26、非地面网络中的物理层安全:RF与FSO通信的窃听分析

非地面网络中的物理层安全:RF与FSO通信的窃听分析

1. 物理层安全概述

物理层安全(PLS)是信息论安全中的常用术语,它能够保障合法用户的通信安全,而无需考虑非法用户的计算能力。早在1949年,Shannon就率先提出了不依赖计算限制的信息论安全。随后,Wyner引入了窃听模型,该模型认为主信道应优于窃听者信道,以确保通信的完美保密性。

在现有的研究中,大部分工作聚焦于射频(RF)窃听,即窃听者从RF信道截取信息。近年来,PLS也被应用于自由空间光通信(FSO)。在光通信中,窃听者需靠近通信用户,以收集环境中气溶胶或气体反射的光束。不过,如果攻击者在截取信号时阻断激光束,合法接收者能够检测到功率损失,从而出于安全考虑终止传输。此外,当严重的指向误差或衍射导致合法用户之间出现对准偏差时,也可能发生窃听情况,此时光束会分散,窃听者可能获取折射光束。

尽管光通信存在被窃听的风险,但对PLS性能的研究却相对较少。相关研究探讨了不同窃听者位置下的PLS情况,发现当攻击者靠近发射机时,大气条件对保密性能的影响较小;当窃听者靠近主发射机时,由于信号在大气中传播时会经历巨大衰减,因此更容易捕获信号。此外,还有研究推导了在存在指向误差的情况下,Málaga大气湍流衰落中的平均保密容量(ASC)、保密中断概率(SOP)和严格正保密容量(SPSC)的闭式表达式,以及研究了FSO通信在“有效保密吞吐量”这一新指标下的性能,还有针对对数正态衰落模型在广义对准偏差和大气湍流条件下的ASC进行了研究。最近,有研究建议在存在指向误差的情况下,向Gamma - Gamma衰落的FSO信道添加人工噪声,以提高FSO信道的保密性能。然而,目前的研究主要集中在地面级别的光窃听,对于非地面网络(NTNs)中FSO的PLS研究仍存在较大差距。

2. RF通信中的窃听

2.1 系统模型

为了研究下行链路卫星通信(SatCom)中的RF窃听问题,提出了一种新的高空平台站(HAPS)辅助双跳下行链路通信系统。该系统中,一颗低地球轨道(LEO)卫星以500 km的轨道高度绕地球运行,通过位于14 km高空的准静止HAPS节点与地面站(GS)进行通信,而位于地面的非法攻击者试图捕获传输的信号。其中,LEO卫星与HAPS节点之间采用FSO通信,HAPS与地面接收者之间采用RF通信。

2.2 保密性能分析

在该场景中,FSO通信遵循Gamma - Gamma衰落,RF信道遵循阴影Rician衰落模型。考虑解码转发(DF)中继方案,系统的整体信噪比(SNR)可以表示为:
[γ_0 = \min (γ_{FSO_{SR}}, γ_{RF_{RD}})]
其中,(γ_{FSO_{SR}} = \frac{P_s}{N_0}I_{SR}^2) 定义了FSO信道的瞬时SNR,(γ_{RF_{RD}} = \frac{P_R}{N_0}|h_{RD}|^2) 表示预期接收者的瞬时SNR。

对于RF链路,接收SNR的概率密度函数(PDF)和累积分布函数(CDF)分别为:
[f_{RF_{γ_z}}(γ) = \sum_{k = 0}^{m_z - 1} \frac{α_z(1 - m_z) k \cdot (-δ_z)^kγ^k}{γ_z^{k + 1} \cdot (k!)^2} \exp(-λ_zγ)]
[F
{RF_{γ_z}}(γ) = 1 - \sum_{k = 0}^{m_z - 1} \sum_{i = 0}^{k} \frac{α_z(1 - m_z)_k \cdot (-δ_z)^kγ^i}{i!λ_z^{k - i + 1}γ_z^{k + 1} \cdot k!} \exp(-λ_zγ)]
其中,(λ_z = \frac{β_z - δ_z}{γ_z}),(γ_z) 表示 (h_z) 的平均SNR,(α_z = \frac{1}{2b_z}(\frac{2b_zm_z}{2b_zm_z + Ω_z})^{m_z}),(β_z = \frac{1}{2b_z}),(δ_z = \frac{Ω_z}{2b_z(2b_zm_z + Ω_z)}),(m_z) 是相应链路的Nakagami参数,(Ω_z) 和 (2b_z) 分别是视距(LoS)分量和多径分量的平均功率,((·)_k) 表示Pochhammer符号。

