿真结果 |
4.5 本章小结 |
第五章 基于Pluto SDR及软件无线电外设的硬件平台仿真 |
5.1 引言 |
5.1.1 Pluto SDR简介 |
5.1.2 USRP和 GNU radio简介 |
5.2 通信收发链路结构及原理 |
5.2.1 链路总体结构 |
5.2.2 信源产生模块 |
5.2.3 接收端模块 |
5.2.3.1 频偏补偿模块 |
5.2.3.2 符号定时同步算法 |
5.2.3.3 载波同步算法 |
5.2.3.4 相偏补偿模块 |
5.2.4 基于GNU Radio的干扰机模块 |
5.3 仿真结果 |
5.3.1 数据处理 |
5.3.2 各干扰类型下的仿真结果 |
5.3.2.1 无干扰 |
5.3.2.2 单音干扰 |
5.3.2.3 多音干扰 |
5.3.2.4 窄带干扰 |
5.3.2.5 扫频干扰 |
5.3.3 基于机器学习的干扰分类 |
5.4 本章小结 |
第六章 全文总结 |
6.1 本文贡献 |
6.2 未来研究方向 |
致谢 |
参考文献 |
附录 |
个人简历 |
攻读硕士学位期间参加的科研项目及研究成果 |
(4)基于混合控制理论的微电网多级控制系统方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景和意义 |
1.2 课题研究现状 |
1.2.1 第一阶段: 概念提出和论证阶段 |
1.2.2 第二阶段: 控制方法、体系、架构的研究、发展和成熟阶段 |
1.2.3 第三阶段关键技术:多微电网动态、互动、协调管理的形成阶段 |
1.3 课题主要研究内容 |
第2章 集中式微电网分层控制系统体系架构 |
2.1 引言 |
2.2 基础知识:分布式电源分析 |
2.2.1 常见电源介绍 |
2.2.2 基于PVPT技术的分布式光伏发电单元控制方法的改进 |
2.3 基础知识:分层控制体系基本原理介绍 |
2.3.1 第0层:内部输出控制级 |
2.3.2 第1层:一次控制级 |
2.3.3 第2层:二次控制级 |
2.3.4 第3层:能量管理与上层监督控制级 |
2.3.5 第4层:多微电网互动控制级 |
2.4 网络结构拓扑及分析 |
2.5 本章小结 |
第3章 VSI节点分析 |
3.1 引言 |
3.2 VSI电路模型分析 |
3.3 不同延迟时间分析 |
3.4 不确定性分析 |
3.5 基于FOA算法的PI参数的整定和优化方法 |
3.6 本章小结 |
第4章 基于DMC的VSI节点控制方法研究 |
4.1 引言 |
4.2 微电网VSI节点状态空间模型构建 |
4.3 MPC方法在VSI中的应用 |
4.4 基于DMC控制理论的VS]控制系统设计 |
4.5 算例分析与验证 |
4.6 本章小结 |
第5章 VSIS控制网络协同控制方法及分析 |
5.1 引言 |
5.2 VSIS控制网络分析 |
5.2.1 VSIs控制网络极点分析 |
5.2.2 VSI节点间控制系统关联性分析 |
5.3 基于DMC控制理论的VSIS控制网络节点控制方法 |
5.3.1 VSIs控制网络状态空间模型构建 |
5.3.2 基于DMC控制理论的VSIs控制网络的协同控制方法 |
5.4 VSIS协同控制关键问题分析 |
5.5 算例仿真与分析 |
5.6 本章小结 |
第6章 多微电网互联接口 |
6.1 引言 |
6.2 多微电网拓扑结构介绍 |
6.2.1 多微电网互动接口和分类 |
6.2.2 多微电网互动关键技术 |
6.3 多微电网互联关键接口技术 |
6.3.1 互联接口设备模型构建 |
6.3.2 互联接口设备控制方法和改进 |
6.3.3 互联接口与网内VSI节点协同控制分析 |
6.4 互联接口算例分析 |
6.5 本章小结 |
第7章 结论与展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(5)基于计算听觉场景分析的语音增强研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.3 主要研究内容及本文组织结构 |
