关键词： 量子密钥分发   智能网联汽车   匿名身份认证   哈希值匹配  

摘要： 车联网是一个分布式的动态环境，通常采用密钥交换协议确认车辆标识。而密钥的传输依赖于通信信道，如果攻击者在通信双方不知情的情况下篡改密钥交换信息，会影响密钥的随机性和安全性，降低了匿名身份信息认证的精度。为此，提出基于扩展量子密钥分发的车联网匿名身份信息认证算法。通过集成量子密钥分发（Quantum Key Distribution，QKD）设备与车联网系统，包括量子安全证书中心（Quantum-Secure Certificate Authority，QSC）、车辆服务提供商（Vehicle Service Provider，VSP）、智能网联汽车及其基础设施，构建了车联网匿名身份认证架构；在注册阶段，利用QSC为VSP和智能网联汽车分配并加密唯一的网络标识符，确保参与者的身份合法性；在量子密钥协商阶段，采用QKD协议，通过量子信道和经典信道的协同工作，实现高度随机性和安全性的量子密钥的生成、传输与验证，有效抵御潜在窃听和篡改；在身份验证阶段，智能网联汽车利用预置的量子密钥和QSC的指导，参与会话密钥的协商，结合时间戳验证和哈希值匹配机制，确保通信双方的身份有效性和通信的时效性，同时保护用户匿名性。实验结果表明：该算法的车联网匿名身份信息认证成功率较高，能够有效地抵御各类攻击，并防止匿名身份信息的泄露，提供了强大的隐私保护。

关键词： 资料同化   协方差膨胀   集合四维变分  

摘要： 协方差膨胀是减小采样误差和模式误差对基于集合的资料同化方法的影响的一种策略。本研究针对中国气象局（CMA）当前业务化运行的全球资料同化系统，提出了一种加性膨胀方法。该同化系统采用集合四维变分（En4DVar）方法，融合了短期集合预报所提供的流依赖背景误差协方差，并采用静态乘性膨胀方法来增大集合离散度。与已有的静态乘性膨胀相比，本研究提出的加性膨胀具有动力误差增长特性，能够更好地考虑模式误差对流依赖背景误差协方差的影响。单点观测试验表明，加性膨胀保留了分析增量的流依赖特征，产生的分析增量幅度相比于静态乘性膨胀更小，但得到的分析场更为准确。循环同化试验表明，加性膨胀相比于静态乘性膨胀改进了位势高度和温度的分析场，且改进主要来自波数较小的尺度。由循环同化试验所得分析场起报的自由预报试验表明，在北半球和南半球上，加性膨胀得到的预报结果在从地面至10 hPa的所有状态变量上均显著优于静态乘性膨胀，尽管在南半球上改进幅度较小，且统计显著的预报时效较短。

关键词： 钢琴演奏技巧   遗传算法   实数编码   适应度函数   音频片段  

摘要： 钢琴演奏技巧一直是音乐界备受关注的研究领域,本文介绍了基于遗传算法的钢琴演奏技巧生成与优化方法.首先,采用实数编码进行遗传编码设定,并根据不同的评价标准构建适应度函数.然后,通过选择操作和交叉操作来优化音频片段,并利用变异操作对钢琴演奏音频基因进行随机修改.在生成初始种群后,设计了合理的迭代过程来不断优化解的质量.最后结果表明,本文提出的方法生成效率达到了300,并且随着迭代次数的增加,评价值的增长速度逐渐加快,从4.3迅速增加到7,表明该方法在钢琴演奏技巧生成与优化方面具有良好的效果.

关键词： 大数据技术   医院统计工作   应用效果   数据收集   数据关联  

摘要： 随着医疗信息化快速发展和数据量急剧增加,传统的医院统计中存在数据采集效率低下、信息孤岛现象严重、报表滞后、分析角度单一等问题已不能适应当前医院精细化管理需要。为了改变传统统计方式无法满足精准医疗和快速决策需求的现状,本文首先介绍了大数据技术对提高医院统计能力起到了积极作用;其次,详细阐述了传统统计中由于人工录入速度慢、数据之间缺乏联系、决策不够及时以及不能实现精准医疗等原因造成上述四个问题;最后,给出了四个具体的改进措施使医院统计数据在收集、汇总、分析、应用等方面形成一个完整的循环过程,从而极大地提高了统计质量和效率。

关键词： Moldflow   正交试验   BP神经网络   遗传算法   注塑工艺优化  

摘要： 以某公司生产的家电控制面板为例，对控制面板注塑成型后的翘曲变形量进行研究。设计正交试验，运用Moldflow进行模流分析，构建一个3层网络结构4-5-1的反向传播（BP）神经网络模型，对模型进行训练与预测，得到工艺参数和翘曲变形量之间的非线性关系。通过遗传算法优化BP神经网络模型及全局寻优，得到最优翘曲变形量预测值（0.476 3 mm）及对应的工艺参数组合（模具温度58℃、保压时间13 s、料筒温度230℃、保压压力60 MPa）。对遗传（GA）算法优化工艺参数组合进行Moldflow模流分析，翘曲变形量为0.480 0 mm，与神经网络预测值0.476 3 mm十分接近，误差在合理范围内。GA算法优化工艺参数得到的翘曲变形量与初始工艺参数得到的翘曲变形量相比，降低30%。结果表明，神经网络GA算法用于注塑工艺参数优化设计能够有效提升制品质量，减少试模成本。

