一、浅谈指纹系统工作的经验（论文文献综述）
闫江毓[1]（2021）在《无线传感网络路由和定位技术研究》文中研究说明无线传感网络在国民经济和日常生活中得到深入广泛的应用,承担着数据采集、状态测量、设备定位等众多功能。无线传感网络由大量节点通过无线自组织方式连接而成,各个节点独立采集数据,按照设定的路由协议传输数据到中央服务器。针对无线传感网络在不同领域的应用特点,发展出多种路由协议。这些路由协议在节点能耗、数据延迟、拥塞控制等方面性能各有侧重。基于地理位置的路由协议是其中比较重要的一种,其在路由决策时主要利用节点的地理位置信息,因而能有效控制节点能耗和快速应对网络拓扑变化。基于地理位置的路由协议的基础是节点位置信息,而基于无线信号指纹的定位算法具有成本低,定位精度高的特点,适用于无线传感网络中的节点定位。本文针对无线传感网络中拥塞控制、网络能效、节点定位三个方面开展研究,并提出了相应的解决方案。本文的主要工作内容如下:无线传感网络中监控区域的异常事件产生的突发数据流会引发网络拥塞,导致数据包延迟增加、节点能耗增加,严重影响网络的服务质量。针对能量受限传感网络的拥塞问题,提出了一种基于引力竞争的拥塞控制路由算法。根据邻居节点间的距离位置关系和节点缓存状态定义传输引力与能量引力。传输引力从数据包到达率、缓存队列长度及数据包处理能力三方面描述节点的拥塞状态。能量引力采用物理距离估算节点剩余能量,并考虑下游节点的能量分布。根据物理学中功的原理,引入引力竞争强度表示位移,节点引力和引力竞争强度相乘为功,选择功最大的节点为下一跳节点。针对具备能量补充功能的无线传感网络的拥塞问题,提出了一种基于虚拟力的流量感知路由算法。算法依据源节点、邻居节点以及目的节点之间的距离关系定义虚拟内力,以构建数据包的最长单跳距离。定义虚拟外力以感知前向区域数据流量,沿着空闲或低负载节点构建路由。虚拟外力和虚拟内力融合成虚拟合力,从而驱动数据包避开拥塞区域,并尽快传输到目的节点。对于能量受限的传感器节点,提高能效能够延长无线传感网络生命周期,提升网络可用性。基于地理位置的路由可以根据节点距离选择最佳传输功耗,由此提出一种多参数融合能效路由算法。算法定义了五个路由评估参数,包括节点剩余能量、有效转发率、单跳传输比、缓存队列指数和能量均衡度。每个参数从不同角度反映网络及节点的状态。引入可信度系数评估各个参数在路由决策中的可信程度,参数贡献度反映各个参数之间的重要性差异。对于网络中的随机干扰引起的距离测算误差引入模糊贡献度表示。参数贡献度和模糊贡献度合并为融合贡献度,选择最大融合贡献度的节点作为下一跳节点。地理位置路由决策需要节点位置信息,此外在物流和医疗等领域的无线传感网络应用中也需要对节点进行精确定位。诸多定位算法中,免测距的指纹定位算法对节点功能要求低、定位时间短、精度高、部署成本低,近些年获得学术和产业界的很大关注。指纹定位包括两个阶段,离线测量阶段建立定位区域无线信号指纹与位置坐标关系数据库;在线查询阶段根据特定算法估计未知节点坐标。本文提出了两种指纹定位算法,分别针对单区域和多区域节点定位。针对单区域节点定位,提出一种基于高斯分布的指纹定位算法。首先用利用模糊方法融合未知节点指纹与数据库指纹形成模糊决策矩阵。算法以锚节点数量为维度建立多维高斯分布模型,利用马氏距离估算未知节点偏差,选择偏差最小的K个参考节点利用质心法估计未知节点坐标。针对多区域复杂环境定位,依据知识决策理论,提出一种基于模糊决策的指纹定位算法。将定位过程分为三个阶段:知识积累阶段,采用模糊融合形成定位决策矩阵;知识融合阶段,应用拉格朗日优化算法求得不同区域中锚节点的隶属度权重;知识扩展阶段执行定位决策,计算参考点匹配度,将匹配度最高的参考点坐标作为未知节点的位置估算值。本文工作围绕无线传感网络的拥塞控制、能效优化和节点定位展开,以节点间物理距离为出发点,有针对性地提出了路由算法和指纹定位算法,并通过理论分析和软件仿真验证了所提算法的有效性。
程雨诗[2]（2021）在《基于边信道的物联网隐私和身份安全关键技术研究》文中研究说明作为世界信息产业的第三次浪潮,物联网推动了传统产业形态和社会生活方式的转变,成为国家经济技术发展的战略支柱之一。然而,物联网技术在提供丰富服务的同时,引发了严重的隐私及身份安全问题。例如,被不法分子恶意部署或使用的物联网设备将对用户隐私安全造成严重威胁。未经认证的设备或用户接入物联网将引发核心功能篡改、虚假数据注入、机密信息泄露、网络资产受损等严重安全风险。解决上述隐私和身份安全问题的关键在于对恶意设备及恶意设备的使用者进行辨识,即物联网设备和用户辨识。本文针对物联网中的隐私和身份安全问题,以基于边信道的设备和用户辨识为切入点,以四个典型场景为例,提出基于边信道的物联网隐私和身份安全保护关键技术。·针对物联网场景下的设备身份安全问题,本文以智能移动设备身份认证作为典型实例,研究设备身份辨识及认证技术。当前,“万物互联”的物联网新态势使得设备身份安全的重要性日益凸显。其中,基于设备指纹的设备身份认证技术是保障物联网设备身份安全常用的技术手段。然而,现有软件设备指纹技术易受用户行为影响,现有硬件指纹技术依赖于设备特殊器件,其通用性受限。为此,本文首次提出基于CPU电磁边信道的设备身份认证机制De Mi CPU,该机制利用不同设备CPU模块存在的固有差异,通过外部测量设备CPU模块电磁边信道,提取可反映硬件固有差异的CPU指纹,并以此作为设备身份标识,从而实现设备身份认证。与现有工作相比,De Mi CPU机制的优点在于其稳定性和通用性较强。·针对物联网场景下的用户行为隐私安全问题,本文以智能监控设备偷拍用户行为隐私作为典型实例,研究设备类型辨识及检测技术。当前,物联网智能监控设备在智慧交通、公共安全及家庭安防等方面应用广泛。然而,被不法分子恶意控制或部署的智能监控设备可能对用户进行非法拍摄,造成严重行为隐私安全危害。现有监控设备检测方法存在准确性不足或需要专业设备等问题。为此,本文首次提出基于流量边信道的隐藏无线摄像头检测机制De Wi Cam,该机制从无线摄像头特殊的分片封装工作机理出发,研究无线摄像头网络流量与其他应用网络流量的本质差别,挖掘无线摄像头典型流量特征,并结合用户人为干预,实现隐藏无线摄像头检测和定位。与现有方法相比,De Wi Cam机制无需专业设备,无需加入无线摄像头所在网络,无需对网络流量进行解密,即可快速有效地实现隐藏无线摄像头检测和定位。·针对物联网场景下的用户信息隐私安全问题,本文以智能拍摄设备摄屏窃取用户信息隐私作为典型实例,研究用户身份辨识技术。随着物联网设备功能的不断丰富,不法分子使用智能设备如智能手机拍摄显示设备上的用户隐私信息,如文件、数据、图像等,已经成为避免传统数字溯源方法同时实现用户信息窃取、商业机密窃取的常见手段,造成了严重的用户信息隐私安全危害。由于智能设备拍摄电子屏幕过程中通常引入大量噪声,传统数字水印溯源方法无法用于辨识泄密人员身份。