1.3.1 主要研究内容 |
1.3.2 本文组织结构 |
第二章 计算听觉场景分析 |
2.1 简介和基本理论依据 |
2.2 单声道CASA语音增强 |
2.2.1 HuWang系统结构 |
2.2.2 具体算法流程 |
2.3 双耳听觉CASA语音增强 |
2.3.1 双耳听觉语音增强流程 |
2.3.2 双耳听觉线索 |
2.3.3 双耳语音分离 |
2.4 仿真分析 |
2.4.1 实验数据 |
2.4.2 评价指标 |
2.4.3 结果分析 |
2.5 本章小结 |
第三章 基于双耳听觉的CASA语音增强改进系统 |
3.1 CASA改进系统框架 |
3.2 基于双耳听觉的目标活动语音检测 |
3.2.1 语音活动检测 |
3.2.2 基于双耳听觉的目标语音活跃检测算法 |
3.3 多特征掩蔽听觉重组 |
3.4 仿真实验 |
3.4.1 评价指标 |
3.4.2 实验结果分析 |
3.5 本章小结 |
第四章 硬件及程序设计 |
4.1 硬件设计 |
4.1.1 设计框架图 |
4.1.2 主要模块设备 |
4.1.3 硬件整体电路图和实物图 |
4.2 离线语音增强程序设计 |
4.2.1 程序总体架构设计及流程图 |
4.2.2 各模块设计 |
4.3 整体功能验证 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
(6)级联码在数据链系统中的研究与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 论文的主要工作与章节安排 |
2 弹载数据链信道编码技术分析 |
2.1 弹载数据链设备组成要素 |
2.2 弹载数据链信道编码的选择 |
2.3 级联码硬件实现平台的选择 |
2.4 本章小结 |
3 级联码中主要算法的研究 |
3.1 RS码编译码器 |
3.1.1 RS码基础 |
3.1.2 RS编码器原理 |
3.1.3 RS译码器原理 |
3.2 卷积码编译码器 |
3.2.1 卷积码基础 |
3.2.2 卷积编码器原理 |
3.2.3 卷积译码器原理 |
3.3 交织与解交织 |
3.4 主要算法的MATLAB研究与仿真 |
3.4.1 RS码译码算法仿真 |
3.4.2 Viterbi译码算法仿真 |
3.5 本章小结 |
4 级联编译码器的FPGA设计 |
4.1 RS编码器的设计 |
4.1.1 有限域中元素的运算 |
4.1.2 编码器的实现与仿真 |
4.2 RS译码器的设计 |
4.2.1 伴随式的计算与仿真 |
4.2.2 关键方程的计算与仿真 |
4.2.3 错误位置的计算与仿真 |
4.2.4 错误值的计算与仿真 |
4.3 卷积编码器的设计与仿真 |
4.4 卷积译码器的设计与仿真 |
4.4.1 控制单元模块 |
4.4.2 分支度量计算模块 |
4.4.3 加比选模块 |
4.4.4 路径度量的存储模块 |
4.4.5 幸存路径管理模块 |
4.4.6 回溯模块 |
4.5 交织器与解交织器的设计与仿真 |
4.6 本章小结 |
5 系统的FPGA实现与测试分析 |
5.1 硬件平台与开发环境简介 |
5.2 级联编码系统的实现与测试 |
5.2.1 测试条件与结果分析 |
5.2.2 数据源处理模块 |
5.2.3 RS编码器与交织器的连接模块 |
5.2.4 交织器与卷积编码的连接模块 |
5.3 级联译码系统的实现与测试 |
5.3.1 测试条件与结果分析 |
5.3.2 数据源处理模块 |
5.3.3 Viterbi与解交织器的连接模块 |
5.3.4 解交织器与RS译码器的连接模块 |
5.4 单板测试 |
5.4.1 系统测试结果与性能分析 |
5.4.2 ILA在线测试 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(7)含有手部运动反馈的穿戴式上肢运动功能重建系统(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.1.1 肢体瘫痪的原因 |
