一、狠抓三个环节发挥指纹识别系统优势（论文文献综述）
张晔[1]（2021）在《基于深度学习的射频指纹识别系统设计与实现》文中研究说明随着无线通信技术的飞速发展,物联网应用逐渐成为人们生产生活中不可缺失的一部分,保障无线网络的安全也变得愈发重要。无线网络由于具有开放性的特点,网络通信容易受到窃听、欺骗等恶意攻击,导致信息的泄露与破坏。传统基于加密协议的身份认证方法无法有效的应对窃听、身份伪造等恶意攻击。并且在结构简单、算力有限的物联网场景中很难采用复杂的算法验证身份。射频指纹因其稳定性与唯一性,可以有效的对设备身份进行识别,在物理层提高无线网络安全。目前研究中基于深度学习的射频指纹识别技术仍存在一定不足。一方面,射频指纹的提取过程通常需要对信号进行预处理,在一定程度上会造成信号中信息的损失;另一方面,目前基于深度学习的射频指纹识别方法参数与计算量较大,在实际的物联网应用场景下可行性较低。针对以上不足,本文对基于深度学习的射频指纹识别方法展开了两方面的研究。本文首先提出了一种基于CNN-GRU网络的射频指纹识别方法。该方法可以对采集到的原始信号直接进行射频指纹特征的学习与提取。结合卷积神经网络（Convolutional Neural Network,CNN）在特征提取上的优势与门控循环单元（Gate Recurrent Unit,GRU）可以有效提取时序特征的特点,提出了CNN-GRU网络模型。CNN-GRU网络可以提取原始信号采样数据的I/Q（In-phase/Quadrature）特征与时序特征作为射频指纹特征,对发射设备进行身份识别。实验证明基于CNN-GRU网络的射频指纹识别方法具有较好的识别能力,相比于其他CNN方法,参数量更少,计算速度更快,识别准确率更高。接着,针对NFC（Near Field Communication）通信场景的安全问题,本文设计并实现了基于CNN-GRU网络的射频指纹识别系统用于识别NFC设备身份,并对射频指纹识别方法的嵌入式实现进行了研究。本文考虑NFC通信的实际场景,从性能、成本、功耗与实际可行性等方面对市场中存在的信号采集设备与嵌入式开发板进行比较与分析,选取设备并搭建了实物系统。之后,将训练好的CNN-GRU网络模型移植到系统中。为了解决系统自动身份识别与反馈的功能,本文设计并编程实现了一种实时检测模块,在系统运行时对有效信号进行身份识别并反馈结果,过滤无效信号。系统在实际NFC通信场景下的实验结果表明,本文设计并实现的系统识别准确率较高,识别速度较快,功耗与成本基本符合实际应用场景。同时也验证了基于CNN-GRU网络的射频指纹识别方法可以应用于实际嵌入式系统。本系统的设计与实现,为基于深度学习的射频指纹识别技术在物联网场景中的实际应用提供了一种可能性,为保障无线网络安全提供了一种方案。
何熙巽[2]（2021）在《主流物联网云平台流量的指纹识别研究》文中研究说明物联网平台是智能家居应用场景中的一个重要组件。在物联网平台的控制下,物联网设备与远程云服务器连接,上传数据,接受指令,并直接或间接（通过云服务器转发）与用户移动终端相连接。在为物联网设备厂商和智能家居用户提供智能家居解决方案,带来前所未有的便利的同时,主流物联网平台的存在为恶意攻击者提供了具体的攻击目标——攻击者现在可以利用物联网平台的安全漏洞攻击依赖于该平台运行的各类物联网设备、用户移动终端以及其它实体。针对这一情况,我们设计并实现了主流物联网云平台流量的指纹识别方法,用以识别计算机系统中的物联网实体。具体而言,本文的主要贡献如下:1.对国内外现有的多个主流物联网云平台,特别是智能家居云平台的结构设计、业务逻辑、网络安全相关机制设计进行调研工作,揭示了这些平台在上述领域的基本情况,并证明了物联网平台中安全问题存在的普遍性。2.第一次将传统网络安全产业中得到广泛应用的操作系统指纹识别技术的概念引入物联网平台的研究中,通过人工方式对多个目前市场上得到广泛使用的物联网平台中用户移动终端与远程服务器的流量进行分析。在这一过程中,我们设计了一套适用于目前主流物联网平台智能家居解决方案的流量抓取、特征提取,以及指纹识别工作流程,收集了大量设备实际运行过程中产生的流量数据,并将使用上述工作流程提取的网络流量内容中用以区分不同网络服务提供商身份的流量特征以及区分物联网服务和非物联网服务的流量特征相结合作为指纹,为各个主流物联网平台用户移动终端与服务器端构建用以指纹识别的特征模型。3.在上述工作的基础上,为了对上述指纹识别特征提取以及指纹识别特征构建的有效性进行验证,我们设计实现了对网络流量中主流物联网平台移动端与服务器端通信流量进行平台区分与标注的软件工具,并通过实际网络流量对标注工具的可用性和性能进行了测试。4.对本文的研究成果进行了总结,探讨了物联网平台指纹识别工作可能的应用场景,并展望了物联网云平台指纹识别研究未来的研究方向。
王一帆[3]（2021）在《基于Wi-Fi/地磁/PDR的智能手机室内多源融合定位模型研究》文中研究指明随着物联网技术的快速发展,大量的商业应用均离不开位置服务的支持,人们对定位技术的需求已经逐渐由室外延伸到了室内。由于信号受到建筑物遮挡,以GPS为代表的全球卫星导航系统在室内作用有限,如何实现低成本高精度的室内定位,正在成为国内外研究的热点,但目前还没有形成一种权威、公认的标准方案。智能手机作为当下人们工作生活的必须工具,凭借其自身配备的多传感功能和用户不断扩大的优势,使得基于智能手机的Wi-Fi、地磁和行人航位推算定位技术具备了普适性和大范围推广的条件。Wi-Fi和地磁定位技术依靠室内公共区域广泛布设的无线接入点和建筑物内部的磁场来实现行人定位,具有无需增加基础设施、覆盖范围广、定位精度高、定位误差不随时间累积的优点;基于惯性传感器的行人航位推算具有短时间内定位精度高、自主性强的特点,因此,以这三种技术构建低成本高精度的室内定位方案具有非常大的潜力。本文围绕单系统定位方法的优化创新,到多源融合定位方案的形成,重点对基于智能手机的Wi-Fi、地磁和PDR定位方法和多源融合策略开展研究,并通过多个场景下的实验进行了充分测试验证,主要贡献包括:（1）针对当前室内环境下Wi-Fi样本数量众多,信号在多路径影响下存在无规律波动的问题,提出了一种基于深度神经网络的Wi-Fi位置识别方法。该方法在不需要复杂的聚类筛选前提下,采用堆叠降噪自编码器（SDAE）来捕获波动的Wi-Fi信号的鲁棒特征,在定位阶段通过后验概率和指纹点间的几何关系组合定权求取未知点坐标。此外,结合行人动静态时的定位特性,构建了动态卡尔曼滤波平滑和静态隐马尔科夫优化模型来克服粗差对Wi-Fi定位结果的影响。实验结果验证了基于深度神经网络在位置识别中的可行性。在不同的场景下,基于深度神经网络的Wi-Fi位置识别方法比传统Wi-Fi定位方法更加准确和稳定。（2）在地磁定位中,采用了一种连续路径采集的方法来降低数据采集过程中的劳动消耗,该方法对于Wi-Fi信号的采集同样适用。针对地磁信号特征较少,只使用地磁模值定位误差较大的问题,本文通过旋转变换构建了五维地磁特征来提高地磁匹配的精度。在定位过程中,为了提高地磁定位的效率,将下界函数与多维动态时间规整算法（M-DTW）结合,提出了一种改进的DTW地磁定位方法。每次定位时,提前剔除了不可能最优的匹配序列,在保证定位精度的同时,有效避免了地磁定位计算成本高的缺陷,在不同地磁序列长度下定位时耗降低了23%～72%,在走廊中的定位误差为0.47米,在整个楼层中的定位误差为3.58米。