首页期刊导航|计算机应用研究
期刊信息/Journal information
计算机应用研究
四川省电子计算机应用研究中心
计算机应用研究

四川省电子计算机应用研究中心

刘营

月刊

1001-3695

arocmag@163.com

028-85249567

610041

成都市成科西路3号

计算机应用研究/Journal Application Research of ComputersCSCD北大核心CSTPCD
查看更多>>本刊创刊于1981年,以其新颖性、技术性、实用性、工具性、知识性于一身,设置众多栏目,信息量极大,反映并涵盖了当今国内外计算机应用研究的主流技术、热点技术及最新发展趋势,是一份极具收藏价值的技术刊物。本刊读者对象为从事计算机应用、开发、研究的科技人员,大中专院校师生,各企事业单位技术人员,计算机业余爱好者及相关管理、情报工作者订阅、收藏。本刊现为中国计算机学会会刊,中国科技论文统计源核心期刊,全国中文核心期刊,中国科学引文数据库来源期刊, 中国学术期刊综合评价数据库来源期刊,并为多个检索数据库收录,在国内科技期刊评比中多次荣获优秀科技期刊奖。
正式出版
收录年代

    基于干扰消除的MIMO-OTFS系统信号检测研究

    苗豪伟唐智灵
    2141-2143页
    查看更多>>摘要:高迁移率条件下正交时频空间(OTFS)调制技术的性能优于正交频分复用(OFDM),而在常规的多输入多输出系统(MIMO)信号检测中,基于干扰消除信号检测技术的复杂度较大.针对此缺点,提出了一种改进的基于信干噪比(SINR)排序的信号检测算法.该算法先算出每一层信号的信干噪比,然后利用信息传递(MP)检测技术检测出每一层信号并通过干扰消除检测出全部信号.最后通过仿真对算法进行了验证,结果表明改进后的算法具有更好的性能.

    正交时频空间调制信号检测信干噪比排序干扰消除

    车联网D2D通信中最大化频谱资源利用率分配算法

    赵季红董志海曲桦卢立伟...
    2144-2148页
    查看更多>>摘要:无线通信技术快速发展,终端设备不断增多,为缓解这一现象,提升系统网络容量,针对车联网蜂窝D2D(device to device)通信资源分配问题,提出了一种最大化频谱资源利用率分配算法.该算法以最大化频谱资源利用率为优化目标,在满足车联网通信的基本服务质量(quality of service,QoS)下,通过V2V(vehicle to vehi-cle)和V2P(vehicle to people)共享信道资源来提高频谱资源利用率.首先利用信道状态信息定义的链路增益因子为终端用户找到潜在的通信链路集合;然后证明终端用户复用链路资源时功率分配问题为一个凸优化问题,利用凸优化理论求得最优传输功率;随后求解最优的信道匹配问题,此问题为多对一的加权匹配问题,为降低算法复杂度用KM(Kuhn Munkres)算法来求解.仿真结果表明,所提算法较其他算法能够有效地提升系统吞吐量、提高频谱资源利用率、提升网络性能,优化车联网通信资源分配问题.

    车联网D2D频谱共享功率分配资源分配

    基于加权参数马氏距离的硬件木马检测

    黄姣英李胜玉高成刘基强...
    2149-2152,2157页
    查看更多>>摘要:针对常规马氏距离判别方法对硬件木马检测率低下或失效的情况,通过对芯片运行时产生的功耗特征进行建模分析,提出了一种基于加权与双参数变换的优化判别方案.首先对标准与待测样本矩阵进行参数调整并在判别公式中加入样本矩阵特征向量权重,运用MATLAB实现参数的最优组合,最后在置信度99%的条件下计算待测样本的硬件木马检测率.对待测FPGA植入占比0.3%的硬件木马,并通过FPGA硬件木马检测平台验证表明,在常规马氏距离判别方法检测率只有43.56%的情况下,该方法检测率达到了85.14%.

    马氏距离硬件木马FPGA功耗特征

    多云存储下非同频可证明数据迁移方法

    马海峰杨家海薛庆水鞠兴忠...
    2153-2157页
    查看更多>>摘要:很多用户在多个云上存有大量文件,有时在云间要进行大量文件的迁移操作,但因云服务商或黑客攻击等原因导致的文件损坏时有发生,所以云存储用户在存储和迁移过程中必须进行数据完整性认证,且认证开销要尽可能低.目前已有的数据迁移方法在迁移大量文件时认证时间开销较大.针对此问题,提出非同频可证明数据迁移方法,它是根据云上文件损坏的时间特征,在不同时间段按不同频度进行认证.安全性分析和实验结果表明,该方法能显著降低文件云间迁移时的认证时间开销,是一种有效的可证明数据迁移方法.