1.1.2 肢体瘫痪的工程技术治疗方法 |
1.2 神经肌肉电刺激介绍 |
1.2.1 NMES激活神经肌肉的基本原理 |
1.2.2 电刺激参数对肌肉活化的影响 |
1.3 体外NMES系统研究现状 |
1.4 论文使用软硬件平台介绍 |
1.4.1 因特尔Edison嵌入式开发平台 |
1.4.2 Android移动操作系统 |
1.5 论文研究内容及功能指标 |
1.6 论文组织结构 |
第2章 系统总体框架及硬件实现 |
2.1 穿戴式上肢运动功能重建系统总体框架 |
2.2 数据手套模块的硬件实现 |
2.2.1 Edison接口和陀螺仪电路 |
2.2.2 ADC采样电路 |
2.2.3 电源管理电路 |
2.2.4 模块实物图 |
2.3 肌电探测模块的硬件实现 |
2.4 功能电刺激模块的硬件实现 |
2.5 多位点电极(Multi-pad)驱动模块的硬件实现 |
第3章 "肌电桥"子系统及其软件实现 |
3.1 "肌电桥"的概念 |
3.1.1 "肌电桥"的基本原理 |
3.1.2 "肌电桥"的核心技术问题分析 |
3.1.3 "肌电桥"的系统架构 |
3.2 肌电探测功能的实现 |
3.2.1 Linux下SPI总线通信方法 |
3.2.2 ADS1299工作原理 |
3.2.3 肌电探测程序流程 |
3.2.4 肌电探测结果分析 |
3.3 肌电信号处理 |
3.3.1 数字高通滤波处理 |
3.3.2 时域特征提取算法 |
3.4 肌电刺激功能的实现 |
3.4.1 数控电位器的控制 |
3.4.2 高压模拟开关的控制 |
3.4.3 生成电刺激程序流程 |
3.4.4 实际功能电刺激脉冲验证 |
3.5 模块间的Socket通信 |
3.5.1 套接字(Socket)的通信流程 |
3.5.2 "肌电桥"的通信实现 |
3.6 本章小结 |
第4章 自动寻点子系统及其软件实现 |
4.1 自动寻点子系统的概念 |
4.1.1 多位点电极(Multi-pad)概念的提出 |
4.1.2 自动寻点子系统架构 |
4.2 数据手套的设计实现 |
4.2.1 ADS7951实现手指数据采集 |
4.2.2 MPU6050实现手腕数据采集 |
4.3 刺激电极驱动模块的设计实现 |
4.4 Android上位机的控制实现 |
4.5 子系统功能验证实验 |
4.6 本章小结 |
第5章 人机交互子系统的软件实现 |
5.1 电刺激模块参数设置APP |
5.2 肌电信号示波器APP |
5.2.1 程序原理分析 |
5.2.2 APP性能验证 |
5.3 三维模拟手部运动APP |
5.3.1 骨骼动画原理 |
5.3.2 ms3d文件的加载 |
5.3.3 APP程序开发流程 |
5.3.4 APP性能验证 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 未来展望 |
致谢 |
参考文献 |
附件:攻读硕士学位期间发表的论文 |
(8)中小规模集成电路的自动化集成方法研究及应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 集成电路技术发展与现状 |
1.3 集成电路技术的应用领域和发展趋势 |
1.4 论文研究内容及章节安排 |
第2章 自动化集成实现基础 |
2.1 元件描述方式 |
2.1.1 常用芯片的库文件描述 |
2.1.2 逻辑未知的芯片库文件描述 |
2.2 数模混合电路分析 |
2.2.1 电平转换与驱动电路 |
2.2.2 OC 门器件 |
2.2.3 阻容定时单元分析 |
2.3 单稳态电路分析 |
2.3.1 CD4013 反馈电路 |
2.3.2 74LS123 脉冲电路 |
2.3.3 单稳态电路模型替换 |
2.4 中央计算机集成方式选择 |
2.5 可编程逻辑器件 |
2.5.1 CPLD/FGPGA 芯片基本结构 |
2.5.2 FPGA 芯片的配置模式 |
2.5.3 FPGA 的配置流程 |
第3章 电路图网络校验与自动分割技术 |
3.1 模块化设计方法 |
3.1.1 模块化设计概念 |