（3）在智能手机MEMS惯性传感器利用方面,根据行人不同运动模式下加速度和陀螺仪数据具有的不同时域统计特征,构建了一种基于极限学习机（ELM）的行人运动模式识别模型,运动模式识别准确率达97.25%。针对行人航位推算中低通滤波会破坏原始波形且无法对波峰进行有效识别的问题,提出了局部阈值简参步频探测的方法,该方法引入了局部信息概念,只需设定波峰阈值和相邻时间差阈值即可对行人的步频峰值进行探测。实验结果表明,在不同行走距离和不同手机使用姿势下,步频探测误差不超过3步。此外,本文还对纯惯导式行人航位推算进行尝试,通过识别加速度数据中的虚拟零速状态来对智能手机惯导解算的航位进行修正,使数分钟就发散至十千米以外的惯导解算结果在零速修正的约束下得到了有效收敛,行人航位推算的轨迹与真实轨迹能够相符。（4）在多源定位信息融合中,提出了一种基于因子图模型的融合定位方法。为解决融合过程中粗差对定位结果的影响,引入了自适应抗差调节机制来实时调节融合系统中的观测信息权重,并利用历史融合位置信息对Madgwick姿态解算中的航向进行实时修正。在Wi-Fi/PDR融合定位测试中,分别使用手持平举、悬垂摆动和电话呼叫三种典型手机使用姿态,融合定位的平均误差小于1.4米,与没有自适应抗差调节的定位结果相比,定位精度提高了29.6%。（5）针对Wi-Fi定位在信号受到干扰时会出现粗差,地磁定位需要满足一定长度的地磁序列、大范围场景容易出现误匹配,以及PDR无法确定起始位置、误差随时间积累的问题,提出了两种Wi-Fi/地磁/PDR多源融合定位方案并做了对比分析,融合中使用自适应因子图模型和质量控制机制。其中,方案1利用Wi-Fi定位结果缩小地磁匹配的范围,降低了地磁误匹配的概率,之后将Wi-Fi/地磁定位结果与PDR进行融合;而方案2则是以地磁/PDR为定位的主要输出,Wi-Fi在初始位置、静止状态和地磁变化不明显的区域提供位置信息作为辅助。与方案1相比,方案2在避免Wi-Fi粗差干扰下,充分发挥了地磁和PDR的定位性能,在复杂的大范围场景下,方案2的定位误差仅为2.33米,与方案1相比定位精度提高了28%。该论文有图105幅,表24个,参考文献205篇。
崔晓龙[4]（2021）在《城镇老年人移动社交应用软件设计研究》文中研究表明随着中国老年移动网民数量的不断增长,城镇老年人对移动社交应用软件的适老化需求与日俱增。城镇老年人随着年龄的增长,认知能力和媒介适应能力逐渐弱化,而当下针对老年群体生理和心理需求的移动社交应用软件,在设计与应用方面还处于初始阶段,尚未形成科学、有效、完善的设计原则和规范。现有的相关设计远不能适应城镇老年人对当下社交的诉求,也未能有效解决老年群体普遍存在的代际关系疏离和社交活力不足的困境,这一问题日益凸显,已经成为当下设计界亟待解决的社会命题。基于以上背景,本文的研究站在设计的角度,以审视当今社会老龄化问题对设计的影响为前提,以数字技术对城镇老年移动社交进步的作用和价值为导向,以国内外先进理念为理论支撑,力求得出科学务实,且具有现实意义的研究成果和实践案例,为城镇老年人移动社交应用软件设计的研究和实践提供新的思路和路径。本文通过用户需求分析和实验论证,对城镇老年人在用户体验、功能需求、行为习惯、人际交往等方面的特点进行分类研究,推导出“年龄”“受教育程度”“职业”“性别”“性格”“养老方式”等六要素对老年人社交活性和需求差异的关键性影响,并借助KANO需求分析模型,分析移动社交语境下老年人在安全、认知、兴趣、交往、情感等方面的需求,以此作为本文建构设计方法、设计模型的依据。同时,本文基于格拉诺维特的“弱关系”理论剖析了城镇老年人的社会关系,提出“中间态关系优势”的分析视角;基于舒茨的人际关系三维理论来分析不同关系中需求层次的转化,提出新的研究视角,并在此基础上进一步提出了“无障碍性”“社交安全感”“包容性”“贴近性”四个设计原则;基于场景理论提出“场景共时”“场景共境”“场景共权”“场景共情”四种场景分析视角,总结出“阅读”“兴趣社交”“情感社交”“知识社交”和“生活社交”需求场景的设计方法。本文还根据人体工程学的拇指功效实验和眼动科学实验对页面交互和操作舒适区进行分析,并基于五种需求场景提出了代表性的原型设计方案;论文还借助眼动实验和李克特五级主观评价量表对设计方法和设计方案进行了可用性验证和设计评价。本研究通过以上系统的研究工作,力图丰富中国城镇老年人移动社交语境下对体验设计需求的理论和实践研究,同时为改善城镇老年人移动社交应用软件用户体验提供了新的视角和设计思路。
王清[5]（2021）在《人脸识别技术应用的法律规制研究》文中认为人脸识别技术是指机器对静态或视频中的人脸进行特征提取,并将其与数据库内的人脸数据进行对比,从而实现身份识别的技术。人脸识别技术具有采集方式非接触性、识别过程自主性以及适用场景广泛性的特点,目前大量运用于安防、支付等领域。然而,人脸识别技术在给生活带来便捷的同时也暗藏风险,如若不加以防范,所带来的信息泄露风险、歧视风险、滥用风险、误识风险将造成大量社会问题和矛盾。在当前我国公民个人隐私保护意识提升、国家大力推进人工智能与大数据发展的背景下,强化人脸识别领域的法律规制,推动行业健康稳定发展迫在眉睫。我国目前制度层面缺乏对人脸识别技术应用的有效规制:立法较为分散,行政监管力度不足、司法救济缺乏可操作性。通过对比欧盟与美国在人脸识别领域的立法经验可以发现,尊重信息主体的自由意志、保障其诉权、对信息处理者提出规范性要求、设置独立监管机构等措施可以有效预防风险的发生。就我国而言,应当在立法层面,明确“统分结合”、“宽严适中”、“特殊保护”的立法理念,在此基础上改进具体保护制度:推进“告知-同意”规则的有效化、增强人脸信息收集后存储、使用环节的控制以及强化信息处理者责任。行政监管层面,明确监管主体,并通过设置监管平台、规范人脸识别行业准入资质、确立黑名单制度、建立应急处理机制等强化监管。司法救济层面,应当明确侵权主体并实行举证责任倒置,增强个人司法救济的能力。除此以外,还需要全民共同努力,提升风险意识,推进科技向善。
钟明华[6]（2021）在《中国的移动支付经济效应及影响因素研究》文中提出移动支付产业是数字经济的重要组成部分,是新一代信息技术与传统金融业深度融合的产物,也是社会消费需求升级作用的结果。作为基础性商业设施,移动支付可以极大提升整个经济社会的商业交易效率;作为重要的技术赋能手段,移动支付与实体经济深度融合,可以极大地助推传统行业转型升级。当前,能否对移动支付发展实践进行系统理论地归纳总结,放大有利于移动支付发展的因子,疏通不利于移动支付发展的堵点,对维持移动支付产业的持续健康发展,培育壮大经济新动能具有重要意义。论文理论联系实际,以移动支付产业的理论分析为基础,围绕移动支付快速发展所产生的问题展开分析,主要着力回答三个方面的问题:移动支付领域究竟是一种什么样的商业模式?移动支付快速发展对于货币、消费需求产生什么样的影响?移动支付产业自身发展的宏微观因素有哪些?以这些具体问题为导向展开定性与定量分析,并围绕如何抓住移动支付技术新趋势,加快推动我国移动支付产业进一步发展提出了对策建议。论文的主要研究内容包括以下四个方面。第一,构建了三方博弈模型分析了移动支付领域商业模式。