为此,本文首次提出基于光学边信道的摄屏图片溯源机制m ID,该机制利用智能设备摄屏过程中天然存在的光学摩尔纹效应,通过修改屏幕显示内容,在摄屏图片中引入与泄露用户身份相关的摩尔条纹,并通过对上述摩尔条纹解码实现泄密人员身份辨识。与现有工作相比,m ID机制可以针对摄屏图片实现泄密人员身份溯源,与现有数字溯源工作形成互补。·针对物联网场景下的用户身份安全问题,本文以智能移动设备儿童用户识别作为典型实例,研究用户群体辨识技术。当前,儿童使用家长智能设备访问互联网已经成为普遍现象。然而,儿童在无限制情况下访问智能设备及互联网可能对儿童身心健康及家长隐私财产安全造成危害。然而,现有儿童群体辨识方法存在适用范围小、存在隐私泄露风险等不足,无法有效解决上述场景下的儿童用户辨识问题。为此,本文提出基于感知边信道的儿童用户检测机制i Care,该机制从用户生理成熟度角度出发,研究儿童用户和成人用户在触屏交互行为上的差异,并基于上述行为差别设计三类与年龄相关的关键特征,用于捕捉儿童群体独特的交互行为,从而实现儿童用户检测。与现有工作相比,i Care机制的优点在于无需用户参与,不影响用户使用体验且不侵犯用户隐私。
张少慧[3]（2021）在《基于SOPC的多种生物特征识别系统的研究》文中研究指明当今社会信息飞速发展,个人信息安全是信息时代备受关注的问题。身份信息识别技术作为可有效保护信息安全的手段一直是热点研究方向。基于生物特征的身份信息认证识别技术以其稳定性、可靠性及安全性等优点被广泛应用于各领域。但在实际应用中,单模态生物特征识别技术存在如特殊人群生物特征损坏或缺失,防伪性较差等固有缺陷。针对此问题,本文提出了基于SOPC的人脸、虹膜、指纹三种单模态生物特征融合识别方案,可有效弥补上述单特征识别技术的不足。本文具体工作如下:1.单模态生物特征识别的研究。在阅读大量文献后,本设计选择了具体使用的人脸、虹膜及指纹三种生物特征识别的相关算法,并对其进行验证。其中,本文针对虹膜定位算法做出了改进,通过对瞳孔中心位置进行估计,并在此基础上利用先验知识减小大量无用边缘点,实现快速虹膜定位。同时本文还对传统指纹特征提取算法做出了改进,在提取特征的同时去除伪特征点,提升指纹特征提取速度。2.人脸、虹膜、指纹融合识别的研究。本文选定在分数层融合三种生物特征,并根据实际需求设计了人脸+虹膜、人脸+指纹、虹膜+指纹三种融合方案。针对传统分数层加权融合算法计算量大、权值分配固定等缺点,本文提出了自适应加权融合算法。通过判断单生物特征识别系统的可靠性确定融合方案,再根据不同权值的融合系统的可靠性确定最终最佳融合权值,以得到性能最佳的融合系统。3.SOPC系统的开发。本文通过硬件描述语言对按系统需求添加的IP核进行连接,完成了系统的硬件开发,将PC端验证可行的算法采用C语言编写并在Nios II处理器上运行实现,完成了系统软件开发。最后将整个系统在DE2-115开发板得到了验证,初步实现了融合身份识别系统。
贺微[4]（2021）在《水杨酸及其衍生物的太赫兹光谱弱相互作用分析》文中研究指明晶体中分子间存在的氢键、卤键、范德华力以及π···π相互作用等弱相互作用均落在太赫兹（THz）频段,太赫兹时域光谱技术（Terahertz Time-Domain Spectroscopy,THz-TDS）作为一种新型的快速有效无损光谱检测技术,是探测分子间弱相互作用的有效工具。基于密度泛函理论（DFT）的计算可以重现晶体的太赫兹实验光谱,并从微观角度解析太赫兹特征吸收峰的产生机理。然而,目前对物质THz光谱特性的研究大多侧重于实验检测,或只是应用一些浅显的理论进行分析,无法对实验光谱的振动吸收特征的来源进行详细解析。基于此,本文利用THz-TDS实验测试与量子化学理论计算相结合的方法,对水杨酸及其一系列结构相似晶体的太赫兹光谱进行了解析。论文主要工作概括如下:1.采用THz-TDS技术测试了两种同分异构体（水杨酸、2,4-二羟基苯甲醛）在0.8～2.6THz区间内的太赫兹特征吸收谱,采用密度泛函理论中的B3LYP-D3方法,在Gaussian软件中对这两种物质的单分子以及分子团簇分别进行几何优化和频率计算。发现水杨酸单分子的理论模拟计算只出现了一个吸收峰,而2,4-二羟基苯甲醛在0.8～2.6THz区间没有任何特征吸收峰出现,但它们的分子团簇理论模拟计算均出现了4个特征吸收峰,与实验光谱吻合度较高,能较好地重现实验光谱。这说明单分子计算未考虑到分子间弱相互作用影响,不能重现实验光谱,而分子团簇理论模拟计算吸收峰与实验光谱吸收峰的位置基本匹配,且观测到的THz光谱特征大多来源于分子间振动模式。通过势能分布分析（PED）分析方法得到简正振动模式的主要构成和分子团簇振动矢量图,对理论光谱吸收峰的振动模式进行了详细归属。为了可视化分析水杨酸及其同分异构体的分子间弱相互作用,借助Multiwfn和VMD软件对其分别进行了Hirshfeld表面分析,进一步证明了这两种物质在THz波段的吸收峰均主要来源于氢键。2.对水杨酸氯化后得到的两种衍生物（4-氯水杨酸,5-氯水杨酸）晶体进行了太赫兹光谱特性研究,两者结构上仅仅是苯环上氯原子的位置不同,但室温下得到的THz吸收谱图却存在明显差异,这说明THz-TDS技术对晶体结构细微差异很敏感,可以用于鉴别4-氯水杨酸和5-氯水杨酸。为了弄清楚太赫兹特征吸收峰的来源,并重现实验光谱,本文使用DFT对其单分子和分子团簇分别进行理论模拟计算。结果表明,单分子计算不能重现实验光谱,分子团簇计算能较好的预测实验光谱的各吸收峰。通过PED分析并结合Gauss View软件显示的分子振动动画,对4-氯水杨酸,5-氯水杨酸晶体的THz吸收光谱的振动模式进行了指认,发现这些振动模式均与分子间氢键有关。利用Hirshfeld表面分析的dorm图和2D指纹图对这两种物质晶体中氢键等分子间弱相互作用的位置和类型进行了可视化。结果表明,THz-TDS技术与理论计算相结合的方法可以对水杨酸及其衍生物进行有效识别,能对低频THz波段出现的特征吸收峰进行详细指认,不仅促进了THz-TDS技术在医药和化学同分异构体鉴别中的应用,也为检测结构相似晶体中分子间氢键等弱相互作用提供了有效参考。