3.1.2 模块化设计流程 |
3.1.3 电路模块划分概述 |
3.2 设计结构矩阵 |
3.3 设计结构矩阵改进及量化 |
3.4 基于解析结构模型 ISM 的关联度矩阵建立 |
3.4.1 电子元件交互关联分析 |
3.4.2 基于设计结构矩阵和电路设计原则的关联度量化准则 |
3.5 模块构建的矩阵算法 |
3.6 电路模块划分实例 |
第4章 自动化集成软件开发 |
4.1 自动化集成原理 |
4.2 软件界面设计实现 |
4.3 建立数据库 |
4.4 文件转换单元 |
4.5 器件管理单元 |
4.5.1 电源网络处理和器件管脚定义 |
4.5.2 电容延时电路分析 |
4.5.3 单稳态电路特征分析 |
4.6 网络分析模块 |
4.6.1 基于 ERC 规则的网络校验 |
4.6.2 基于关联度矩阵的网络切割 |
4.7 阻容处理单元 |
4.8 模块合成单元 |
第5章 集成实现与仿真验证 |
5.1 M 仪器结构与集成分析 |
5.1.1 中央计算机组成 |
5.1.2 地址总线判优电路板 |
5.1.3 自动化集成步骤 |
5.2 集成芯片选取 |
5.3 软件处理阶段 |
5.4 ISE 平台上综合仿真分析 |
5.4.1 原理图文件 |
5.4.2 RTL 级原理图 |
5.4.3 功能仿真以及对比 |
5.5 本章小结 |
结论 |
致谢 |
参考文献 |
攻读硕士学位期间取得学术成果 |
(9)基于模型检测的二进制代码恶意行为识别技术研究(论文提纲范文)
摘要 |
Abstract |
缩略语对照 |
第一章 绪论 |
1.1 研究背景 |
1.1.1 恶意代码检测面临的挑战 |
1.1.2 行为分析的优势和局限 |
1.2 相关研究 |
1.2.1 行为描述方法 |
1.2.2 行为采集方法 |
1.2.3 行为特征提取方法 |
1.2.4 恶意性判定方法 |
1.2.5 软件模型检测技术 |
1.3 论文的主要工作 |
1.4 论文结构 |
第二章 行为特征描述与自动化提取技术研究 |
2.1 研究背景 |
2.1.1 行为特征构建的基本要求 |
2.1.2 行为特征的构建流程 |
2.1.3 行为特征的描述方法及存在的问题 |
2.2 基于API增强依赖图的行为模型 |
2.2.1 符号定义 |
2.2.2 动态污点分析 |
2.2.3 构建AEDG |
2.3 行为特征挖掘算法 |
2.3.1 最小对比子图算法分析 |
2.3.2 AEDG的最大公共边集挖掘算法 |
2.4 实验与分析 |
2.4.1 实验环境 |
2.4.2 实验与分析 |
2.5 小结 |
第三章 基于最佳权重导向的路径搜索方法研究 |
3.1 研究背景 |
3.1.1 经典搜索策略 |
3.1.2 智能搜索策略 |
3.2 问题提出 |
3.3 最佳权重为导向的路径搜索技术 |
3.3.1 目标域标识 |
3.3.2 CFG修正 |
3.3.3 最佳权重为导向的逼近算法 |
3.4 实验与分析 |
3.4.1 实验环境 |
3.4.2 实验与分析 |
3.5 小结 |
第四章 大规模CTL模型检测算法的研究 |
4.1 研究背景 |
4.1.1 模型检测概述 |
4.1.2 Kripke结构 |
4.1.3 线性时态逻辑和计算树逻辑 |
4.2 问题提出 |
4.2.1 标记算法 |
4.2.2 存在的问题 |
4.3 LSLA检测算法 |
4.3.1 公共子公式识别 |
4.3.2 LSLA检测算法 |
4.4 实验与分析 |
4.4.1 实验环境 |
4.4.2 实验与分析 |
4.5 小结 |
第五章 针对恶意代码的API函数识别研究 |
5.1 研究背景 |
5.1.1 硬编码API混淆 |
5.1.2 阶梯式API混淆 |
5.1.3 函数分割API混淆 |
5.1.4 拷贝替换混淆 |
5.2 加密API动态调用 |
5.2.1 加密API动态调用原理 |
5.2.2 解决的方法和存在的问题 |
5.3 动静结合的API反混淆方法 |
5.3.1 反混淆方法概述 |
5.3.2 解密函数判定 |
5.3.3 模板信息提取 |
5.3.4 代码动态仿真 |