对于FSO通信,在HAPS节点处的瞬时SNR的PDF和CDF可以表示为:
[f_{FSO_{γ_{SR}}}(γ) = \frac{ξ^2}{rΓ(α)Γ(β)γ} G_{1,3}^{3,0} \left[ \frac{hαβ(\frac{γ}{μ_r})^{\frac{1}{r}}}{1} \left| \begin{array}{c} ξ^2 + 1 \ ξ^2, α, β \end{array} \right. \right]]
[F_{FSO_{γ_{SR}}}(γ) = \frac{ξ^2r^{α + β - 2}}{2πr^{-1}Γ(α)Γ(β)} G_{r + 1,3r + 1}^{3r,1} \left[ \frac{(hαβ)^r}{μ_r^r r^{2r}}γ \left| \begin{array}{c} 1, k_1 \ k_2, 0 \end{array} \right. \right]]
其中,参数 (r) 表示HAPS节点使用的检测类型((r = 1) 表示外差检测(HD),(r = 2) 表示强度调制直接检测(IM/DD)),系数 (ξ) 表示接收端的指向误差位移,(α) 和 (β) 表示大气湍流条件引起的衰落和闪烁的严重程度,(h = \frac{ξ^2}{ξ^2 + 1}),(μ_r) 是特定检测类型下相应FSO链路的平均SNR,(G_{p,q}^{m,n}) 是Meijer G函数。此外,(k_1 = Δ(r, ξ^2 + 1)),(k_2 = Δ(r, ξ^2)),(Δ(r, α)),(Δ(r, β)),其中 (Δ(k, a) = \frac{a}{k}, \frac{a + 1}{k}, \cdots, \frac{a + k - 1}{k})。

2.3 保密性能指标计算

SOP的表达式可以写为:
[P_{SO} = Pr[C_s < R_s] = Pr[\log_2(1 + γ_D) - \log_2(1 + γ_E) < R_s] = \int_{0}^{\infty} F_{γ_0}(γγ_{th} + γ_{th} - 1) f_{γ_E}(γ) dγ \approx \int_{0}^{\infty} F_{γ_0}(γγ_{th}) f_{γ_E}(γ) dγ]
其中,(γ_{th} = 2^{2R_s}),(R_s) 表示保密速率,(γ_E) 是窃听者的瞬时SNR。

通过相关计算,可以得到SOP的闭式表达式:
[P_{SO} = 1 - \sum_{p = 0}^{m_{RD} - 1} \sum_{t = 0}^{p} \frac{α_{RD}(1 - m_{RD}) p \cdot (-δ {RD}) p}{t!λ {RD}^{p - t + 1}γ_{RD}^{p + 1} \cdot p!} \sum_{q = 0}^{m_{RE} - 1} \frac{α_{RE}(1 - m_{RE}) q \cdot (-δ {RE}) q}{γ {RE}^{q + 1} \cdot (q!)^2} γ_{th}^t \left[ (λ_{SD}γ_{th})^{-(q + t + 1)} G_{1,1}^{1,1} \left( \frac{λ_{SE}}{λ_{SD}γ_{th}} \left| \begin{array}{c} -(q + t) \ 0 \end{array} \right. \right) - G_{r + 2,3r + 1}^{3r,2} \left( \frac{Dγ_{th}}{(λ_{RE} + λ_{RD}γ_{th})} \left| \begin{array}{c} 1, -(q + t), k_1 \ k_2, 0 \end{array} \right. \right) B(λ_{RE} + λ_{RD}γ_{th})^{-(q + t + 1)} \right]]