杨朋朋[5]（2021）在《数字图像与视频的源取证技术研究》文中进行了进一步梳理当前的我们正处在一个全新的数字时代,也是一个由图像、视频、音频、文本等信息交互的网络信息时代。快速发展的成像技术以及日益成熟的制作工艺使得数码相机、智能手机等数字媒体获取设备数量激增。与此同时,人工智能技术的发展也使得数字媒体编辑技术达到炉火纯青的程度。人人都可以对数字媒体进行编辑修改,然后上传到社交媒体平台与其他人分享。这对于数字媒体真实性和完整性验证无疑是极大的挑战。因此研究新的多媒体取证方案迫在眉睫。本论文以数字图像和视频为研究对象,进行捕获场景、捕获设备、编辑软件三个方面的源取证分析。本论文的主要创新性研究成果包括:1.提出了一种基于拉普拉斯卷积神经网络的重获取取证算法。在国际上首次利用深度学习技术解决重获取图像取证问题。使用拉普拉斯滤波对图像进行预处理,消除图像内容干扰的同时放大重获取图像和原始场景图像间的差异,提升卷积神经网络对重获取取证特征的表征能力。在四种不同图像大小的数据集上验证了提出算法的有效性。2.提出了一种基于内容自适应融合残差网络的数字图像设备来源辨别算法。首先,探索自学习卷积预处理方式实现了取证信号的有效提取,其次设计了多尺度融合残差网络捕获更全面的设备取证特征;然后根据图像内容不同进行差异化处理并利用迁移学习技术精细化地提升网络性能。实验表明了提出方案对三个级别（品牌级别、型号级别、个体级别）设备取证任务的有效性。相比于基于传感器模式噪声的算法,提出的方案在低分辨图像情况下取得了更优异的性能。3.构建了高动态范围图像取证数据库,分析了高动态范围图像对基于传感器模式噪声设备取证方案的影响,发现了高动态范围图像成像过程中多曝光图像对齐操作引入的像素位移问题,进而提出了基于块一致性特征的高动态范围图像设备取证算法。具体地,所构建的数据库考虑了图像捕获方式、捕获内容、以及捕获设备的多样性,共包含了成对的标准动态范围图像和高动态范围图像5415张,是目前第一个公开的高动态范围图像取证数据库。在构建的图像取证数据库上对基于传感器模式噪声的设备取证方案进行评估,对比了图像类型、设备指纹类型对设备取证方案的影响。设计了块一致性特征,解决高动态范围图像的设备取证难点。实验结果验证了提出的块一致性特征的有效性。4.提出了一种基于视频封装容器的数字视频完整性分析方案。首先,利用视频封装容器构建域-符号和值-符号,从而建立更好的视频封装容器特征表征方式;其次,通过似然比框架实现无关特征量的自动去除;最后构建决策树分类器,实现对视频源有效分类的同时,提供了简单的决策解释。我们在构建的包含7000条视频文件的视频取证数据库上进行实验验证。结果表明提出的方案可以有效辨别原始视频和篡改视频、以及视频编辑软件。即使对于经历了无重编码裁剪操作或者降采样到缩略图分辨率的视频,提出的方案依然可以进行有效辨别。另外,提出的方法不仅提升了运算效率、获得了更好的检测准确率,而且还提供了一些简单的决策解释。
袁泽霖[6]（2021）在《电磁信号的射频指纹识别技术研究》文中认为本文主要围绕基于4G LTE信号手机辐射源的识别、多维度特征的融合、缺失数据驱动情境下电磁辐射源的闭集识别三大问题展开工作。本文内容主要包含信号的特征提取,信号的特征选择与个体间分类等模块。聚焦研究了深度学习与传统特征提取相结合的算法、基于深度学习算法在电磁辐射源分类识别中的应用、在缺失数据驱动环境下的电磁辐射源闭集识别问题。通过实测数据验证了算法的可行性。本文工作及创新点主要集中在以下几个方面。（1）在手机的通信控制信道和通信业务信道两种不同信道环境下采集智能手机信号4G信号,并对信号进行分析与预处理,从各个信号特征维度分析及提取信号特征,选取包含短时傅里叶变换,希尔伯特黄变换,双谱变换等多种信号的特征提取算法,从而得到不同特征提取算法对最终个体识别效果的影响。通过在暗室理想环境、室内环境、室外环境等多种不同环境和不同采集方案的试验论证,验证了个体识别方案的有效性。（2）针对信号在不同维度上特征体现具有差异性的特点,提出了三种基于神经网络架构的特征融合算法,前两种方法分别从特征堆叠的角度融合特征以及从双重网络学习不同特征的角度融合特征,最后一种方法从不同信道的特征出发进行特征融合。通过试验证明,在分类过程中选取经过多维度特征融合算法的特征集相比于单一维度特征集具有更好的识别效能。（3）针对电磁辐射源多模式工作状态中部分模式由于缺乏数据支撑导致的难以识别的问题,提出一种基于孪生网络的临近判决算法,通过诱导网络学习类间差异、忽略类内差异的方法引导网络强化电磁指纹特征在分类过程的比重,弱化射频通道或频率选择性衰落等环境因素带来的特征的比重,最终达到跨模式的个体识别目的,并在相同环境下,文中所提出的基于孪生网络的临近判决算法较常规卷积神经网络在低样本情境下具有更良好的识别效能。并针对数据集不充足导致的识别精度较低的问题,探索并提出了一种网络判决反馈机制,最终达到提升识别精度的效果。
马炜明[7]（2021）在《基于偏微分方程的低质量指纹复原的研究》文中进行了进一步梳理随着社会信息安全的高速发展,生物信息被广泛的关注,而指纹由于它的唯一性、普遍性、永久性、可靠性等特点成为了应用最广泛的生物信息,但是在实际应用中,尤其是在一些刑事案件中,指纹信息的采集由于受到设备和环境的影响,再加上人体手指潮湿、脱皮、油污、静电等原因,使提取的一部分指纹图像往往是模糊、脊线断裂、背景复杂的低质量指纹图像。这种低质量指纹图像会降低指纹识别系统的识别率甚至在一些刑事案件的判定中导致冤假错案;大多数低质量指纹图像含有较多的伪特征点和潜在特征点,但现有的低质量指纹图像处理方法对潜在特征点的修复效果不佳,所以低质量的指纹图像的复原已经成为一个亟待解决的现实性问题,这个难题的解决将不仅提高指纹识别设备的准确率,更对司法界的指纹比对具有重大的意义。本文针对低质量指纹信息的噪声大,断裂点多的特点,对传统低质量指纹图像处理方法进行了改进,将低质量指纹图像在传统预处理算法的基础上加入了改进的偏微分方程修复模型,即将指纹图像先进性去噪然后修复,既降低了复杂背景对修复算法造成的干扰,又提高了修复准确性。其主要工作成果和创新如下:1.根据本文的研究目的研究和优化传统的指纹预处理算法;针对低质量指纹的特点,使用传统指纹预处理算法中分割算法、Gabor增强算法和二值化算法对低质量指纹图像进行处理,将传统预处理算法中的细化算法剔除,旨在降低低质量指纹图像的背景噪音,减小修复算法的难度,提高修复后的准确性。2.学习传统的偏微分方程模型,将三种经典的偏微分方程修复模型BSBC修复模型、TV修复模型、CDD修复模型进行复现,经过对比选出CDD修复模型为本课题的基础算法,并在经典的CDD修复引入了一个指数因子和自适应正提升参数,经过实验对比,改进的CDD修复算法不仅继承了经典CDD算法的优点,还降低了算法难度。3.根据传统偏微分方程在修复指纹纹理会产生纹理模糊的缺点,将改进后的CDD修复模型和Starck等人提出的MCA修复模型进行融合和改进,经过验证,本文最终的算法不仅解决了经典偏微分方程图像修复模型对纹理区域修复产生的虚假的现象,又克服了原MCA修复模型无法满足连通性的缺点。4.指纹图像处理软件的实现,主要采用VS2013、QT5.9和OPencv3.0作为开发工具,将改进后的指纹预处理算法和指纹图像修复算法应用到系统中,实现了对低质量指纹图像的快速复原处理。