5.4 实验与分析 |
5.4.1 实验环境 |
5.4.2 实验与分析 |
5.5 小结 |
第六章 基于模型检测的恶意行为识别系统的设计与实现 |
6.1 MBDS体系结构 |
6.2 行为规范描述 |
6.2.1 谓词时态逻辑 |
6.2.2 PTL公式生成 |
6.3 程序行为建模 |
6.3.1 API调用轨迹的提取 |
6.3.2 程序行为模型的构造 |
6.4 实验与分析 |
6.4.1 实验环境 |
6.4.2 实验与分析 |
6.5 小结 |
第七章 总结与展望 |
7.1 论文工作总结 |
7.2 下一步工作展望 |
致谢 |
参考文献 |
作者简历 |
(10)水下穿越管道防腐层检测仪硬件设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 本文主要内容 |
第二章 系统整体方案设计 |
2.1 系统整体框架 |
2.2 功能需求分析和技术指标 |
2.3 系统工作方式 |
2.3.1 发射机电流输出 |
2.3.2 管道走向的定位 |
2.3.3 管线位置的定位 |
2.3.4 管线深度的计算 |
2.3.5 破损点的查找 |
2.4 本章小结 |
第三章 发射机电路设计 |
3.1 发射机数字电路 |
3.1.1 FPGA 外围电路设计 |
3.1.2 D/A 转换电路设计 |
3.1.3 电源电路设计 |
3.1.4 控制程序的设计 |
3.2 发射机功率部分 |
3.2.1 线性电流源部分 |
3.2.2 过流保护电路 |
3.2.3 短路保护电路 |
3.3 本章小结 |
第四章 接收机电路设计 |
4.1 传感器的设计 |
4.2 接收机模拟电路设计 |
4.2.1 去噪滤波模块 |
4.2.2 信号放大模块 |
4.2.3 A/D 转换模块 |
4.2.4 模拟电路噪声的计算 |
4.3 承载板设计 |
4.4 接收机数字电路设计 |
4.4.1 FPGA 对 AD7982 的控制 |
4.4.2 FPGA 对信号增益的控制 |
4.4.3 FPGA 对信号的处理 |
4.4.4 FPGA 与 ARM 的数据传输 |
4.5 ARM 主控部分 |
4.5.1 ARM 对数据的处理 |
4.5.2 ARM 的人机接口功能 |
4.5.3 界面设计及操作 |
4.6 本章小结 |
第五章 仪器的性能测试及分析 |
5.1 发射机性能调试 |
5.1.1 发射机波形部分的调试 |
5.1.2 发射机电流源的调试 |
5.1.3 发射机负载能力调试 |
5.2 接收机性能调试 |
5.2.1 接收电路调试 |
5.3 仪器的现场测试 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 仪器存在的问题及改进方法 |
6.3 展望 |
致谢 |
参考文献 |
攻硕期间的研究成果 |
四、用流图和状态矩阵对时序电路作识别设计(论文参考文献)
- [1]基于表面肌电与加速度信号的动作识别方法研究[D]. 顾康. 南京邮电大学, 2021
- [2]基于图卷积神经网络的人体行为识别技术研究[D]. 叶典. 广东工业大学, 2021
- [3]基于机器学习的干扰处理[D]. 韩佩志. 电子科技大学, 2021(01)
- [4]基于混合控制理论的微电网多级控制系统方法研究[D]. 董润楠. 华北电力大学(北京), 2020(06)
- [5]基于计算听觉场景分析的语音增强研究[D]. 王泽. 北京邮电大学, 2019(09)
- [6]级联码在数据链系统中的研究与实现[D]. 赵恒. 西安科技大学, 2019(01)
- [7]含有手部运动反馈的穿戴式上肢运动功能重建系统[D]. 郭爱文. 东南大学, 2017(01)
- [8]中小规模集成电路的自动化集成方法研究及应用[D]. 龚永龙. 成都理工大学, 2014(04)
- [9]基于模型检测的二进制代码恶意行为识别技术研究[D]. 奚琪. 解放军信息工程大学, 2014(08)
- [10]水下穿越管道防腐层检测仪硬件设计[D]. 刘修文. 电子科技大学, 2013(01)