正保密容量概率(PPSC)的表达式可以通过以下公式得到:
[P_{PPSC} = Pr[\log_2(1 + γ_0) - \log_2(1 + γ_E) > 0]]
经过一些推导,可以得到:
[P_{PPSC} = 1 - \int_{0}^{\infty} F_{γ_D}(γ) f_{γ_E}(γ) dγ]
最终的PPSC表达式为:
[P_{PPSC} = \sum_{p = 0}^{m_{RD} - 1} \sum_{t = 0}^{p} \frac{α_{RD}(1 - m_{RD}) p \cdot (-δ {RD}) p}{t!λ {RD}^{p - t + 1}γ_{RD}^{p + 1} \cdot p!} \sum_{q = 0}^{m_{RE} - 1} \frac{α_{RE}(1 - m_{RE}) q \cdot (-δ {RE}) q}{γ {RE}^{q + 1} \cdot (q!)^2} γ_{th}^t \left[ (λ_{SD}γ_{th})^{-(q + t + 1)} G_{1,1}^{1,1} \left( \frac{λ_{SE}}{λ_{SD}γ_{th}} \left| \begin{array}{c} -(q + t) \ 0 \end{array} \right. \right) - G_{r + 2,3r + 1}^{3r,2} \left( \frac{Dγ_{th}}{(λ_{RE} + λ_{RD}γ_{th})} \left| \begin{array}{c} 1, -(q + t), k_1 \ k_2, 0 \end{array} \right. \right) B(λ_{RE} + λ_{RD}γ_{th})^{-(q + t + 1)} \right]]

2.4 数值结果分析

在数值计算中,对于FSO信道,采用了波长为1550 nm的外差检测技术,假设风速为65 m/s,天顶角为75°。对于RF链路,考虑了不同的阴影级别,包括频繁重度阴影((m = 1.0),(b = 0.063),(Ω = 8.94×10^{-4}))、平均阴影((m = 10),(b = 0.126),(Ω = 0.835))和不频繁轻度阴影((m = 19),(b = 0.158),(Ω = 1.29)),保密阈值设定为 (R_s = 0.01) nats/s/Hz。

  • SOP与平均SNR和窃听者SNR的关系 :图展示了在频繁重度阴影条件下,SOP随每跳平均SNR (γ) 的变化情况,不同曲线对应不同的窃听者SNR (γ_E)。理论曲线(实线)通过蒙特卡罗(MC)模拟(圆圈)进行了验证,结果表明模拟结果与推导结果吻合良好。同时,从图中可以看出,(γ_E) 值越大,SOP性能越低,且该方案优于直接RF SatCom方案,这是因为卫星与GS之间的距离较远,导致路径损耗较大。
  • 指向误差对SOP的影响 :研究了频繁重度阴影和平均阴影条件下指向误差对SOP的影响。当 (ξ = 1.1) 时,平均阴影下的SOP性能优于频繁重度阴影;当 (ξ = 0.8) 时,平均阴影下的SOP整体性能恶化。这是因为较高的指向误差会导致严重的对准偏差,尽管HAPS与地面之间的信道有所改善,但卫星与HAPS之间的链路仍主导着通信。
  • PPSC与窃听者SNR的关系 :展示了在频繁重度阴影条件下,当 (ξ = 6.7) 时,PPSC随每跳平均SNR (γ) 的变化情况,不同曲线对应不同的 (γ_E) 值。结果表明,(γ_E) 越低,PPSC越高,这证明了 (γ_E) 在确保安全通信中的重要性。

2.5 研究结论总结

  • 极端阴影条件会对HAPS辅助的FSO - RF SatCom的整体保密性能产生负面影响。
  • 由于HAPS节点位于平流层,卫星与HAPS节点之间的FSO信道不会受到恶劣天气的显著影响。因此,即使在强风条件下,HAPS也能确保安全通信,从而提高整体保密性能。
  • 研究结果表明,较大的指向误差值有助于提高整体性能。由于 (ξ) 与通信节点的对准偏差相关,因此可以将其视为FSO通信设计中的关键参数。
  • 窃听者的平均SNR可以被视为保障HAPS辅助SatCom安全的重要指标。

3. FSO通信中的窃听

3.1 系统模型

考虑了两种FSO窃听场景,用于航空网络的下行链路通信。

场景 描述
HAPS窃听 LEO卫星与位于平流层的合法准静止HAPS节点通信时,HAPS窃听者试图拦截信号。
UAV窃听 HAPS节点向靠近地面的UAV系统传输敏感数据时,附近的UAV试图捕获传输信号。