崔天舒[8]（2021）在《面向天基电磁信号识别的深度学习方法》文中研究指明电磁空间是信息产生、传输、感知和利用的主要渠道,也是信息化战争时代新型作战形式的重要依托。天基电磁态势感知系统,在大范围空间内获取雷达、通信、导航和数据链等电磁信号并进行态势分析与预测,有助于实现对陆、海、空和天各类辐射源的侦察、监视、跟踪与识别,从而掌控整个电磁空间态势。随着空间电磁设备的快速增长,电磁信号越来越密集,面对复杂多样的电磁目标,基于目标建模和人工特征的传统方法越来越难以应对。数据驱动的深度学习方法具有强大的特征表达能力,非常适合处理大数据问题。电磁信号识别是电磁态势感知核心组成部分,其目标是获取辐射源调制方式与个体身份,基于深度学习的电磁信号识别具有重要的研究价值与应用前景。空间中电磁信号类型多、差异大,若根据不同频段、不同辐射源类型和不同应用设计各自的识别系统,则工程应用成本高昂。本文将自动调制识别与射频指纹识别视为连续信号的模式识别问题,采用外部视角,将发射机整体外部行为作为研究对象,从发射机输出信号中学习获得识别模型,实现电磁信号识别。依此设计的电磁信号智能处理架构、IQ相关特征卷积网络结构,以及压缩信号智能处理框架,可处理自动调制识别与射频指纹识别2种应用。深度神经网络虽然擅于挖掘高冗余数据复杂特征,但也存在模型庞大、计算复杂度高的不足。由于功耗及空间辐射环境等限制,天基平台的存储空间与计算能力特别有限。为弥合天基平台性能与深度学习资源需求之间的差距,提出了一种轻量化智能处理架构。首先将数据流拆分成小数据段,然后直接采用卷积神经网络处理,最后通过序列联合判决算法进行信息融合。处理相同长度信号,轻量化智能处理架构的参数量与计算量仅为Alex Net的0.037%与40%,Google Net的0.170%与14.3%。轻量化智能处理架构的整体性能取决于单个分类器,为实现信息高效利用,提出了一种IQ相关特征卷积网络结构。在自动调制识别应用中,当信噪比≥0d B时,仅用50%的计算量可将识别准确率提高了9.88%,且比传统高阶统计量方法识别准确率高37.63%。在射频指纹识别应用中,仅用50%的计算量可将准确率提高了12.28%,且比传统功率谱密度方法准确率高33.16%。通信和雷达信号不断向高频段拓展,信号带宽迅速提高,采样压力越来越大。面对宽带信号识别问题,提出了一种结合压缩感知与深度学习的压缩信号智能处理框架。在自动调制识别和射频指纹识别中,即使将采样率分别降低16和64倍,也能达到Nyquist采样信号同等识别准确率,大大拓宽了信号的识别范围。最后,基于轻量化智能处理架构,采用低成本信号采集与处理平台,实现了一套识别准确率接近100%的亚Nyquist采样信号射频指纹识别实时处理系统。
刘良[9]（2021）在《《中药单用/联合抗生素治疗儿童细菌性肺炎临床指南》的制定研究》文中研究指明目的:依据循证医学原则,在文献研究的基础上通过德尔菲法和专家论证会制定出《中药单用/联合抗生素治疗儿童细菌性肺炎临床指南》草稿。方法:在文献研究基础上,编制第一轮专家问卷,通过电子邮件发给依据德尔菲法专家遴选原则从全国范围内遴选的60位专家。回收第一轮问卷后对其结果进行统计分析并结合专家书面意见形成第二轮问卷,再次发送给40位专家,回收问卷后统计分析其结果,总结形成《中药单用/联合抗生素治疗儿童细菌性肺炎临床指南》草稿。召开专家论证会,对草稿进行论证并对其主要问题进一步研讨,汇总专家意见形成《中药单用/联合抗生素治疗儿童细菌性肺炎临床指南》草稿。结果:在文献研究的基础上共进行了两轮专家问卷调查。将前两轮问卷统计分析结果和两轮专家书面意见汇总形成了《中药单用/联合抗生素治疗儿童细菌性肺炎临床指南》草稿。结论:在文献研究基础上运用德尔菲法及专家论证会制定《中药单用/联合抗生素治疗儿童细菌性肺炎临床指南》草稿,为进一步的标准化研究奠定基础。
陈博[10]（2021）在《基于物联网的实物保护系统关键技术研究》文中认为本文根据特殊项目背景,依据实物保护系统的安防要求,在某型一体化安防监控系统的基础上,实现了人员通信定位与物资状态定位的软硬件系统,开发了基于人员的实时通信定位和物资状态定位的室内定位系统,研究了基于BP神经网络的指纹定位算法。主要包括以下内容:（1）针对安防区域内的人员监管,采用ESP32物联网模块研制了 WiFi无线定位以及双向通信的人员可穿戴标签,提出了一种双重防脱摘机制结合的方式,通过采集心率采集和感应触点防止标签脱离,达到了定位标签与佩戴对象可靠绑定的要求;针对区域内物资的安防监控需求,提出一种采用九轴加速度陀螺仪传感器、光敏传感器以及定位信息三重机制来监测物资状态,实现了物资状态定位系统的设计与开发;基于MQTT通信协议,实现了上位机与下位机的数据通信。结合系统各模块下位机的功能和上位机的软件客户端,对各模块参数进行实验以及数据结果分析。（2）针对传统方法对定位的误差较大问题,提出并实现了基于BP神经网络的指纹定位算法。通过基站接收定位标签能量信息,构建指纹数据库;将指纹库数据集作为训练样本集合训练BP神经网络,得到网络模型;利用训练好的BP神经网络模型实时计算系统接收到的RSSI数据值,得到估算位置。（3）实验结果表明,本文定位系统运行可靠,相较于虚拟参考标签位置指纹定位算法,本文基于BP神经网络的指纹定位算法得到的估算平均定位精度有较大提升。
二、浅谈指纹系统工作的经验（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、浅谈指纹系统工作的经验（论文提纲范文）
（1）无线传感网络路由和定位技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 无线传感网络路由研究现状 |
| 1.2.1 无线传感网络路由特点 |
| 1.2.2 WSN拥塞控制研究现状 |
| 1.2.3 WSN能效路由研究现状 |
| 1.2.4 WSN地理位置路由研究现状 |
| 1.3 无线传感网络节点定位研究现状 |
| 1.3.1 无线传感网络节点定位 |
| 1.3.2 WSN指纹定位研究现状 |
| 1.4 本文的主要研究内容及贡献 |
| 1.5 本文的组织结构 |
| 第2章 基于地理位置的WSN拥塞控制路由 |
| 2.1 引言 |
| 2.2 基于引力竞争的拥塞控制路由 |
| 2.2.1 系统模型 |
| 2.2.2 节点的引力场描述 |
| 2.2.3 拥塞控制路由策略 |
| 2.2.4 仿真结果与分析 |
| 2.3 基于虚拟力的流量感知路由 |
| 2.3.1 系统模型 |
| 2.3.2 虚拟力流量感知路由 |
| 2.3.3 仿真结果与分析 |
| 2.4 本章小结 |
| 第3章 基于地理位置的WSN能效路由 |
| 3.1 引言 |
| 3.2 系统模型 |
| 3.3 路由评价参数 |
| 3.3.1 能量均衡度 |
| 3.3.2 单跳传输比 |
| 3.3.3 有效转发率 |
| 3.3.4 缓存队列指数 |