移动支付是一种创新型商业模式,而当前关于这种模式的定性分析较多,而具体分析移动支付市场主体间博弈发展的研究不多,尤其是前沿研究较少。虽然也有学者基于博弈理论对移动支付进行了比较深入的研究,但是其假设多局限于移动运营商与银行卡公司两类参与主体之间的博弈关系。如今随着以支付宝、腾讯金融等为代表的第三方移动支付公司崛起为移动支付市场的头部平台,这就迫切需要与时俱进,综合研究金融机构、移动通信运营商和第三方移动支付公司三类参与主体之间的博弈逻辑。基于此,论文将数理模型引入移动支付三方参与主体的博弈分析之中,并将共享资源、超额收益、超额收益分配系数、资源吸收利用能力系数、背离收益、单独研发收益、罚金等系数纳入博弈模型之中,求解三方博弈最优解。第二,构建计量模型分别分析了移动支付与货币及消费之间的关系。当前关于移动支付的实证论文相对较少,而分析移动支付与货币、消费关系的论文就更加稀缺。论文从国家宏观层面和家庭微观层面两个维度分析移动支付的发展对现金支付、消费偏好产生的影响,一方面研究移动支付与货币之间的关系,基于宏观时间序列数据,检验了移动支付与货币乘数之间的因果关系,发现移动支付可以使得广义货币乘数变大;并基于宏观时间序列数据分析移动支付与居民消费之间的关系,发现移动支付与居民消费存在协整关系,能够促进居民消费的增长;另一方面,基于微观家庭数据,通过两阶段最小二乘法分析了移动支付对家庭货币需求的影响,并进一步分析了年龄、教育、城乡、区域、城市等因素在两者关系中产生的不同影响;并分析了移动支付与家庭消费水平和家庭消费结构之间的关系,以及金融素质对移动支付影响家庭消费行为的调节作用。第三,构建量化分析模型研究移动支付产业发展的影响因素。通过文献资料梳理发现,当前关于移动支付影响因素的分析多为定性研究,且现有文献还没有关于移动支付产业影响因素的实证分析。有鉴于此,一方面,从宏观视角出发,综合采用知名咨询机构关于移动支付的统计数据作为论文被解释变量,并通过误差修正模型（ECM）定量研究了经济发展水平、线上支付场景、线下支付场景、硬件基础设施、网络安全保护水平、市场化发展水平、经济政策不确定性等宏观变量对我国移动支付产业发展的影响。另一方面,从微观视角出发,采用普通最小二乘法（OLS）、两阶段最小二乘法（2SLS）、双向固定效应模型（TWFE）定量研究了户主特征、家庭特征、地区特征等三类变量对我国家庭移动支付使用情况的影响。第四,提出了移动支付与实体经济深度融合的对策建议。移动支付本身兼具商业属性和技术属性,作为一种新兴的金融支付方式,可以很好地满足消费者的需求体验升级,对提升整个经济社会的组织运行效率作用极大;作为一种新兴的技术赋能手段,需要高度重视技术的优化升级,要始终在技术上引领潮流,并深度融入于传统行业的转型升级中,实现裂变式发展,这也符合金融“脱虚向实”、服务实体经济的要求。基于此,论文依据对移动支付产业的理论分析、实证检验以及技术分析,并充分结合移动支付技术发展的最新趋势,从“细分市场优化移动支付产业结构、增强移动支付技术创新水平、推动移动支付应用与实体经济融合”等方面提出相应的对策和建议。
苏畅[7]（2021）在《基于强化学习的雷达辐射源识别技术研究与应用》文中认为雷达辐射源个体识别,又被称为雷达辐射源指纹识别,是指通过接收雷达辐射源所发出的电磁脉冲信号,提取指纹特征,根据已有信息确定产生信号的辐射源个体的过程。伴随着电子信息技术的迅猛发展,现代电子战的智能化水平也日益提高,与此同时新体制雷达不断出现,信号波形变得更加复杂多变,给雷达辐射源个体识别任务带来了巨大的挑战。在现代电子战争中,传统的基于模板匹配的雷达辐射源个体识别方法,由于缺乏自主学习的能力,已经难以满足实际战场需要。因此,针对上述问题,本文提出了新的雷达辐射源个体识别方案。本文以强化学习模型为基础,针对雷达辐射源个体指纹特征选择和分类器设计等相关问题展开了研究,主要工作如下:首先,本文对雷达辐射源个体识别理论基础进行了深入的研究。对比分析了两种雷达发射机的基本结构,并对信号的产生机理进行了研究。对雷达常见信号进行了建模,在此基础上,分析了雷达辐射源信号的两种脉内调制方式,引出无意调制为产生指纹特征的主要原因,并对指纹特征进行了分析。其次,实现了基于强化学习特征选择的雷达辐射源个体识别方案。本文以封装式特征选择算法为基本思想,使用强化学习算法进行特征选择,通过提取雷达辐射源脉冲信号的时域、频域和时频域指纹特征,实现了对雷达辐射源个体的识别,识别准确率高达99.98%。本文所提出的特征选择方法,在降低指纹特征维度的同时,提高了雷达辐射源个体识别的准确率。最后,本文实现了基于深度强化学习算法的雷达辐射源个体识别方案,使用DQN、DDQN和Dueling Network三种深度强化学习算法作为分类器,将马尔科夫决策模型应用于雷达辐射源个体识别任务,通过实测数据验证了其可行性,识别准确率达到99%以上。
李润东[8]（2021）在《基于深度学习的通信信号智能盲检测与识别技术研究》文中提出非合作接收条件下的通信信号检测、调制识别、辐射源个体识别等盲检测与识别处理,是开展无线电频谱监测和战场通信侦察对抗的重要基础。然而,受限于非合作接收时强干扰和快变化的恶劣电磁环境、复杂多样的通信信号体制、无法全面掌握信号先验信息等不利因素影响,通信信号盲检测与识别是一项极具挑战性的研究课题。本文在全面梳理基于专家经验特征的传统盲检测与识别方法的基础上,针对其特征提取依赖人工经验的主要问题,基于深度学习的特征自主学习框架,提出了通信信号智能检测、智能调制识别、智能辐射源个体识别等智能盲检测与识别方法。通过仿真和实测数据验证了算法有效性,并设计实现工程系统,验证了算法和系统对于实际通信信号的检测与识别效能。本文的主要工作和贡献包括:1、在通信信号宽带检测方面,针对传统检测方法信号参数获取不完整和易受噪声影响的问题,提出了基于YOLOv3（You Only Look Once v3）目标检测网络优化改进的智能宽带检测方法,从宽带时频图中完成了高效准确的信号盲检测。首先,采用小样本量信号自动标注构建宽带时频图数据集,解决了海量样本标注难题;其次,根据通信信号时频特性自适应设置先验锚框,保证了网络对通信信号的适应性与高效检测能力;最后,针对原有网络训练和推断时数据分布不一致所导致的检测精度低问题,采用CIOU（Complete-Intersection Over Union）算法改进训练代价函数,利用DIOU（Distance-Intersection Over Union）算法改进推断时的非极大值抑制准则,在提高训练速度的同时达到了较高的检测精度。2、在窄带突发通信信号体制识别方面,针对深度学习方法难以区分时频特征相近信号、模板匹配方法需要先验规格且计算量大的问题,提出了将深度学习时频图识别与前导码滑动相关频谱峰值检测进行级联融合的智能窄带突发信号识别方法,实现了精确的信号体制识别和参数估计。首先,设计了时频多维参数偏移算法来增强训练数据集,降低了数据收集难度且提升了训练数据的全面性和多样性;然后,引入改进的深度残差注意力网络,提取了重点时频特征进行体制初步识别,再基于信号与前导码滑动相关后的频谱峰值检测结果,对不可分信号进行细化判证,实现了对窄带突发信号体制类型、载频、突发时刻等参数的精确获取。