两种场景的FSO信道均采用EW衰落模型,并推导了在EW衰落信道上FSO窃听的SOP和PPSC表达式。

3.2 保密性能分析

对于两种模型,节点 (j)((j \in {D, E}))的瞬时接收SNR可以表示为:
[γ_j = \frac{P_j}{N_0} f_j^2 I_j^2 = \bar{γ}_j I_j^2]
其中,(f_j) 表示取决于飞行平台高度的衰减,(\bar{γ}_j) 表示节点 (j) 的平均SNR,(E[I_j^2] = 1)。

考虑所有链路的EW分布,PDF和CDF分别为:
[f_{I_j}(I) = \frac{α_jβ_j}{η_j} \left( \frac{I}{η_j} \right)^{β_j - 1} \exp \left[ - \left( \frac{I}{η_j} \right)^{β_j} \right] \left[ 1 - \exp \left[ - \left( \frac{I}{η_j} \right)^{β_j} \right] \right]^{α_j - 1}]
[F_{γ_j}(γ) = \sum_{\rho = 0}^{\infty} \binom{α_j}{\rho} (-1)^{\rho} \exp \left[ - \rho \left( \frac{γ}{η_j^2 \bar{γ} j} \right)^{\frac{β_j}{2}} \right]]
其中,(η_j) 是尺度参数,(α_j) 和 (β_j) 是形状参数,可以表示为:
[α_j = 7.220 \times \sigma
{I_j}^{\frac{2}{3}} Γ \left( 2.487\sigma_{I_j}^{\frac{2}{6}} - 0.104 \right)]
[β_j = 1.012 \left( α_j\sigma_{I_j}^2 \right)^{-\frac{13}{25}} + 0.142]
[η_j = \frac{1}{α_jΓ(1 + \frac{1}{β_j}) g_1(α_j, β_j)}]
其中,(Γ(·)) 表示Gamma函数,(g_1(α_j, β_j)) 是与 (α_j) 和 (β_j) 相关的常数变量。

(γ_E) 的PDF可以通过对 (F_{γ_E}(γ)) 关于 (γ) 求导得到:
[f_{γ_E}(γ) = \frac{α_Eβ_Eγ^{\frac{β_E}{2} - 1}}{2(η_E^2 \bar{γ} E)^{\frac{β_E}{2}}} \sum {k = 0}^{\infty} \binom{α_E - 1}{k} (-1)^k \exp \left[ -(k + 1) \left( \frac{γ}{η_E^2 \bar{γ}_E} \right)^{\frac{β_E}{2}} \right]]

通过一系列计算,可以得到SOP和PPSC的最终表达式:
[P_{SO} = \frac{α}{(η^2 \bar{γ} E)^{\frac{β}{2}}} \sum {\rho = 0}^{\infty} \binom{α}{\rho} (-1)^{\rho} \sum_{k = 0}^{\infty} \binom{α - 1}{k} (-1)^k \left[ (k + 1) \left( \frac{1}{η^2 \bar{γ} E} \right) + \rho \left( \frac{γ {th}}{η^2 \bar{γ} D} \right) \right]^{-\frac{β}{2}}]
[P
{PPSC} = 1 - \frac{α}{(η^2 \bar{γ} E)^{\frac{β}{2}}} \sum {\rho = 0}^{\infty} \binom{α}{\rho} (-1)^{\rho} \sum_{k = 0}^{\infty} \binom{α - 1}{k} (-1)^k \left[ (k + 1) \left( \frac{1}{η^2 \bar{γ} E} \right) + \rho \left( \frac{γ {th}}{η^2 \bar{γ}_D} \right) \right]^{-\frac{β}{2}}]

3.3 数值结果分析

在数值计算中,对于HAPS窃听场景,LEO卫星在距地球表面500 km的轨道上运行,HAPS接收者和窃听者位于距地球表面18 km处,风速设定为65 m/s,并考虑不同的孔径大小 (D_G)。对于UAV窃听场景,HAPS节点位于20 km处,UAV接收者和窃听者在距地面200 m处悬停,考虑了米氏散射和薄卷云的存在,并考虑了不同的风速。两种模型的光波长均为1550 nm,保密速率设定为 (R_s = 0.01) nats/s/Hz。