| 3.3.5 剩余能量因子 |
| 3.4 基于多参数融合的能效路由算法 |
| 3.4.1 路由决策过程 |
| 3.4.2 路由选择策略 |
| 3.5 仿真结果与分析 |
| 3.5.1 调整因子的影响 |
| 3.5.2 算法对比分析 |
| 3.6 本章小结 |
| 第4章 基于高斯分布的单区域节点定位 |
| 4.1 引言 |
| 4.2 定位算法基本概念 |
| 4.2.1 基本术语 |
| 4.2.2 信号传播模型 |
| 4.3 构建指纹数据库 |
| 4.3.1 指纹数据预处理 |
| 4.3.2 RSS模糊融合与分析 |
| 4.4 多维高斯分布定位算法 |
| 4.4.1 多维高斯分布模型 |
| 4.4.2 理想点与参考节点的距离偏差 |
| 4.4.3 未知节点坐标估计 |
| 4.5 仿真结果与分析 |
| 4.5.1 定位精度评价 |
| 4.5.2 仿真数据性能分析 |
| 4.5.3 真实数据集测试 |
| 4.6 本章小结 |
| 第5章 基于模糊决策的多区域节点定位 |
| 5.1 引言 |
| 5.2 知识决策理论 |
| 5.3 模糊决策定位算法 |
| 5.3.1 知识积累 |
| 5.3.2 知识融合 |
| 5.3.3 知识扩展 |
| 5.4 仿真结果与分析 |
| 5.4.1 参考节点间隔 |
| 5.4.2 锚节点比例 |
| 5.4.3 噪声标准差 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 今后工作展望 |
| 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 |
（2）基于边信道的物联网隐私和身份安全关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 设备辨识 |
| 1.2.2 用户辨识 |
| 1.2.3 边信道分析 |
| 1.3 研究内容 |
| 1.3.1 设备身份辨识 |
| 1.3.2 设备类型辨识 |
| 1.3.3 用户身份辨识 |
| 1.3.4 用户群体辨识 |
| 1.4 论文组织结构 |
| 2 设备身份辨识:基于CPU电磁边信道的设备身份认证机制 |
| 2.1 引言 |
| 2.2 背景介绍 |
| 2.2.1 电子器件磁感应 |
| 2.2.2 CPU模块构成 |
| 2.2.3 CPU模块差异 |
| 2.3 可行性分析 |
| 2.3.1 CPU模块MI信号 |
| 2.3.2 CPU指纹存在证据 |
| 2.3.3 CPU指纹来源 |
| 2.3.4 CPU指纹时空一致性 |
| 2.4 威胁模型 |
| 2.5 系统设计 |
| 2.5.1 指纹生成 |
| 2.5.2 指纹提取 |
| 2.5.3 指纹匹配 |
| 2.6 性能评估 |
| 2.6.1 实验设置 |
| 2.6.2 性能指标 |
| 2.6.3 影响因素评估 |
| 2.6.4 系统性能评估 |
| 2.7 讨论 |
| 2.7.1 重放攻击 |
| 2.7.2 模仿攻击 |
| 2.8 本章小结 |
| 3 设备类型辨识:基于流量边信道的隐藏无线摄像头检测机制 |
| 3.1 引言 |
| 3.2 背景介绍 |
| 3.2.1 无线监控原理 |
| 3.2.2 无线摄像头原理 |
| 3.2.3 无线摄像头流量特点 |
| 3.3 威胁模型及问题概述 |
| 3.3.1 威胁模型 |
| 3.3.2 设计要求 |
| 3.3.3 问题概述 |
| 3.4 流量特征刻画 |
| 3.4.1 可用包头信息 |
| 3.4.2 网络应用类别 |
| 3.4.3 无线摄像头流量特征 |
| 3.5 系统设计 |
| 3.5.1 系统概述 |
| 3.5.2 流量采集 |
| 3.5.3 特征提取 |
| 3.5.4 摄像头检测 |
| 3.5.5 摄像头定位 |
| 3.6 系统实现 |
| 3.7 系统评估 |
| 3.7.1 实验设置 |
| 3.7.2 性能指标 |
| 3.7.3 摄像头检测性能 |
| 3.7.4 摄像头定位性能 |
| 3.7.5 系统实时性能 |
| 3.8 讨论 |
| 3.9 本章小结 |
| 4 用户身份辨识:基于光学边信道的摄屏图片溯源机制 |
| 4.1 引言 |
| 4.2 背景介绍 |
| 4.2.1 摩尔条纹机理 |
| 4.2.2 摄屏摩尔效应 |
| 4.3 威胁模型及设计要求 |
| 4.3.1 威胁模型 |
| 4.3.2 设计要求 |
| 4.4 系统设计 |
| 4.4.1 系统概述 |
| 4.4.2 mID生成 |
| 4.4.3 mID嵌入 |
| 4.4.4 mID提取 |
| 4.4.5 mID解码 |
| 4.5 系统实现 |
| 4.6 系统评估 |
| 4.6.1 实验设置 |
| 4.6.2 性能指标 |
| 4.6.3 系统性能 |
| 4.7 讨论 |
| 4.8 本章小结 |
| 5 用户群体辨识:基于感知边信道的儿童用户识别机制 |
| 5.1 引言 |
| 5.2 核心思路 |
| 5.3 系统设计 |
| 5.3.1 系统概述 |
| 5.3.2 交互手势 |
| 5.3.3 数据采集 |
| 5.3.4 特征提取 |
| 5.3.5 识别算法 |
| 5.4 系统评估 |
| 5.4.1 实验设置 |
| 5.4.2 性能指标 |
| 5.4.3 系统性能 |
| 5.5 用户调研 |
| 5.6 讨论 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间主要成果 |
（3）基于SOPC的多种生物特征识别系统的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 生物特征识别技术研究现状 |
| 1.2.1 人脸识别技术研究现状 |
| 1.2.2 虹膜识别技术研究现状 |
| 1.2.3 指纹识别技术研究现状 |
| 1.2.4 多模态生物特征识别技术研究现状 |
| 1.3 主要研究内容及章节安排 |
| 1.4 本章小结 |
| 第二章 单模态生物特征识别的实现 |
| 2.1 人脸识别 |
| 2.1.1 人脸数据库 |
| 2.1.2 人脸预处理 |
| 2.1.2.1 图像灰度化 |
| 2.1.2.2 直方图均衡化 |
| 2.1.3 K-L正交变换 |
| 2.1.4 基于PCA的人脸识别 |
| 2.2 虹膜识别 |
| 2.2.1 虹膜数据库 |
| 2.2.2 虹膜预处理 |
| 2.2.2.1 虹膜定位 |
| 2.2.2.2 虹膜归一化及增强 |
| 2.2.3 虹膜特征提取及编码 |
| 2.2.4 虹膜特征匹配 |
| 2.3 指纹识别 |