3、在通信信号调制识别方面,针对传统识别方法依赖专家经验和信号条件的问题,提出了基于降噪循环谱与稀疏滤波卷积网络的智能调制识别方法,实现了模拟调制和低阶数字调制信号的鲁棒识别。首先,对信号循环谱进行低秩表示降噪处理,净化数据以降低网络训练难度;其次,设计了一种新型的稀疏滤波准则对网络进行逐层无监督预训练,有效挖掘了循环谱的稀疏特性,利用小规模卷积网络即可实现鲁棒可靠的调制识别。更进一步,为适应对高阶数字调制信号的识别,提出了一种基于新型深度几何卷积网络的智能调制识别方法,设计了具备多尺度和多方向特性的几何滤波器,从信号的魏格纳-威利分布映射图中学习更具有分辨力的多尺度和多方向几何特征,提高了调制识别的准确率和鲁棒性。4、在通信信号调制编码联合识别方面,为了能以端到端的方式同时识别信号的调制方式和信道编码类型,研究探索了一种基于深度注意力门控卷积网络的智能调制编码联合识别方法,实现了多类型调制编码信号的有效识别。首先,为避免时频图变换带来的高计算复杂度,针对一维原始波形数据,设计了一维卷积层来提取调制结构特征;其次,利用门控循环模块提取信号时序监督特征,并设计“显着”注意力机制对时序特征开展注意力变换以增强特征提取与识别效能。5、在通信辐射源个体识别方面,针对传统识别方法难以全面表征辐射源本质特性、易受信号与目标变化影响的缺点,提出了基于多域特征融合学习的智能辐射源个体识别方法,在多目标辐射源集合上达到了较好的识别效果。首先,对接收信号进行精确的参数“校准”预处理以去除信号中的不稳定因素,再对校准后信号进行高精度星座矢量图映射以表征辐射源发射机的联合畸变特性;其次,设计了新型一维复数密集连接卷积网络、引入了具有高层特征全局注意力机制的新型Bo TNet（Bottleneck Transformer Networks）模型,分别对波形与频谱、波形与星座矢量图数据开展高效的复杂多域特征提取;最后,设计了三种融合策略对多域特征进行融合学习,提取了更全面完整的个体特征。同时,还研究了基于迁移学习的新辐射源目标集识别网络设计和训练方法,有效利用了大样本训练得到的基础模型的先验知识,实现了小样本条件下新辐射源目标的准确识别。6、在工程实现方面,设计构建了通信信号智能检测识别系统,对本文提出的各类通信信号智能检测与识别方法开展转化与集成,解决了快速并行信道化与深度学习推断加速等工程实现关键问题,对实际短波、卫星、超短波等通信信号实现了高性能的盲信号检测、调制识别和辐射源个体识别。
康洪[9]（2021）在《深圳市HGK有限公司发展战略研究》文中研究指明深圳市HGK有限公司作为安卓阵营的芯片设计和软件开发的应用程序解决方案提供商,主要业务方向是移动智能终端类的电子产品,在微控制器、低耗蓝牙、智能人机交互与生物辨别等方向都能够为客户在软件和硬件等方面的问题提供具体的处理措施。公司设计研发的产品大多数都在国际知名品牌中应用,例如华为、OPPO、小米、HP、Amazon和Google等。经过18年的发展,公司开始转向于人机交互和生物识别领域,并取得了一定的技术成果,与此同时也面临着愈来愈严峻的挑战。中美贸易冲突进一步加深,对外市场和技术不断封闭;手机出货量不断下降,国内指纹识别市场竞争的逐渐激烈化,深圳土地成本上升,这一系列现象都造成企业利润下降;人口老龄化开始加剧,产品趋于同质化,公司的支柱产品指纹识别芯片和触控芯片受到市场挤压,增长乏力。因此,HGK需要选择一个适合当前局势的总体战略,使公司可以在日益严峻的竞争中得以持续发展下去。本论文研究是以战略管理的维度展开,运用到的研究方法和理论主要有QSPM、SWOT、EFE、CPM和PEST等,结合文献研究法、调查法和访谈法等,以HGK当前所面临的经营困境以及未来发展方向为切入点,针对企业内外部环境以及所处行业发展和竞争状况与趋势等,以战略管理的维度展开全面的、更深层次的探究,重点研究HGK有限公司面对新形势下所要采取总体战略的制定与选择、实施与控制来寻找解决企业困境之策,并对未来的发展决策提供参考。本论文研究的意义在于运用相对科学的方法对HGK有限公司的发展战略做出选择。对于公司如何创建一个稳定、持续的盈利和发展的模式给出一些建议。同时也希望本文研究能够在国家战略支持大湾区建设的历史机遇中,以及中美贸易战国家支持芯片自主研发的大背景下,为集成电路设计公司以及国内新兴科技公司提供参考和借鉴作用。
张晓欢[10]（2021）在《低质量指纹图像识别算法的研究与实现》文中提出随着指纹识别技术的应用越来越广,人们对其识别效率和准确性要求越来越高,而现实中受采集环境或自身皮肤状况影响仍存在大量低质量指纹图像无法得到有效识别。现有低质量指纹图像识别算法以图像增强为主,在一定程度上能减少伪细节点数目,但经过特征提取后仍会存在大量伪细节点,最终导致整个指纹识别系统的性能下降,使得及时、准确识别低质量指纹图像成为目前亟待解决的一个问题。本文提出一种低质量指纹图像识别算法,该算法主要围绕指纹识别系统中影响低质量指纹图像识别性能的图像增强、特征提取和特征匹配三个环节进行。具体研究内容如下:1.在图像增强环节,针对受采集环境或污损影响的低质量指纹图像存在大量伪细节点的情况,在深入研究典型方向滤波图像增强方法基础上,结合短时傅里叶变换同时求取指纹图像的方向场和频率场,有效地避免频率场对方向场估计依赖性强的问题,提高低质量指纹图像增强的效果,从而减少低质量指纹图像中伪细节点的数量。2.在特征提取环节,对经过图像增强后的指纹灰度图像,通过建立数学模型进行细节点特征的提取,有效避免对指纹图像进行细化处理时引入大量伪细节点,增加提取特征的有效性。3.在特征匹配环节,对经过图像增强后的图像提取出的细节点进行可靠性分析,通过建立核心细节点支持性系统,用多个细节点形成的系统间的相似性代替核心细节点对间的相似性,排除相似性低的核心细节点对的同时找出相似性高的可靠细节点对,根据最优校准法则从可靠细节点对中选出成功匹配的细节点数量计算匹配分数,充分利用低质量指纹图像中可靠性高的细节点信息进行匹配,能有效地改善低质量指纹图像的识别效率和准确率。实验结果表明,本文算法与现有低质量指纹图像识别算法相比,在减少低质量指纹图像中伪细节点产生的同时,经可靠性分析,选取出可靠性高的细节点用于匹配分数的计算,能有效解决低质量指纹图像识别系统性能差的问题。
二、狠抓三个环节发挥指纹识别系统优势（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、狠抓三个环节发挥指纹识别系统优势（论文提纲范文）
（1）基于深度学习的射频指纹识别系统设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 课题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 射频指纹提取 |
| 1.2.2 射频指纹识别方法 |
| 1.3 论文研究内容 |
| 1.4 论文结构安排 |
| 第2章 基础知识 |
| 2.1 射频指纹识别技术 |
| 2.1.1 射频指纹产生原理 |
| 2.1.2 射频指纹识别技术 |
| 2.2 深度学习 |
| 2.2.1 深度学习模型简介 |
| 2.2.2 卷积神经网络 |
| 2.2.3 门控循环单元 |
| 2.3 本章小结 |
| 第3章 基于深度学习的射频指纹识别方法 |
| 3.1 CNN-GRU射频指纹识别算法 |