  • 天顶角对保密性能的影响 :研究了天顶角对两种场景保密性能的影响。理论结果与MC模拟结果吻合良好,表明HAPS窃听在保密性能上优于UAV窃听,这是因为HAPS层受到的衰减和大气湍流较小。同时,两种场景的整体保密性能随着天顶角的增大而下降。
  • 孔径大小对SOP的影响 :研究了HAPS窃听场景中,合法接收者不同孔径大小对SOP的影响。结果表明,增大主接收者的孔径直径可以提高保密性能,因为较大的孔径可以使接收者收集更多的信号,并且孔径大小对闪烁指数有显著影响,有助于减少大气湍流的负面影响。
  • 窃听者平均SNR对PPSC的影响 :研究了不同 (γ_E) 值对PPSC的影响。对于HAPS窃听,天顶角设定为 (ξ = 80^{\circ});对于UAV窃听,天顶角设定为 (ξ = 70^{\circ})。结果表明,(γ_E) 越低,PPSC性能越好,这再次证明了 (γ_E) 在保密性能中的重要性。同时,模拟结果与分析结果的良好吻合验证了分析的正确性。

综上所述,无论是RF通信还是FSO通信,在NTNs中都面临着窃听的挑战。通过对不同系统模型的研究和分析,我们可以更好地理解各种因素对保密性能的影响,从而为设计更安全的通信系统提供参考。在实际应用中,需要根据具体的场景和需求,综合考虑各种因素,选择合适的通信方案和参数,以提高通信的安全性。

4. 综合对比与总结

4.1 RF与FSO通信窃听特性对比

通信类型 窃听特点 衰落模型 影响因素
RF通信 地面非法攻击者可尝试捕获信号,受卫星与地面站距离导致的路径损耗影响 RF信道遵循阴影Rician衰落模型,FSO通信遵循Gamma - Gamma衰落 阴影级别、指向误差、窃听者平均SNR
FSO通信 窃听者需靠近通信用户收集反射光束,HAPS窃听和UAV窃听有不同场景特点 FSO信道采用EW衰落模型 天顶角、孔径大小、窃听者平均SNR、风速等

从上述对比可以看出,RF通信和FSO通信在窃听特点、衰落模型以及受影响因素方面存在明显差异。RF通信受距离和阴影影响较大,而FSO通信则更多地受到大气环境和设备参数(如孔径大小)的影响。

4.2 关键参数对保密性能的综合影响

  • 窃听者平均SNR((γ_E)) :在RF和FSO通信中,(γ_E) 都是影响保密性能的关键指标。在RF通信中,(γ_E) 越大,SOP性能越低,PPSC越低;在FSO通信中,(γ_E) 越低,PPSC性能越好。这表明降低窃听者的平均SNR可以有效提高通信的保密性能。
  • 指向误差((ξ)) :在RF通信中,指向误差会影响卫星与HAPS之间的链路,进而影响SOP性能。较大的指向误差值在一定条件下有助于提高整体性能。在FSO通信中,虽然未明确提及指向误差的影响,但通信节点的对准偏差与保密性能密切相关。
  • 环境因素 :RF通信中的阴影级别和FSO通信中的天顶角、风速、米氏散射和薄卷云等环境因素都会对保密性能产生影响。极端阴影条件会降低RF通信的保密性能,而FSO通信在HAPS层受大气湍流影响较小,保密性能相对较好。

4.3 研究成果总结

通过对RF和FSO通信在NTNs中的窃听研究,我们得到以下重要结论:
- 极端环境条件(如极端阴影、强风等)会对通信的保密性能产生负面影响,但HAPS辅助的通信系统可以在一定程度上缓解这些影响。
- 关键参数(如窃听者平均SNR、指向误差、孔径大小等)在通信系统的设计中起着至关重要的作用,合理选择这些参数可以提高通信的保密性能。
- 不同的通信场景(如HAPS窃听和UAV窃听)具有不同的特点和保密性能,需要根据具体情况选择合适的通信方案。

5. 未来研究展望

5.1 技术改进方向

  • 优化衰落模型 :目前的研究采用了Gamma - Gamma、阴影Rician和EW等衰落模型,但实际通信环境可能更加复杂。未来可以研究更精确的衰落模型,以更好地描述通信信道的特性,提高保密性能分析的准确性。
  • 增强抗干扰技术 :随着通信技术的发展,窃听手段也在不断升级。未来可以研究更有效的抗干扰技术,如自适应人工噪声注入、智能波束成形等,以提高通信系统的抗窃听能力。