| 2.3.1 指纹数据库 |
| 2.3.2 指纹预处理 |
| 2.3.2.1 图像归一化 |
| 2.3.2.2 图像增强 |
| 2.3.2.3 基于梯度场的图像分割 |
| 2.3.2.4 指纹图像二值化 |
| 2.3.2.5 二值化图像去噪 |
| 2.3.2.6 指纹图像细化 |
| 2.3.3 指纹特征提取 |
| 2.3.4 指纹特征匹配 |
| 2.4 本章小结 |
| 第三章 人脸虹膜指纹融合识别技术 |
| 3.1 融合策略 |
| 3.2 匹配分数归一化 |
| 3.3 分数层融合算法 |
| 3.3.1 传统分数层融合算法 |
| 3.3.2 改进的分数层融合算法 |
| 3.4 实验分析 |
| 3.4.1 基于单模态生物特征识别的实验分析 |
| 3.4.2 基于多特征融合识别系统的实验分析 |
| 3.5 本章小结 |
| 第四章 基于SOPC的多生物特征融合系统 |
| 4.1 FPGA及 SOPC技术相关概述 |
| 4.1.1 现场可编程门阵列FPGA |
| 4.1.2 可编程片上系统SOPC |
| 4.1.3 Nios II处理器 |
| 4.2 融合系统的硬件平台及开发环境 |
| 4.2.1 DE2-115 开发板 |
| 4.2.2 系统开发环境 |
| 4.3 融合系统需求分析及总体设计 |
| 4.3.1 系统需求分析 |
| 4.3.2 系统总体设计 |
| 4.4 硬件系统搭建 |
| 4.5 系统软件设计 |
| 4.6 系统测试 |
| 4.7 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 |
| 攻读硕士学位期间的研究成果 |
（4）水杨酸及其衍生物的太赫兹光谱弱相互作用分析（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 论文研究内容及创新点 |
| §1.3.1 论文研究内容 |
| §1.3.2 论文研究路线 |
| §1.3.3 论文创新点 |
| 第二章 实验和理论研究方法 |
| §2.1 太赫兹光谱技术概述 |
| §2.2 太赫兹时域光谱系统 |
| §2.3 光谱实验和数据处理 |
| §2.3.1 实验样本制备 |
| §2.3.2 光谱数据采集 |
| §2.3.3 光谱数据处理 |
| §2.4 分子间弱相互作用的类型 |
| §2.5 分子间弱相互作用的量子化学计算方法 |
| §2.5.1 从头算方法 |
| §2.5.2 半经验方法 |
| §2.5.3 密度泛函理论 |
| §2.6 本章小结 |
| 第三章 水杨酸及其同分异构体的太赫兹实验与理论研究 |
| §3.1 水杨酸及其同分异构体的太赫兹实验光谱 |
| §3.2 水杨酸及其同分异构体的理论计算光谱 |
| §3.2.1 理论计算细节 |
| §3.2.2 理论计算结果与分析 |
| §3.3 水杨酸及其同分异构体的简正振动分析 |
| §3.3.1 简正振动模式简介 |
| §3.3.2 振动模式分析与指认 |
| §3.4 弱相互作用分析与可视化 |
| §3.4.1 Hirshfeld表面分析简介 |
| §3.4.2 指纹图和Dorm表面图的绘制 |
| §3.4.3 Hirshfeld表面分析水杨酸分子晶体的弱相互作用 |
| §3.4.4 Hirshfeld表面分析2,4-二羟基苯甲醛分子晶体的弱相互作用 |
| §3.5 本章小结 |
| 第四章 水杨酸衍生物的太赫兹实验与理论研究 |
| §4.1 水杨酸衍生物的太赫兹实验光谱 |
| §4.2 水杨酸衍生物的理论计算光谱结果与分析 |
| §4.2.1 单分子模拟计算结果 |
| §4.2.2 分子团簇模拟计算结果 |
| §4.3 振动模式分析与指认 |
| §4.4 弱相互作用分析与可视化 |
| §4.4.1 Hirshfeld表面分析4-氯水杨酸分子晶体的弱相互作用 |
| §4.4.2 Hirshfeld表面分析5-氯水杨酸分子晶体的弱相互作用 |
| §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 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（5）数字图像与视频的源取证技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 本文的研究问题 |
| 1.3 本文的主要工作及创新点 |
| 1.4 本文的章节安排 |
| 2 源取证研究进展 |
| 2.1 传统方案 |
| 2.1.1 镜头失真 |
| 2.1.2 传感器模式噪声 |
| 2.1.3 去马赛克特性 |
| 2.1.4 其他统计特征 |
| 2.2 数据驱动型源取证技术 |
| 2.2.1 重获取图像取证 |
| 2.2.2 设备来源辨别 |
| 2.2.3 计算机生成图像取证 |
| 2.2.4 GAN生成图像取证 |
| 2.2.5 社交媒体源辨别 |
| 2.2.6 反取证和反反取证 |
| 2.3 本章小结 |
| 3 拉普拉斯卷积神经网络重获取图像取证算法 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 网络结构设计 |
| 3.4 实验结果和分析 |
| 3.4.1 重获取图像取证数据库 |
| 3.4.2 实验设置 |
| 3.4.3 性能评估 |
| 3.4.4 信号增强层有效性验证 |
| 3.5 本章小结 |
| 4 基于内容自适应融合残差网络的设备来源辨别算法 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 网络结构分析设计 |
| 4.3.1 内容自适应分析 |
| 4.3.2 内容自适应融合残差网络 |
| 4.4 实验结果和分析 |
| 4.4.1 数据集与实验设置 |
| 4.4.2 品牌级别的设备来源辨别 |
| 4.4.3 型号和个体级别的设备来源辨别 |
| 4.4.4 传感器模式噪声算法比较 |
| 4.4.5 图像篡改定位性能评估 |
| 4.5 本章小结 |
| 5 高动态范围图像设备取证 |
| 5.1 引言 |
| 5.2 数据库构建 |
| 5.3 基于传感器模式噪声的相机源辨别算法性能分析 |
| 5.3.1 基于传感器模式噪声的相机源辨别算法 |
| 5.3.2 设备指纹类型以及图像类型分析 |
| 5.3.3 相机源辨别算法可靠性分析 |
| 5.3.4 高动态范围图像低PCE情况分析 |
| 5.4 基于块一致性特征的高动态范围图像相机源辨别 |
| 5.5 实验结果和分析 |
| 5.5.1 实验设置 |
| 5.5.2 图像类型分析 |