关键词： 越野机动   路径规划   深度强化学习   无路导航  

摘要： 越野机动通行路径规划指在综合分析地理地质环境条件等多个因素，为车辆按照指令要求到达指定位置提供技术支撑，在应急抢险、复杂环境无人驾驶等领域具有重要地位。越野环境中地学数据具有复杂性与多样性，为避免传统路径规划算法易陷入局部最优且规划效率低等问题，综合考虑地形、地貌、工程地质、地质灾害等4类影响因子，构建了基于改进的竞争架构双重深度Q网络（dueling double deep Q-network，D3QN）算法的越野机动通行路径规划方法。该算法通过设计起点初始化策略、构建针对越野环境约束条件的奖励函数以及设计动作选择策略，解决了D3QN算法难以收敛的问题。相比于A星算法（A-star algorithm， A*）、深度Q网络（deep Q-network， DQN）等主流算法，该算法在复杂环境下越野机动通行路径规划的安全性和路径质量方面有显著提升综上，所提出的改进D3QN算法为无路网场景下的越野机动路径规划提供了一种高效且可靠的解决方案。

关键词： 电子对抗   协同干扰   干扰资源分配   邻域搜索  

摘要： 针对协同干扰中干扰资源分配问题，提出了一种基于最佳邻域搜索算法的干扰资源分配方法。首先，定义了两种基础邻域移动操作，保证状态空间中相邻状态有固定的汉明距离，从而降低了干扰效能评估的计算复杂度；随后，通过最佳邻域搜索保证干扰效能严格单调递增，提高了算法的收敛效率；最后，结合提出的加权初值生成策略，进一步提高最佳邻域搜索算法输出全局最优解的概率。仿真结果表明，相较传统的群智能算法与强化学习方法，所提出方法具有较好的收敛精度、收敛效率与计算复杂度，且在较大规模的问题下有更大优势。

关键词： 旅行背包问题   多目标优化   精英非支配排序   差分进化  

摘要： 旅行背包问题（TTP）整合了旅行商与背包问题，是一个非确定性多项式（NP）难题。提出一个两阶段框架：首先通过Lin–Kernighan启发式生成高质量路线，然后将项目选择建模为多目标优化问题。后者通过精英非支配排序差分演化算法（E-NSDE）求解，该算法共同优化总项目价值和行程时间。引入精英选拔策略以增强种群多样性并拓宽选择范围。标准TTP基准测试的实验结果显示，E-NSDE在大多数情况下优于NSDE，且随着问题规模的增大，优势也在增加。超体积比较进一步证明了其在收敛性和多样性方面优于NSDE和NSGA-II的优势。所提出的方法为解决复杂的组合优化问题提供了一种有效的方法。

关键词： 通信信号检测   小目标检测   YOLOX-NANO   国产化推理平台   边缘计算  

摘要： 随着5G技术的快速发展和复杂电磁环境的挑战，通信信号检测技术面临低信噪比、小目标信号检测精度不足以及算法在国产嵌入式平台上的部署难题。针对这些问题，提出了一种面向小型国产化推理平台的通信信号智能检测算法。通过改进YOLOX-NANO架构，新增4×下采样分支，显著提升了小目标信号的检测精度。同时，针对瑞芯微RK3588开发板的国产化适配需求，优化了模型的网络结构和推理策略，解决了模型在NPU上的推理精度损失问题，实现了71 FPS的高效推理性能。实验结果表明，改进后的模型在通信信号检测任务中的平均精度（AP）达到92.32%，显著优于基准模型。该研究为国产化边缘计算设备提供了高精度、低功耗的通信信号检测解决方案，具有重要的工程应用价值。

关键词： YOLOv3   消防通道   智能监测   特征提取   图像预处理  

摘要： 针对消防通道占用智能检测算法中正确性不足的问题,提出基于YOLOv3的消防通道占用智能检测算法研究.将空间域数学模型与领域平均法结合起来,对检测目标进行预处理,达到去除图像噪声、增强图像细节的目的,降低噪声对检测目标的干扰,在此基础上,利用YOLOv3的网络结构处理图像,提取图像特征,在特征融合通道中加入通道注意力机制,强化图像特征,降低空间维度,以提取的特征作为输入,结合先验框和先验标签的位置信息,计算出检测目标的位置信息,实现消防通道占用的智能检测.实验结果表明:提出的基于YOLOv3的智能检测算法检测精度高、位置信息检测相对误差小,该方法的正确性得到了提高.