5.2 应用场景拓展

  • 多用户通信场景 :目前的研究主要集中在单用户或少数用户的通信场景。未来可以研究多用户通信场景下的窃听问题,考虑用户之间的干扰和协作,设计更安全的多用户通信协议。
  • 异构网络融合 :随着NTNs与地面网络的融合趋势不断加强,未来可以研究异构网络融合环境下的窃听问题,解决不同网络之间的兼容性和安全性问题。

5.3 研究方法创新

  • 机器学习与人工智能 :可以引入机器学习和人工智能技术,对大量的通信数据进行分析和处理,挖掘潜在的窃听风险,实现智能的安全决策和管理。
  • 量子通信技术 :量子通信具有无条件安全性的特点,可以研究量子通信技术在NTNs中的应用,为通信安全提供新的解决方案。

6. 总结

本文深入研究了NTNs中RF和FSO通信的窃听问题,通过建立系统模型、分析保密性能指标和进行数值计算,揭示了各种因素对通信保密性能的影响。研究结果表明,合理选择通信方案和参数,以及采取有效的抗干扰措施,可以提高NTNs中通信的保密性能。未来的研究可以在技术改进、应用场景拓展和研究方法创新等方面展开,为NTNs的安全通信提供更坚实的理论和技术支持。

6.1 整体研究流程回顾

graph LR
    A[提出问题:NTNs中RF和FSO通信的窃听问题] --> B[建立系统模型]
    B --> C[分析保密性能指标(SOP、PPSC等)]
    C --> D[进行数值计算和结果分析]
    D --> E[总结研究成果和提出未来展望]

6.2 核心要点总结

  • RF通信 :HAPS辅助的FSO - RF SatCom可以在一定程度上提高通信的保密性能,但受阴影级别、指向误差和窃听者平均SNR等因素影响。
  • FSO通信 :HAPS窃听和UAV窃听具有不同的特点,受天顶角、孔径大小和窃听者平均SNR等因素影响。
  • 关键参数 :窃听者平均SNR、指向误差和环境因素是影响通信保密性能的关键因素。
  • 未来研究 :可以从技术改进、应用场景拓展和研究方法创新等方面展开,为NTNs的安全通信提供支持。

希望本文的研究能够为NTNs中通信安全的研究和实践提供有益的参考,推动相关领域的发展。

相关推荐

印尼稻米收成与粮食安全数据集2026年

本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

九个版本一步跨:从JDK8到JDK17的特性增量、强封装迁移与ZGC实战解析

这篇文章要回答的,正是“从 JDK 8 直接跨到 JDK 17”这件事里最常被问到的四个问题: 九个版本到底攒下了什么? 语言、API、运行时三类变化里,哪些值得用、各自从哪个版本开始可用、哪些说法其实传错了。 升级为什么会“起不来”或“跑不通”? 强封装、被删除的模块、被移除的 JVM 参数,分别会以什么样子出现,怎么定位、怎么治本。 ZGC 的收益是真的吗?怎么测才算数? 停顿影响面怎么估算,压测时有哪些坑会把收益放大或掩盖。 落地要分几步走? 站在 2026 年,还该不该把 17 当终点。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

无人机路径规划中多种优化算法的仿真研究(Matlab代码实现)

内容概要:本文围绕无人机三维路径规划问题,系统研究了多种智能优化算法在复杂环境下的仿真应用与性能对比,重点实现了改进灰狼优化算法(I-GWO)、标准灰狼优化算法(GWO)、金鹰优化算法(GJO)和正弦余弦算法(SCA)的Matlab代码实现。通过构建包含路径长度、飞行高度、威胁规避及转弯角度等多维度目标函数的综合评价体系,对各算法在单无人机路径优化与多无人机协同集群避障场景中的表现进行全面仿真分析,评估其路径规划能力、收敛速度与鲁棒性。研究旨在实现最低综合成本的飞行路径,并为多智能体协同任务提供可靠的算法支撑。; 适合人群:具备一定Matlab编程基础,从事无人机系统设计、智能优化算法研究、路径规划及相关自动化、人工智能领域的科研人员、工程技术人员及研究生。; 使用场景及目标:① 掌握主流智能优化算法在三维空间路径规划中的具体建模与实现方法;② 对比分析不同算法在路径优化质量、计算效率、避障能力和多目标权衡方面的性能差异;③ 为多无人机协同执行侦察、监测、救援等任务提供高效的路径规划解决方案与仿真验证平台。; 阅读建议:建议结合文中提供的Matlab代码进行动手实践,重点关注算法参数调优、目标函数设计以及环境障碍物建模对最终路径的影响,可进一步扩展至动态障碍环境或加入通信约束以适应更复杂的实际应用场景。