| 5.5.3 设备指纹类型分析 |
| 5.5.4 混合类型设备指纹分析 |
| 5.5.5 PRNU算法性能评估 |
| 5.5.6 块一致性特征性能评估 |
| 5.6 本章小结 |
| 6 基于视频封装容器特性的高效视频完整性分析算法 |
| 6.1 引言 |
| 6.2 视频文件格式 |
| 6.3 视频完整性分析 |
| 6.3.1 视频封装容器的向量化表示 |
| 6.3.2 似然比框架 |
| 6.3.3 决策树分类模型 |
| 6.4 实验结果和分析 |
| 6.4.1 视频完整性验证 |
| 6.4.2 视频篡改特性 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 论文工作的总结 |
| 7.2 工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）电磁信号的射频指纹识别技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究历史及现状 |
| 1.3 本论文结构安排 |
| 第二章 通信辐射源指纹特征提取算法与分类器设计 |
| 2.1 引言 |
| 2.2 通信辐射源指纹特征提取算法 |
| 2.2.1 基于短时傅里叶变换的指纹特征提取 |
| 2.2.2 基于双谱指纹特征提取 |
| 2.2.3 基于HHT时频谱的指纹特征提取 |
| 2.3 分类器选择及架构 |
| 2.3.1 神经网络 |
| 2.3.2 深度神经网络 |
| 2.3.3 卷积神经网络 |
| 2.3.4 孪生网络架构 |
| 2.4 本章小结 |
| 第三章 基于电磁指纹的手机辐射源个体识别 |
| 3.1 引言 |
| 3.2 LTE技术及采集方案 |
| 3.2.1 LTE技术 |
| 3.2.2 采集方案及采集平台 |
| 3.3 暗室环境下的手机辐射源识别 |
| 3.4 室内环境下的手机辐射源识别 |
| 3.4.1 基于控制信道信号的手机辐射源识别 |
| 3.4.2 基于业务信道信号的手机辐射源识别 |
| 3.5 室外环境下的手机辐射源识别 |
| 3.5.1 信号的信噪比估计及预处理方案 |
| 3.5.2 室外环境下长时间跨度的手机辐射源识别 |
| 3.5.3 室外环境下手机辐射源类别的实时预测 |
| 3.6 实验结果对比与分析 |
| 3.7 本章小结 |
| 第四章 基于特征融合的辐射源个体识别 |
| 4.1 引言 |
| 4.2 基于多维度特征堆叠的特征融合算法 |
| 4.3 基于网络融合的特征融合算法 |
| 4.4 基于不同信道特征的特征融合算法 |
| 4.5 本章小结 |
| 第五章 跨模式的辐射源个体识别 |
| 5.1 引言 |
| 5.2 孪生网络的度量学习机制 |
| 5.2.1 对比损失函数 |
| 5.2.2 孪生网络对低样本数据的扩充作用 |
| 5.3 基于孪生网络的邻近判决机制 |
| 5.4 辐射源罕见模式的识别 |
| 5.5 自增长网络反馈机制 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）基于偏微分方程的低质量指纹复原的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究的主要内容及章节安排 |
| 第2章 指纹识别系统中的预处理算法 |
| 2.1 指纹识别系统 |
| 2.1.1 指纹识别系统的原理 |
| 2.1.2 指纹识别系统的评价标准 |
| 2.2 经典的指纹预处理 |
| 2.2.1 预处理算法的介绍 |
| 2.2.2 指纹图像的分割算法 |
| 2.2.3 指纹图像的增强算法 |
| 2.2.4 指纹图像的二值化算法 |
| 2.2.5 指纹图像的细化算法 |
| 2.3 改进的指纹预处理算法 |
| 2.4 本章小结 |
| 第3章 基于PDE修复经典模型的对比 |
| 3.1 引言 |
| 3.2 偏微分方程模型的理论基础 |
| 3.2.1 偏微分方程的基本概念 |
| 3.2.2 偏微分方程在图像处理中的应用 |
| 3.3 PDE修复算法的对比 |
| 3.3.1 BSBC修复算法 |
| 3.3.2 TV修复算法 |
| 3.3.3 CDD修复算法 |
| 3.3.4 实验结果对比 |
| 3.4 改进的CDD修复算法 |
| 3.4.1 改进的CDD算法介绍 |
| 3.4.2 图像修复评价标准 |
| 3.4.3 实验结果对比 |
| 3.5 本章小结 |
| 第4章 改进的偏微分方程修复算法 |
| 4.1 引言 |
| 4.2 MCA算法 |
| 4.2.1 MCA算法的基础理论 |
| 4.2.2 原MCA修复算法 |
| 4.3 改进的MCA修复算法 |
| 4.4 实验结果分析 |
| 4.4.1 图像修复评价标准 |
| 4.4.2 实验结果对比 |
| 4.5 本章总结 |
| 第5章 基于QT的指纹图像处理软件的设计与实现 |
| 5.1 系统框架 |
| 5.2 软件的设计与实现 |
| 5.2.1 系统体系结构 |
| 5.2.2 系统的界面设计 |
| 5.3 图像间的格式转换 |
| 5.4 系统运行 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表的学术论文目录 |
（8）面向天基电磁信号识别的深度学习方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1.研究背景与研究意义 |
| 1.2.研究现状 |
| 1.2.1.自动调制识别研究现状 |
| 1.2.2.射频指纹识别研究现状 |
| 1.2.3.深度网络结构研究现状 |
| 1.2.4.研究现状小结 |
| 1.3.本文主要工作 |
| 1.4.本文结构安排 |
| 第2章 轻量化高效智能信号处理方法 |
| 2.1.问题描述 |
| 2.1.1.问题建模 |
| 2.1.2.研究方法 |
| 2.2.电磁信号智能处理架构 |
| 2.2.1.处理架构分析 |
| 2.2.2.轻量化智能处理架构 |
| 2.2.3.整体识别性能 |
| 2.3.电磁信号卷积网络结构 |
| 2.3.1.网络结构分析 |
| 2.3.2.IQ相关特征卷积网络结构 |
| 2.4.压缩信号处理 |
| 2.4.1.压缩感知数学模型 |
| 2.4.2.稀疏表示与观测矩阵 |
| 2.4.3.压缩信号智能处理框架 |
| 2.5.性能评估 |
| 2.5.1.评估方法 |
| 2.5.2.性能度量 |
| 2.5.3.资源需求 |
| 2.6.本章小结 |
| 第3章 轻量化智能自动调制识别方法 |
| 3.1.自动调制识别数据集 |
| 3.2.识别方法 |