| 3.1.1 信号模型 |
| 3.1.2 CNN-GRU网络模型 |
| 3.2 实验设计与数据集采集 |
| 3.3 实验结果与分析 |
| 3.3.1 网络参数设置对网络训练的影响 |
| 3.3.2 与其他基于深度学习的射频指纹识别方法的对比 |
| 3.4 本章小结 |
| 第4章 基于CNN-GRU的 NFC设备识别系统设计与实现 |
| 4.1 NFC通信场景描述 |
| 4.1.1 NFC信号介绍 |
| 4.1.2 NFC通信场景描述 |
| 4.2 系统设计与架构 |
| 4.3 系统搭建与实现 |
| 4.3.1 信号采集模块设备分析与选取 |
| 4.3.2 数据处理模块设备选取 |
| 4.3.3 射频指纹自动化识别实时检测模块 |
| 4.3.4 基于深度学习的NFC设备识别系统实现 |
| 4.4 NFC数据集生成 |
| 4.4.1 数据集信息 |
| 4.4.2 数据集生成 |
| 4.5 射频指纹识别系统验证与分析 |
| 4.5.1 系统验证 |
| 4.5.2 验证结果与分析 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 工作展望 |
| 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 |
（2）主流物联网云平台流量的指纹识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 符号列表 |
| 第1章 引言 |
| 1.1 物联网云平台安全问题现状 |
| 1.2 任务与挑战 |
| 1.3 本文的主要贡献 |
| 1.4 论文组织结构 |
| 第2章 研究背景 |
| 2.1 主流物联网云平台概念介绍及典型的主流物联网平台 |
| 2.2 物联网云平台安全问题及相关研究 |
| 2.2.1 物联网云平台功能及攻击面分析 |
| 2.2.2 云平台安全漏洞研究 |
| 2.2.3 云平台安全威胁检测及防御措施研究 |
| 2.3 传统指纹识别技术及其主要应用方式介绍 |
| 2.4 物联网识别技术相关研究介绍 |
| 2.4.1 物联网识别技术相关研究成果 |
| 2.4.2 现有物联网识别技术与物联网云平台指纹识别技术的异同 |
| 2.5 本章小结 |
| 第3章 主流物联网云平台调研 |
| 3.1 物联网架构与物联网云平台一般通信模型 |
| 3.2 物联网云平台典型的系统结构模型 |
| 3.2.1 物联网云平台系统结构模型的构建过程及模型展示 |
| 3.2.2 物联网云平台主要功能及其对应模块 |
| 3.3 主流物联网云平台安全漏洞复现测试 |
| 3.3.1 物联网通信协议(MQTT)漏洞——以百度天工和阿里云物联网平台为例 |
| 3.3.2 物联网局域网通信密钥泄漏漏洞——以京东和小米物联网平台为例 |
| 3.3.3 云服务API漏洞——以苏宁智能物联网云平台为例 |
| 3.4 物联网云平台安全问题知识库及测试工具的设计与实现 |
| 3.5 本章小结 |
| 第4章 物联网云平台流量指纹识别方法研究 |
| 4.1 流量识别主要原理设计及识别对象选择 |
| 4.2 流量数据的获取与解密 |
| 4.2.1 流量数据的获取来源及获取方式 |
| 4.2.2 流量数据获取环境构建和获取流程 |
| 4.2.3 对加密流量数据进行解密的尝试及成果 |
| 4.3 指纹识别特征的提取模型的构建 |
| 4.3.1 用户端通信流量指纹特征的提取 |
| 4.3.2 设备端通信流量指纹特征的提取 |
| 4.3.3 指纹识别特征提取的公共服务流量处理 |
| 4.3.4 指纹识别模型的构建 |
| 4.4 本章小结 |
| 第5章 指纹识别工具开发、测试实验结果与评价 |
| 5.1 指纹识别工具的主要设计 |
| 5.2 指纹识别工具的测试实验与实验结果 |
| 5.3 主流物联网云平台指纹识别技术的评价 |
| 5.3.1 主流物联网云平台指纹识别技术的优势与局限性 |
| 5.3.2 主流物联网云平台指纹识别技术的应用场景 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
| 致谢 |
（3）基于Wi-Fi/地磁/PDR的智能手机室内多源融合定位模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和框架 |
| 2 室内定位基本原理 |
| 2.1 Wi-Fi指纹定位技术 |
| 2.2 地磁序列匹配方法 |
| 2.3 坐标系统及转换 |
| 2.4 行人航位推算 |
| 2.5 定位评价指标 |
| 2.6 本章小结 |
| 3 基于深度神经网络的Wi-Fi位置识别方法 |
| 3.1 基于深度神经网络的Wi-Fi定位模型 |
| 3.2 Wi-Fi位置优化模型 |
| 3.3 实验与分析 |
| 3.4 本章小结 |
| 4 改进的多维快速DTW地磁匹配定位算法 |
| 4.1 地磁基准图构建 |
| 4.2 地磁空间插值方法 |
| 4.3 改进的DTW地磁定位方法 |
| 4.4 实验与分析 |
| 4.5 本章小结 |
| 5 智能手机MEMS行人航位推算 |
| 5.1 基于ELM的行人运动模式识别方法 |
| 5.2 步进式行人航位推算 |
| 5.3 惯导式行人航位推算 |
| 5.4 本章小结 |
| 6 基于自适应因子图的融合定位模型 |
| 6.1 姿态角估计 |
| 6.2 Wi-Fi/PDR融合定位 |
| 6.3 实验与分析 |
| 6.4 本章小结 |
| 7 Wi-Fi/地磁/PDR多源融合定位方法 |
| 7.1 基于Wi-Fi辅助的地磁匹配 |
| 7.2 改进的Wi-Fi/地磁/PDR融合定位方法 |
| 7.3 实验与分析 |
| 7.4 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（4）城镇老年人移动社交应用软件设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 |
| 一 选题缘由 |
| (一)选题背景 |
| (二)选题目的与意义 |
| 二 相关概念阐述 |
| (一)城镇老年人 |
| (二)移动社交应用软件 |
| (三)用户体验 |
| 三 研究现状综述 |
| 四 国内外相关设计概述 |
| 五 研究思路与方法 |
| 第一章 变化与缺失:媒介环境变化中城镇老年人的状态和特征 |
| 第一节 媒介发展中的城镇老年人际关系状况 |
| 一、媒介形态变化中的沟通方式 |
| 二、移动媒介影响下的城镇老年人际关系特征 |
| 三、城镇老年人际关系的影响因素 |
| 第二节 城镇老年人身体状况和行为特征 |
| 一、城镇老年人的生理和心理机能状况 |
| 二、城镇老年人的生活习惯和价值偏好 |
| 三、城镇老年人的移动社交行为特征 |
| 第三节 城镇老年人认知行为和移动媒介素养特征 |
| 一、移动媒介下城镇老年人的认知行为特征 |
| 二、城镇老年人的移动媒介素养特征 |
| 本章小结 |
| 第二章 现状与困境:老年人移动社交应用软件设计的问题和趋向 |