超全Mathcad全桥LLC谐振变换器开关电源设计mathcad计算书

内容概要:本文档《超全Mathcad全桥LLC谐振变换器开关电源设计mathcad计算书》系统阐述了全桥LLC谐振变换器在开关电源中的设计方法,重点利用Mathcad工具进行精确的数学建模与参数计算。内容涵盖LLC谐振变换器的工作原理、关键参数设计(如谐振频率、励磁电感、变比等)、闭环控制策略、软开关实现条件、效率优化及工程实践中需注意的关键事项。文档通过详尽的数学推导和工程实例,构建了一套完整的从理论分析到实际应用的设计流程,特别强调了在不同负载与输入电压条件下确保ZVS/ZCS软开关的实现机制,并提供了实际设计中的取值依据与优化方向,为电力电子工程师提供了一个高效、可靠的设计参考方案。; 适合人群:具备电力电子技术基础,从事开关电源研发的工程师、高校电力电子及相关专业的研究生与科研人员,以及熟悉Mathcad、Simulink等仿真与计算工具的技术人员;; 使用场景及目标:① 掌握全桥LLC谐振变换器的参数设计与性能优化方法;② 开发高效率、高功率密度的软开关电源系统;③ 支持科研项目或工业产品中高性能电源模块的设计与验证;④ 结合仿真模型进行设计结果的验证与教学培训;; 阅读建议:建议结合配套的仿真模型与计算书同步学习,重点关注参数设计公式的推导过程与工程取值的合理性,动手复现计算步骤以加深理解,并通过仿真手段验证设计结果的准确性与鲁棒性。

具有PWM控制VSC-HVDC链路的IEEE30总线传输系统(Simulink仿真实现)

内容概要:本文详细介绍了基于Simulink仿真实现的具有PWM控制VSC-HVDC链路的IEEE30总线传输系统,系统性地阐述了电压源换流器高压直流输电(VSC-HVDC)的技术原理及其在复杂电力系统中的集成应用。研究重点涵盖VSC-HVDC系统的基本结构、PWM调制控制策略的设计与实现,并将其嵌入IEEE30节点标准测试系统中,构建完整的多区域交直流混合输电仿真模型。通过Simulink平台对系统在不同运行工况下的动态响应进行仿真分析,验证了PWM控制在有功功率、无功功率独立调节、直流电压稳定及故障穿越能力方面的有效性。该仿真模型不仅有助于深入理解现代高压直流输电技术的工作机制,也为含大规模可再生能源接入的智能电网稳定性分析与优化控制提供了可靠的技术支撑与研究平台。; 适合人群:具备电力系统分析、高压直流输电技术基础以及Simulink/MATLAB仿真能力的研究生、科研人员及从事电力系统规划与运行的工程技术人员。; 使用场景及目标:① 掌握VSC-HVDC系统的核心控制原理及其在多节点电网中的建模方法;② 学习并实践基于PWM调制的矢量控制策略在Simulink中的实现过程;③ 对比分析交直流系统在稳态与暂态过程中的功率传输特性与动态响应,为新能源并网、电网互联等实际工程问题提供仿真依据和技术参考。; 阅读建议:建议读者结合文中理论分析与Simulink仿真模型,逐步完成模型搭建与参数设置,并通过改变系统运行条件(如负载投切、故障扰动等)观察系统响应变化,深入理解控制策略的有效性与局限性。同时,鼓励扩展模型功能,如引入风电/光伏等可再生能源接口,进一步探索VSC-HVDC在现代电力系统中的综合应用潜力。

【TM1650】STM8S TM1650芯片控制程序

以下为.h文件: #ifndef __TM1650_I2C_H #define __TM1650_I2C_H #include "stm8s.h" #include "stm8s_gpio.h" #include "tim1.h" #include "usart2.h" #include &lt;iostm8s103f3.h&gt; #include &lt;intrinsics....

