使用有安全保障的闪存存储构建安全的汽车系统

最新设计资源

​基于软件定义安全的企业内网威胁诱捕机制[通信与网络][信息安全]

随着攻防速度加快和内网渗透增多，以欺骗技术为代表的主动防御思想变得重要。针对防守手段单一、迟缓，提出了一种基于软件定义安全的威胁诱捕机制，基于最大化业务吸引度和相关度构造高真实度的诱捕环境，并通过多应用编排实现自适应的跟踪朔源和隔离威胁，最终切断攻击链。

发表于：2018/10/22

金融行业“金融安全3.0”理论与生态[其他][信息安全]

金融行业因其业务特性，尤其重视安全防护。然而，金融业务需求增长加速，使得必须尽快提高后台业务处理效率，加上科学技术迅猛发展，金融信息化成为金融转型的一大特征，金融科技日渐成为金融产品的重要支撑手段。同时，攻击者的安全威胁手段也推陈出新，攻防发展的不对称导致金融安全事件层出不穷。提出了“金融安全3.0”理论体系，从信息基础设施、金融科技和金融业务三个层级构建金融安全框架，并探讨了在新挑战下金融安全生态的建设。

发表于：2018/10/22

DC-30 GHz GaAs pHEMT分布式功率放大器设计[模拟设计][其他]

采用 0.25 μm GaAs pHEMT工艺研制了一款分布式功率放大器，详细介绍了电路设计和优化过程。通过增加低频交流终端,使得该放大器低频段的增益平坦度有明显的改善。仿真结果表明该放大器带宽约为30 GHz，小信号增益约为8.5 dB，1 dB压缩点输出功率约为21 dBm，功率附加效率最高能达到20%以上。

发表于：2018/10/22

基于大样本的随机森林恶意代码检测与分类算法[嵌入式技术][信息安全]

随着互联网的快速发展，计算机安全问题已经提高到国家安全的战略角度。但是在互联网上传播的恶意代码数量、种类等都在增加。针对恶意代码数量庞大、传统特征检测覆盖面不够广、准确度不高的问题，提出了在大样本下基于随机森林的恶意代码检测算法。大样本下，将PE文件结构特征和敏感API作为输入特征，采用随机森林算法对恶意代码进行检测。实验结果表明，大样本下，随机森林算法是一种优秀的用于恶意代码检测的算法,即使在恶意代码样本量庞大的情况下，仍然具有良好的分类效果，其在现实应用中具有重要的价值。

发表于：2018/10/22

一种多遗忘因子自适应卡尔曼降噪的MEMS间接对准[模拟设计][航空航天]

针对MEMS惯性器件输出精度低导致惯导系统初始对准误差大问题，提出了一种先利用多遗忘因子自适应卡尔曼(MFFAKF)对原始数据降噪处理后再采用磁强计辅助的MEMS间接粗对准的方法。该方法采用多重遗忘因子调节不同的滤波通道对加速度计与磁强计传来的原始数据进行预处理后再进行姿态角解算，提高初始对准精度，缩短对准时间。实验结果表明，采用MFFAKF得到的粗对准航向角精度满足MEMS惯导系统粗对准要求。

发表于：2018/10/22

基于FPGA的SRRC滤波及多速率变换[可编程逻辑][通信网络]

为消除通信系统中的码间串扰，提高频带利用率，常采用平方根升余弦滤波器来实现基带信号的成形滤波处理；为实现不同符号率的信号在通信系统中的高速率传输，常采用数字信号处理中的多速率变换技术提高数字信号的采样率。采用平方根升余弦滤波器及半带、CIC、Farrow滤波器级联，基于FPGA实现了一种多速率变换模块。该模块能够实现任意倍数的上采样变换，且通过在线重载升余弦滚降系数，及CIC滤波器、Farrow滤波器上采样倍数，有效节约了FPGA内部资源。在ISE平台采用Verilog编程及IP核调用实现了该SRRC滤波及多速率变换模块，并给出了ModelSim仿真波形及实验结果，验证了其升余弦滚降及变速率特性，有效消除了码间干扰，提高频带利用率。其实现方式简单、高效。

发表于：2018/10/19

小波变换的开关电流电路实现[电源技术][工业自动化]

为更好地满足工程应用中低功耗、实时信号处理的需要，提出了一种基于开关电流电路的小波变换实现。研究了小波变换在时频两域的实现原理，采用开关电流电路实现冲激响应为高斯一阶导数的小波滤波器，通过调节时钟频率可实现不同尺度的小波变换，提出方法的有效性得到了仿真结果的验证。

发表于：2018/10/19

基于CMOS-MEMS工艺的高深宽比体硅刻蚀方法的研究[MEMS|传感技术][汽车电子]

为了满足提高MEMS传感器阵列的集成度和精度以及降低成本等需求，对高深宽比的体硅深槽刻蚀方法进行研究。在一种小尺寸、高集成度的MEMS传感器阵列的制造中，需要加工一种深宽比为25 μm/0.8 μm的隔离深槽，并且为了便于MEMS传感器和CMOS集成电路的集成，需要采用COMS工艺兼容的MEMS工艺。为此，采用了RIE、Bosch工艺以及RIE和Bosch工艺结合的3种方法进行深槽刻蚀工艺的探索，并最终采用RIE和Bosch工艺结合的方法获得槽侧壁非常光滑的深槽形貌。