| 3.2.1.传统人工特征方法 |
| 3.2.2.深度学习方法 |
| 3.3.实验结果 |
| 3.3.1.RML2016实验结果 |
| 3.3.2.RML2018实验结果 |
| 3.4.整体性能 |
| 3.4.1.识别性能 |
| 3.4.2.资源需求 |
| 3.5.本章小结 |
| 第4章 轻量化智能射频指纹识别方法 |
| 4.1.射频指纹识别数据集 |
| 4.1.1.数据类型 |
| 4.1.2.信道类型 |
| 4.1.3.实验说明 |
| 4.2.识别方法 |
| 4.2.1.传统人工特征方法 |
| 4.2.2.深度学习方法 |
| 4.3.实验结果 |
| 4.3.1.IQCNet性能评估 |
| 4.3.2.识别性能对比 |
| 4.4.整体性能 |
| 4.5.本章小结 |
| 第5章 压缩信号轻量化智能识别方法 |
| 5.1.压缩信号获取 |
| 5.2.压缩信号调制方式识别 |
| 5.2.1.单次识别性能 |
| 5.2.2.整体识别性能 |
| 5.2.3.混淆矩阵 |
| 5.3.压缩信号射频指纹识别 |
| 5.3.1.识别性能 |
| 5.3.2.混淆矩阵 |
| 5.4.本章小结 |
| 第6章 射频指纹识别实时处理系统实现 |
| 6.1.实验场景 |
| 6.2.模型性能评估 |
| 6.2.1.数据预处理 |
| 6.2.2.模型训练 |
| 6.2.3.推理性能 |
| 6.2.4.欠采样信号射频指纹识别 |
| 6.3.模型部署 |
| 6.4.本章小结 |
| 第7章 总结与展望 |
| 7.1.研究总结 |
| 7.2.研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（9）《中药单用/联合抗生素治疗儿童细菌性肺炎临床指南》的制定研究（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略语 |
| 引言 |
| 文献综述 |
| 1 西医学研究进展 |
| 2 中医学研究进展 |
| 参考文献 |
| 1 研究方法 |
| 1.1 基于文献回顾的德尔菲法研究 |
| 1.1.1 文献研究 |
| 1.1.2 德尔菲法问卷调查 |
| 1.1.2.1 遴选专家 |
| 1.1.2.2 制定专家问卷 |
| 1.1.2.3 计分方法 |
| 1.1.2.4 统计学方法 |
| 1.1.2.5 纳入排除标准 |
| 2 研究结果 |
| 2.1 德尔菲法问卷结果 |
| 2.1.1 问卷发放、回收情况 |
| 2.1.2 专家信息统计结果 |
| 2.1.3 第一轮和第二轮专家问卷统计分析结果 |
| 讨论 |
| 结论 |
| 本文创新点 |
| 不足和展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 在学期间主要研究成果 |
| 个人简介 |
（10）基于物联网的实物保护系统关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 实物保护系统 |
| 1.2.2 室内定位技术 |
| 1.2.3 物联网技术 |
| 1.2.4 室内定位算法 |
| 1.3 本文的研究内容 |
| 1.3.1 WiFi定位系统设计 |
| 1.3.2 研制人员通信定位系统的可穿戴标签 |
| 1.3.3 研制物资状态定位系统功能模块 |
| 1.4 本文的组织结构 |
| 2 需求分析与技术路线 |
| 2.1 双向通信技术 |
| 2.2 定位系统需求分析 |
| 2.3 定位系统的评价指标 |
| 2.3.1 人员通信定位系统评价指标 |
| 2.3.2 物资状态定位系统评价指标 |
| 2.4 本文技术路线 |
| 2.5 本章小结 |
| 3 定位系统硬件设计 |
| 3.1 系统方案 |
| 3.1.1 人员通信定位系统设计 |
| 3.1.2 物资状态定位系统设计 |
| 3.2 定位标签硬件设计原理 |
| 3.2.1 方案选择 |
| 3.2.2 ESP32芯片主控板电路原理 |
| 3.2.3 低功耗液晶显示模块 |
| 3.2.4 MAX30102心率采集模块 |
| 3.2.5 电源模块 |
| 3.2.6 九轴加速度陀螺仪传感器模块 |
| 3.2.7 光度值采集模块 |
| 3.3 定位基站硬件设计 |
| 3.4 定位标签和基站软件设计 |
| 3.4.1 定位标签和基站的程序设计 |
| 3.4.2 网络架构和通信协议 |
| 3.5 本章小结 |
| 4 定位算法研究 |
| 4.1 虚拟参考标签位置指纹定位算法 |
| 4.2 基于BP神经网络的指纹定位算法 |
| 4.3 算法实现步骤 |
| 4.3.1 人员定位数据采集与预处理 |
| 4.3.2 使用BP神经网络训练和位置计算 |
| 4.4 本章小结 |
| 5 实验结果及分析 |
| 5.1 实验条件与实验内容 |
| 5.2 定位基站信号强度实验 |
| 5.3 人员通信定位标签功耗实验 |
| 5.4 神经网络训练与定位精度分析 |
| 5.4.1 BP神经网络结构优化 |
| 5.4.2 定位精度分析 |
| 5.5 物资状态定位标签 |
| 5.5.1 物资定位位置偏移实验 |
| 5.5.2 物资异常状态报警延迟 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士学位期间发表的论文 |
四、浅谈指纹系统工作的经验（论文参考文献）
- [1]无线传感网络路由和定位技术研究[D]. 闫江毓. 华北电力大学(北京), 2021(01)
- [2]基于边信道的物联网隐私和身份安全关键技术研究[D]. 程雨诗. 浙江大学, 2021(01)
- [3]基于SOPC的多种生物特征识别系统的研究[D]. 张少慧. 内蒙古大学, 2021(12)
- [4]水杨酸及其衍生物的太赫兹光谱弱相互作用分析[D]. 贺微. 桂林电子科技大学, 2021(02)
- [5]数字图像与视频的源取证技术研究[D]. 杨朋朋. 北京交通大学, 2021(02)
- [6]电磁信号的射频指纹识别技术研究[D]. 袁泽霖. 电子科技大学, 2021(01)
- [7]基于偏微分方程的低质量指纹复原的研究[D]. 马炜明. 兰州理工大学, 2021(01)
- [8]面向天基电磁信号识别的深度学习方法[D]. 崔天舒. 中国科学院大学(中国科学院国家空间科学中心), 2021(01)
- [9]《中药单用/联合抗生素治疗儿童细菌性肺炎临床指南》的制定研究[D]. 刘良. 长春中医药大学, 2021(01)
- [10]基于物联网的实物保护系统关键技术研究[D]. 陈博. 西安科技大学, 2021(02)