| 第一节 城镇老年人移动社交应用软件的现状分析 |
| 一、“积极老龄化”理念下的老年人移动社交产业 |
| 二、城镇老年人移动社交应用软件设计要素分析 |
| 第二节 媒介传播范式转变中的设计困境 |
| 一、不合理的需求定位 |
| 二、交互逻辑忽视城镇老年人认知和行为特点 |
| 三、交互方式忽视城镇老年人行为习惯 |
| 四、交互界面不符合城镇老年人认知特点 |
| 第三节 老年人移动社交应用软件设计的发展趋势 |
| 一、品牌战略的发展趋势 |
| 二、功能的发展趋势 |
| 三、交互方式的发展趋势 |
| 四、交互界面的发展趋势 |
| 本章小结 |
| 第三章 理念与原则:城镇老年人移动社交应用软件的设计立场 |
| 第一节 由通用性到无障碍性:设计理念调整背后的逻辑转换 |
| 一、通用性设计理念的优势和弊端 |
| 二、无障碍设计理念的反思——用户的细分与深化 |
| 三、用户的价值显现与用户体验设计原则的精准化 |
| 第二节 以社交安全感为基础:由可靠性到归属感 |
| 一、安全机制的可靠和适度 |
| 二、交互逻辑和行为的安全感 |
| 三、社交主体的社交安全感 |
| 第三节 以包容性为中心:由交互逻辑到界面响应 |
| 一、交互逻辑的合理与精简 |
| 二、交互行为的容错 |
| 三、交互方式的适用 |
| 四、交互界面的简化和动态响应 |
| 第四节 以贴近性原则为核心:由视觉贴近到主体性贴近 |
| 一、视觉贴近原则 |
| 二、行为贴近原则 |
| 三、语境贴近原则 |
| 四、情感贴近原则 |
| 五、主体性贴近原则 |
| 本章小结 |
| 第四章 分析与方法:城镇老年人移动社交应用软件的设计依据 |
| 第一节 城镇老年人移动社交应用软件的设计依据 |
| 一、调研方法和依据 |
| 二、调研数据采集因素 |
| 三、样本回收及数据分析 |
| 四、调研结论 |
| 第二节 城镇老年人移动社交应用软件的设计规划 |
| 一、设计总体规划 |
| 二、理论视角下的设计需求和功能分析 |
| 三、城镇老年人移动社交应用软件的设计流程 |
| 第三节 场景理论下老年人移动社交应用软件的设计方法 |
| 一、基于阅读需求场景的设计方法 |
| 二、基于兴趣社交需求场景的设计方法 |
| 三、基于情感社交需求场景的设计方法 |
| 四、基于知识社交需求场景的设计方法 |
| 五、基于生活社交需求场景的设计方法 |
| 本章小结 |
| 第五章 模型与方案:城镇老年人移动社交应用软件的设计策略 |
| 第一节 基于需求场景理论的设计模型 |
| 一、用户模型的构建 |
| 二、需求模型的构建 |
| 第二节 基于人际关系三维理论的设计策略 |
| 一、基于“安全-信赖”体验的设计策略 |
| 二、基于“包容-符号”体验的视觉设计策略 |
| 三、基于“支配-互动”体验的感官融合设计策略 |
| 四、基于“情景-叙事”体验的设计策略 |
| 第三节 城镇老年人移动社交应用软件的设计方案 |
| 一、城镇老年人移动社交应用软件的设计定位 |
| 二、城镇老年人移动社交应用软件交互原型设计 |
| 三、城镇老年人移动社交应用软件高保真原型设计 |
| 第四节 城镇老年人移动社交应用软件的设计评估 |
| 一、可用性测试 |
| 二、设计评价 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 附录1:人际关系和媒介素养调查问卷 |
| 附录2:用户体验设计需求调查问卷 |
| 附录3:用户访谈问题大纲 |
| 附录4:老年移动社交应用软件眼动实验任务引导语 |
| 附录5:老年移动社交应用软件用户主观评价量表 |
| 攻读学位期间取得的学术成果 |
| 致谢 |
（5）人脸识别技术应用的法律规制研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 1. 研究背景 |
| 2. 研究意义 |
| 3. 国内外研究现状 |
| 3.1 国内研究现状 |
| 3.2 国外研究现状 |
| 4. 研究内容与框架 |
| 5. 概念界定和特征分析 |
| 5.1 人脸识别技术的含义 |
| 5.2 人脸的特征 |
| 5.3 人脸识别技术的特征 |
| 6. 研究方法 |
| 第1章 人脸识别技术应用法律规制的必要性与现实困境 |
| 1.1 人脸识别技术应用法律规制的必要性 |
| 1.1.1 人脸识别技术的应用风险 |
| 1.1.2 个人信息的国家保护义务 |
| 1.2 我国人脸识别技术应用的法律规制困境 |
| 1.2.1 现有法律规范难以有效保护公民个人信息 |
| 1.2.2 监管主体不明,手段落后 |
| 1.2.3 司法救济缺乏可操作性 |
| 第2章 人脸识别技术应用法律规制的理论基础 |
| 2.1 人脸识别技术应用的法律规制依据 |
| 2.1.1 风险社会理论与人脸识别安全风险 |
| 2.1.2 监视社会理论与个人隐私保障 |
| 2.2 人脸识别技术应用的法律规制原则 |
| 2.2.1 公共利益原则: 人脸识别法律规制的首要考量 |
| 2.2.2 弱者保护原则: 法律适当倾斜保护的依据 |
| 2.2.3 比例原则: 信息处理者应当遵守的准则 |
| 第3章 域外针对人脸识别技术应用的法律规制及启示 |
| 3.1 统一专门立法的欧盟模式 |
| 3.1.1 欧盟人脸识别规制现状 |
| 3.1.2 欧盟立法趋势: 人脸识别禁令的缓和 |
| 3.2 去中心化立法的美国模式 |
| 3.2.1 美国人脸识别规制现状 |
| 3.2.2 美国立法前瞻: 联邦层面的立法提案 |
| 3.3 域外法律规制的成因与借鉴意义 |
| 第4章 我国人脸识别技术应用的规制路径 |
| 4.1 完善法律制度 |
| 4.1.1 明确人脸识别领域的立法理念 |
| 4.1.2 改进法律保护制度 |
| 4.2 创新监管模式 |
| 4.2.1 明确人脸识别监管机构 |
| 4.2.2 完善人脸识别监管体系 |
| 4.2.3 推进企业自律监管 |
| 4.3 增强救济措施的可操作性 |
| 4.3.1 明确人脸识别侵权主体 |
| 4.3.2 举证责任倒置 |
| 4.4 全民提升风险意识,推动科技向善 |
| 结语 |
| 参考文献 |
| 致谢 |
（6）中国的移动支付经济效应及影响因素研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 导论 |
| 1.1 问题的提出 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容与结构安排 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.2.3 技术路线 |
| 1.3 创新点与不足 |
| 1.3.1 创新点 |
| 1.3.2 不足之处 |
| 第二章 文献综述与理论基础 |
| 2.1 相关重要概念界定 |
| 2.1.1 移动支付 |
| 2.1.2 商业模式 |
| 2.2 移动支付研究综述 |
| 2.2.1 移动支付影响因素 |
| 2.2.2 移动支付业务模式 |
| 2.2.3 移动支付安全性 |
| 2.3 商业模式研究综述 |