发表于：2018/10/18

一种基于热噪声振荡器的高速真随机数设计[电源技术][智能电网]

分析和设计了一种基于振荡器的真随机数发生器，电阻热噪声作低频时钟的噪声源。利用两个独立工作的高、低频振荡器之间的相对关系采样噪声源，用带有抖动的低频振荡器通过D触发器采样有固定周期的高频振荡器，产生随机数序列。电路采用SMIC 28 nm CMOS工艺设计，完成了版图设计和流片，仿真结果表明，基于热噪声的真随机数产生器输出吞吐率范围为1.8～12 Mb/s，随机数输出满足AIS31真随机数熵源测试要求，电路整体功耗为0.388 mW。

发表于：2018/10/18

能量收集认知传感器网络研究综述[模拟设计][通信网络]

能量收集认知传感器网络采用能量收集技术和认知无线电技术来解决节点能量的不足和频谱资源的匮乏，实现网络持续有效工作。然而，由于能量收集过程和可用频谱资源动态、随机变化的特征，该网络在网络资源管理方面面临着巨大的挑战。首先介绍了能量收集认知传感器网络产生的背景，然后对现有研究工作进行系统的归纳和总结，进而讨论现有的研究不足和可能解决方法及未来的研究方向。

发表于：2018/10/17

基于卷积神经网络的图像着色[嵌入式技术][物联网]

图像着色的目标是为灰度图像的每一个像素分配颜色，它是图像处理领域的热点问题。以U-Net为主线网络，结合深度学习和卷积神经网络设计了一个全自动的着色网络模型。在该模型中，支线使用卷积神经网络SE-Inception-ResNet-v2作为高水平的特征提取器，提取图像的全局信息，同时在网络中使用PoLU(Power Linear Unit)函数替代线性整流函数(ReLU)。实验结果证明此着色网络模型能够对灰度图像进行有效的着色。

发表于：2018/10/17

基于胶囊网络的指静脉识别研究[嵌入式技术][医疗电子]

针对卷积神经网络(CNN)中空间上的指静脉信息丢失的问题，提出了一种基于胶囊网络(Capsule Network，CapsNets)的指静脉识别算法。CapsNets在整个学习过程中以“胶囊”的形式从底层传递至高层，如此以向量的形式封装指静脉的多维特征，特征会在网络中被保存，而不是丢失后进行恢复。采用60 000张图像作为训练集，10 000张图为测试集，通过对图像增强、裁剪后进行网络学习。通过实验表明，CapsNets的网络结构特征相比CNN在处理脊线区域时效果更加明显，对比VGG精确度增加了13.6%，loss值也收敛到0.01。

发表于：2018/10/16

基于深度学习的实时识别硬件系统框架设计[嵌入式技术][物联网]

设计了一种基于深度学习的实时识别硬件系统框架。该系统框架使用Keras完成卷积神经网络模型的训练并提取出网络的参数，利用ZYNQ器件的FPGA+ARM软硬件协同的方式，使用ARM完成对实时图像数据的采集、预处理及显示，通过FPGA实现卷积神经网络的硬化并对图像进行识别，再将识别结果发送至上位机进行实时显示。系统框架采用MNIST和Fashion MNIST数据集作为网络模型硬化试验样本，实验结果表明，在一般场景下该系统框架能够实时、准确地完成图像数据的获取、显示及识别，并且具有可移植性高、处理速度快、功耗低的特点。

发表于：2018/10/16

基于TensorFlow深度学习手写体数字识别及应用[嵌入式技术][物联网]

手写体数字的识别是人工智能识别系统中的重要组成部分。因个体手写数字的差异，现有识别系统准确率较低。基于TensorFlow深度学习框架完成手写体数字的识别及应用，首先建立TensorFlow深度学习框架，并分析了Softmax、卷积神经网络(CNN)模型结构，再对手写体数据集MNIST的60 000个样本进行深度学习，然后进行10 000个样本的测试对比，最后移植最优模型到Android平台进行应用。实测数据验证，相对于传统的Softmax模型，基于TensorFlow深度学习CNN模型识别率高达99.17%，提升了7.6%，为人工智能识别系统的发展提供了一定的科研价值。

发表于：2018/10/15

基于深度学习的人体行为识别算法[嵌入式技术][物联网]

为改善人体行为识别任务中准确率低的问题，提出了一种基于批归一化的卷积神经网络（CNN）与长短期记忆(LSTM)神经网络结合的神经网络。CNN部分引入批归一化思想，将输入网络的训练样本进行小批量归一化处理，经过全连接之后，送入长短期记忆神经网络中。该算法采用时空双流网络模型结构，视频数据的RGB图像作为空间流网络输入，光流场图像作为时间流网络输入，再将时空双流网络各自得到的识别结果进行加权融合得到最终的行为识别结果。实验结果表明，本文设计的时空双流神经网络算法在人体行为识别任务上具有较高的识别准确率。

发表于：2018/10/15