cxw312864660的博客 1万+

ROS激光雷达动态避障算法优化(C++实战)

本文深入探讨了ROS激光雷达动态避障算法的C++实战优化。针对动态环境的核心挑战,文章系统性地介绍了从激光数据预处理(降噪、瘦身)、动态障碍物检测与跟踪,到基于动态窗口法(DWA)的智能决策与调优的全流程。重点分享了如何将障碍物速度预测融入DWA打分函数,以实现更安全、流畅的避障,并提供了工程架构、性能优化及真机调试的实用建议。

weixin_29192141的博客 948

AI 编程助手新玩法:用 Claude Code 一键调用国产大模型(DeepSeek/Kimi/GLM 对比)

本文深入评测了Claude Code与三大国产大模型(DeepSeek、Kimi、智谱GLM)的集成效果,详细对比了它们在代码生成质量、响应速度和特殊场景支持度等方面的差异。通过实测数据和实战技巧,帮助开发者选择最适合的AI编程助手组合,提升开发效率。

weixin_30955617的博客 492

告别迷茫!新手如何从RTKLIB命令行程序入手,快速理解GNSS解算全流程

本文为GNSS新手提供RTKLIB命令行程序实战指南,重点介绍如何通过`rnx2rtkp`后处理解算工具快速掌握GNSS解算全流程。从环境搭建、程序编译到核心算法解析,帮助读者理解RTKLIB源码结构,并通过真实数据处理案例演示完整解算过程,是入门GNSS定位技术的实用教程。

weixin_42524226的博客 359

【毕设课设】基于YOLO v3与LSTM的水位智能识别系统(附完整源码+数据集)

本文详细介绍了基于YOLO v3与LSTM的水位智能识别系统的完整实现方案。该系统通过YOLO v3精准定位水位尺数字,结合LSTM-OCR进行序列识别,并融合霍夫变换检测刻度线,实现高精度水位自动读取。项目提供了从环境搭建、模型训练到集成部署的全流程指南,并附有完整源码和数据集,是理想的毕设课设实战项目。

php55的博客 611

极验滑块验证码破解与研究(一):AST还原混淆JS

极验滑块验证码破解与研究(一):AST还原混淆JS声明一、环境安装1. node安装1.1. node下载1.2. 配置环境变量1.3. node安装检测1.4. pycharm配置node环境2. babel库安装2.1. babel库安装命令2.2. babel库安装检测二、AST还原混淆JS1. 模块导入2. AST还原流程3. 复制还原需要用到的js源码4. AST还原函数详解4.1. replace_unicode4.2. replace_unicode, replace_name_array,

帯泪的鱼的博客 1万+

告别倍福开发板:手把手教你用SSC工具为STM32生成EtherCAT从站代码

本文详细介绍了如何使用SSC工具为STM32生成EtherCAT从站代码,帮助开发者在不依赖倍福开发板的情况下实现高效的工业以太网通信。通过SSC工具的配置、XML文件设计、代码移植与硬件适配等步骤,开发者可以轻松构建自定义的EtherCAT通信系统,提升工业自动化项目的灵活性和效率。

weixin_33925615的博客 413

跨平台商品模型大解析:亚马逊 vs 阿里 vs 拼多多

本文深入探讨了亚马逊、阿里巴巴和拼多多三大电商平台的商品模型设计,分析了它们在变体关系、商品抽象层级和SKU定义等方面的异同。亚马逊模型以物流和变体为中心,强调全球仓配体系下的标准化管理;阿里模型采用多视角的弹性结构,适用于多类目、多品牌、多卖家环境;拼多多模型则结合平台标准化与商家个性化,适合短期促销和快速上新场景。文章还提供了实践建议,帮助自研电商平台或商品中台的开发者选择合适的商品结构,并强调了商品模型在电商系统中的核心作用。通过对比分析,本文旨在为读者提供商品建模的启发和参考。

曾经“等你生日那天”都遥远得像未来,如今却可欢愉的挥手说“下个十年见” 13万+

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

上一篇: 19、亚马逊S3和Glacier:对象存储与成本优化
下一篇: 2、导弹制导中的最优误差动态分析
sql99
博客等级 码龄19年 168粉丝 1905原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值