| 2.3.1 商业模式组成要素 |
| 2.3.2 商业模式创新 |
| 2.3.3 商业模式类型 |
| 2.4 理论基础 |
| 2.4.1 博弈理论 |
| 2.4.2 价值网络理论 |
| 2.4.3 市场均衡理论 |
| 2.4.4 系统动力学 |
| 2.5 简要评述 |
| 第三章 移动支付产业的经济学分析 |
| 3.1 移动支付系统的复杂性 |
| 3.1.1 有关复杂系统理论的研究 |
| 3.1.2 移动支付系统结构解析 |
| 3.1.3 移动支付的系统复杂性分析 |
| 3.2 移动支付的双边市场特性 |
| 3.2.1 双边市场理论研究 |
| 3.2.2 移动支付产业的双边市场判定 |
| 3.2.3 双边市场特性对移动支付产业发展的影响 |
| 3.3 移动支付的价值网络特性 |
| 3.3.1 移动支付价值网络的构建 |
| 3.3.2 移动支付价值网络的特征 |
| 3.3.3 价值网络特性对移动支付产业的作用 |
| 3.4 小结 |
| 第四章 移动支付产业商业模式研究 |
| 4.1 移动支付产业链的构成 |
| 4.2 移动支付的运营主体 |
| 4.2.1 以移动通信运营商为运营主体 |
| 4.2.2 以金融机构为运营主体 |
| 4.2.3 以第三方移动支付公司为运营主体 |
| 4.2.4 三个运营主体之间的特殊关系 |
| 4.3 博弈论视角下的移动支付商业模式分析 |
| 4.3.1 三方博弈模型 |
| 4.3.2 博弈模型的求解 |
| 4.3.3 其他影响因素分析 |
| 4.3.4 博弈案例分析 |
| 4.4 价值网络视角下的移动支付商业模式分析 |
| 4.4.1 价值网络各参与方价值 |
| 4.4.2 价值网络的价值来源 |
| 4.4.3 价值网络的价值形成过程 |
| 4.4.4 移动支付价值网络风险研究 |
| 4.5 小结 |
| 第五章 移动支付的经济效应实证研究 |
| 5.1 相关文献回顾 |
| 5.1.1 移动支付与货币相关的文献综述 |
| 5.1.2 移动支付与消费相关的文献综述 |
| 5.2 实证研究思路和方法选择 |
| 5.3 移动支付对国家层面的经济效应研究 |
| 5.3.1 移动支付对货币乘数影响的研究 |
| 5.3.2 移动支付对居民消费影响的研究 |
| 5.4 移动支付对家庭层面的经济效应研究 |
| 5.4.1 移动支付对家庭货币需求影响的研究 |
| 5.4.2 移动支付对家庭消费行为的影响研究 |
| 5.5 小结 |
| 第六章 移动支付影响因素的实证研究 |
| 6.1 相关文献回顾 |
| 6.2 实证研究思路和方法选择 |
| 6.3 基于宏观层面的实证研究 |
| 6.3.1 实证相关的被解释变量和解释变量 |
| 6.3.2 数据来源及描述性统计分析 |
| 6.3.3 模型构建与实证分析 |
| 6.4 基于微观层面的研究 |
| 6.4.1 模型构建与实证方法及数据来源 |
| 6.4.2 实证相关的被解释变量和解释变量 |
| 6.4.3 实证结果及分析 |
| 6.5 移动支付技术研究 |
| 6.5.1 关键推动技术影响因素研究 |
| 6.5.2 技术决定论探究 |
| 6.5.3 技术风险研究 |
| 6.6 小结 |
| 第七章 移动支付发展趋势与对策建议 |
| 7.1 移动支付技术发展趋势 |
| 7.1.1 区块链移动支付 |
| 7.1.2 AI刷脸移动支付 |
| 7.1.3 指纹移动支付 |
| 7.1.4 可穿戴无线电移动支付 |
| 7.2 移动支付发展对策和建议 |
| 7.2.1 细分市场优化移动支付产业结构 |
| 7.2.2 增强创新水平紧密跟踪新技术 |
| 7.2.3 推动移动支付应用于实体经济 |
| 7.2.4 促进移动支付与实体经济融合 |
| 7.2.5 加强监管预防风险 |
| 7.3 小结 |
| 第八章 总结与展望 |
| 8.1 论文工作总结 |
| 8.2 下一步研究工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（7）基于强化学习的雷达辐射源识别技术研究与应用（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 |
| 1.2.1 特征提取研究现状 |
| 1.2.2 分类器设计研究现状 |
| 1.3 本文的主要研究内容和内容安排 |
| 1.3.1 研究内容 |
| 1.3.2 内容安排 |
| 第二章 雷达辐射源个体识别基础 |
| 2.1 引言 |
| 2.2 雷达辐射源指纹特征产生机理 |
| 2.2.1 雷达辐射源信号建模 |
| 2.2.2 雷达发射机基本结构 |
| 2.2.3 雷达辐射源信号脉内调制 |
| 2.3 雷达辐射源指纹特征 |
| 2.3.1 指纹特征概述 |
| 2.3.2 指纹特征特性 |
| 2.4 雷达辐射源个体识别系统 |
| 2.5 本章小结 |
| 第三章 基于强化学习特征选择的雷达辐射源个体识别 |
| 3.1 引言 |
| 3.2 强化学习模型及算法 |
| 3.2.1 强化学习概述 |
| 3.2.2 强化学习基本模型 |
| 3.2.3 强化学习算法分类 |
| 3.3 基于强化学习的特征选择 |
| 3.3.1 特征选择基本理论 |
| 3.3.2 强化学习在特征选择过程中的应用 |
| 3.3.3 基于强化学习的特征选择算法设计 |
| 3.4 实验与分析 |
| 3.4.1 实验数据集与环境 |
| 3.4.2 雷达辐射源指纹特征提取 |
| 3.4.3 实验流程与方案 |
| 3.4.4 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于深度强化学习的雷达辐射源个体识别 |
| 4.1 引言 |
| 4.2 深度强化学习模型及算法 |
| 4.2.1 深度强化学习概述 |
| 4.2.2 深度学习简述 |
| 4.2.3 深度强化学习算法分类 |
| 4.3 基于深度强化学习的雷达辐射源个体识别 |
| 4.3.1 深度强化学习算法在辐射源个体识别中的应用 |
| 4.3.2 基于深度强化学习的分类器设计 |
| 4.4 实验与分析 |
| 4.4.1 实验数据集与环境 |
| 4.4.2 实验流程与方案 |
| 4.4.3 实验结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（8）基于深度学习的通信信号智能盲检测与识别技术研究（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 研究历史与现状 |
| 1.2.1 通信信号检测方法研究现状 |
| 1.2.2 通信信号调制识别方法研究现状 |
| 1.2.3 通信信号辐射源个体识别方法研究现状 |
| 1.3 存在的问题挑战与研究思路 |
| 1.4 论文的结构安排与主要工作 |
| 第二章 深度学习理论基础 |
| 2.1 引言 |
| 2.2 深度学习概述 |
| 2.2.1 发展历程 |
| 2.2.2 从浅层到深度学习 |
| 2.3 典型深度学习网络 |
| 2.3.1 卷积神经网络 |