    数据持有性证明数据迁移非同频默克尔树

    面向IoV的无证书聚合签名方案

    汪五义张文波
    2158-2161页
    查看更多>>摘要:针对车联网信息交互中存在的车辆身份匿名性和消息认证安全问题,目前很多方案是通过双线对来构造的,计算效率较低、通信开销较大且存在密钥托管问题.提出了一种适用于车联网的基于无证书的聚合签名方案,车辆的密钥由KGC和车辆共同生成,避免了密钥托管问题.该方案没有使用双线性对运算,且支持聚合验证,签名长度不会随着车辆数量的增加呈现增长趋势,适合存储资源受限的设备.在随机预言机模型下,基于椭圆曲线上的离散对数问题,证明了该方案具有签名不可伪造性.通过性能分析,该方案具有较高的计算效率和较低的通信开销.

    双线性对聚合签名无证书密码体制随机语言机模型离散对数

    基于QC-MDPC码公钥密码方案下反应攻击的对策

    巫光福戴子恒杨蕊
    2162-2168页
    查看更多>>摘要:基于中密度准循环奇偶校验码(QC-MDPC)的McEliece公钥密码方案已被验证具有良好的性能特征,其密钥量较少、算法复杂度较低.但目前存在一种密钥恢复攻击对该方案的安全性产生威胁,攻击者利用特定的错误图样生成密文并进行发送,来获取接收者译码是否成功的反应,从而破译出该方案的私钥.为应对此反应攻击,提出了可能的解决方案.该方案将差错控制理论中的自动重传请求(ARQ)与伪随机序列结合,消除了反馈信息的有效性.仿真结果表明,提出的方案能有效抵抗此攻击.最后对提出的方案与各类抗击方案进行了比较,并分析了其未来改进方向.

    中密度准循环奇偶校验码McEliece公钥密码方案密钥恢复攻击自动重传请求伪随机序列

    基于长读数和重比对的倒位变异检测方法

    罗军伟杜彩云霍占强
    2169-2174页
    查看更多>>摘要:结构变异检测是基因组大数据分析的一项重要任务,其中倒位变异是一种常见的结构变异,并往往与多种严重的疾病相关联,因此获取准确的倒位变异发生位置是一项具有重要研究意义的工作.提出了一种基于长读数和重比对的倒位变异检测方法,首先在长读数和基因组参考序列比对结果中提取每条长读数被剪切掉的序列;然后将剪切序列重新比对到基因组参考序列上,基于原始的比对信息和剪切序列的比对信息确定倒位变异信号;最后,对倒位变异信号进行聚类确定倒位变异发生的位置.该方法与较常见的其他两种倒位变异检测方法在两组数据集上进行了性能比较,实验结果表明该方法能取得更令人满意的检测结果.

    长读数剪切读数聚类倒位变异结构变异

    结合多尺度融合特征和残差注意力机制的联合三维人脸重建及密集对齐算法

    黄有达周大可杨欣
    2175-2178,2187页
    查看更多>>摘要:针对三维人脸重建和密集对齐算法精度不足的问题,引入密集连接的多尺度特征融合模块和残差注意力机制设计了一种性能强大的网络.在编码器结构前,引入密集连接的多尺度特征融合模块获得多尺度融合特征,使编码器获得更丰富的信息;在解码器模块中引入残差注意力机制,强化网络对重要特征的关注同时抑制不必要的噪声.实验结果表明,相较其他算法,该算法取得了较显著的改进;相对PRNet,该算法以更少的参数量在各项指标上取得7.7%~12.1%的性能提升.

    三维人脸重建和密集对齐密集连接空洞卷积残差注意力机制

    基于IMU和动态目标检测的多帧点云融合算法

    刘辉席陈文浩刘守印
    2179-2182页
    查看更多>>摘要:针对16线激光雷达点云数据稀疏,而导致环境感知效果不佳的问题,提出了一种基于惯性测量单元和动态目标检测相结合的多帧点云数据融合算法.该算法利用惯性测量单元提供的位姿信息进行点云中静态物体部分的融合,利用动态目标检测完成运动物体部分的融合,既可以增快点云融合的速度,又可以缓解融合时运动物体点云偏移过大的问题,在节约成本的同时,达到有效地增大点云密度的目的.实验结果表明,该算法进行点云融合时具有良好的效果,在无人驾驶环境感知方面具有较高的应用价值.

    无人驾驶激光雷达环境感知数据融合

    基于卷积神经网络的跨层融合边缘检测算法

    李翠锦瞿中
    2183-2187页
    查看更多>>摘要:针对目前边缘检测算法因过于依赖全连接层,使得边缘线条粗糙,且损失函数设定不当,造成梯度消失和大量主要特征信息丢失等问题,提出了基于卷积神经网络的交叉融合边缘检测算法.该算法利用1×1多卷积核的梯度方式来降维,完成横纵向图像低级与高级特征对象的采集;然后通过自上而下和自左向右循环卷积流向方式,保证每层的损失函数可以较平稳地前向和反向传播;最后利用跨层交叉融合对图像边缘特征进行细化.实验结果表明,该算法在伯克利大学数据集(BSDS500)上最优数据集规模(ODS)F-measure为0.806,接近人类平均视觉感知.

    边缘检测损失函数交叉融合VGG16数据集