| 2.3.2 循环神经网络 |
| 2.4 深度学习应用于通信信号智能盲检测与识别的思考 |
| 2.5 本章小结 |
| 第三章 基于深度学习的通信信号智能检测方法 |
| 3.1 引言 |
| 3.2 基于自适应频谱噪底抵消的能量检测方法 |
| 3.2.1 宽带频谱估计 |
| 3.2.2 自适应噪底估计 |
| 3.2.3 噪底抵消和信号检测 |
| 3.3 基于目标检测网络的通信信号智能宽带检测方法 |
| 3.3.1 宽带时频图数据集标注与构建 |
| 3.3.2 ISD-ODN智能宽带检测网络 |
| 3.3.3 算法流程总结 |
| 3.3.4 实验结果与分析 |
| 3.4 基于级联分类树的智能窄带突发信号识别方法 |
| 3.4.1 双滑动窗突发信号检测 |
| 3.4.2 窄带时频图数据增强 |
| 3.4.3 深度残差注意力信号识别网络 |
| 3.4.4 基于前导码滑动相关频谱峰值检测的信号识别 |
| 3.4.5 算法流程总结 |
| 3.4.6 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于深度学习的通信信号智能调制识别方法 |
| 4.1 引言 |
| 4.2 基于专家经验特征的调制识别方法 |
| 4.2.1 信号参数统计特征 |
| 4.2.2 高阶统计量特征 |
| 4.2.3 循环平稳特征 |
| 4.2.4 基于特征分类的调制识别 |
| 4.3 基于降噪循环谱与稀疏滤波卷积网络的智能调制识别方法 |
| 4.3.1 二维循环谱变换 |
| 4.3.2 低秩表示降噪 |
| 4.3.3 稀疏滤波卷积网络 |
| 4.3.4 算法流程总结 |
| 4.3.5 实验结果与分析 |
| 4.4 基于魏格纳-威利分布与深度几何卷积网络的智能调制识别方法 |
| 4.4.1 魏格纳-威利分布映射 |
| 4.4.2 维度不可分的几何滤波器 |
| 4.4.3 深度几何卷积网络 |
| 4.4.4 算法流程总结 |
| 4.4.5 实验结果与分析 |
| 4.5 基于深度注意力门控卷积网络的智能调制编码联合识别方法 |
| 4.5.1 一维卷积模块 |
| 4.5.2 注意力机制门控循环模块 |
| 4.5.3 深度注意力门控卷积网络 |
| 4.5.4 算法流程总结 |
| 4.5.5 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 基于深度学习的智能通信辐射源个体识别方法 |
| 5.1 引言 |
| 5.2 基于专家经验特征的辐射源个体识别方法 |
| 5.2.1 信号参数统计特征 |
| 5.2.2 信号变换域统计特征 |
| 5.2.3 机理模型特征 |
| 5.2.4 辐射源特征降维和分类器 |
| 5.3 基于时域与频域特征融合学习的智能辐射源个体识别方法 |
| 5.3.1 信号精细预处理及表示 |
| 5.3.2 IRI-TFF多域特征融合识别网络 |
| 5.3.3 算法流程总结 |
| 5.3.4 实验结果与分析 |
| 5.4 基于波形与星座矢量图特征融合学习的智能辐射源个体识别方法 |
| 5.4.1 信号精细预处理及表示 |
| 5.4.2 IRI-WCF多域特征融合识别网络 |
| 5.4.3 基于迁移学习的小样本新目标SEI方法 |
| 5.4.4 算法流程总结 |
| 5.4.5 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 通信信号智能检测识别系统及实验结果 |
| 6.1 引言 |
| 6.2 系统组成和关键技术 |
| 6.2.1 系统框架和组成 |
| 6.2.2 系统实现关键技术 |
| 6.3 实验验证与分析 |
| 6.3.1 实际短波信号智能检测实验 |
| 6.3.2 实际卫星信号智能调制识别实验 |
| 6.3.3 实际超短波信号智能辐射源个体识别实验 |
| 6.4 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 论文主要贡献 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（9）深圳市HGK有限公司发展战略研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 企业介绍 |
| 1.3 研究内容与思路 |
| 1.4 研究方法 |
| 第二章 相关理论基础 |
| 2.1 战略管理理论概述 |
| 2.1.1 企业发展战略理论 |
| 2.1.2 研究工具 |
| 2.2 多元化战略相关概述 |
| 2.2.1 多元化战略发展历程 |
| 2.2.2 多元化战略的分类 |
| 第三章 HGK发展战略外部环境分析 |
| 3.1 宏观环境分析 |
| 3.1.1 政治环境分析 |
| 3.1.2 经济环境分析 |
| 3.1.3 社会文化环境分析 |
| 3.1.4 技术环境分析 |
| 3.2 行业与市场环境分析 |
| 3.2.1 行业市场发展情况及趋势研究 |
| 3.2.2 行业竞争环境分析 |
| 3.3 竞争对手分析 |
| 3.3.1 竞争对手介绍 |
| 3.3.2 主要竞争对手经营能力比较 |
| 3.3.3 竞争态势分析 |
| 第四章 HGK发展战略内部环境分析 |
| 4.1 企业资源分析 |
| 4.1.1 有形资源分析 |
| 4.1.2 无形资源分析 |
| 4.1.3 人力资源分析 |
| 4.2 企业能力分析 |
| 4.2.1 HGK研发能力情况 |
| 4.2.2 HGK生产能力情况 |
| 4.2.3 核心竞争力分析 |
| 4.3 经营状况分析 |
| 4.3.1 生产经营状况 |
| 4.3.2 波士顿矩阵分析 |
| 4.3.3 企业文化 |
| 4.3.4 经营风险分析 |
| 第五章 HGK发展战略制定与选择 |
| 5.1 HGK战略目标体系简介 |
| 5.1.1 企业使命 |
| 5.1.2 企业愿景 |
| 5.1.3 企业目标 |
| 5.2 HGK发展战略的制定 |
| 5.2.1 HGK公司外部因素评价矩阵(EFE) |
| 5.2.2 HGK公司内部因素评价矩阵(IFE) |
| 5.2.3 HGK公司总体战略SWOT矩阵 |
| 5.3 HGK总体战略选择 |
| 5.3.1 HGK公司总体战略QSPM矩阵分析 |
| 5.3.2 HGK公司发展战略选择 |
| 第六章 HGK公司多元化战略实施与控制 |
| 6.1 HGK公司多元化战略实施措施 |
| 6.1.1 产品多元化 |
| 6.1.2 服务多元化 |
| 6.1.3 品牌多元化 |
| 6.2 HGK公司多元化战略保障措施 |
| 6.2.1 人力资源保障服务 |
| 6.2.2 品牌战略保障 |
| 6.2.3 企业制度与文化保障 |
| 6.3 HGK公司多元化战略的控制 |
| 6.3.1 HGK公司战略地图 |
| 6.3.2 HGK公司平衡记分卡框架 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A CPM矩阵专家问卷调查表 |
| 附录 B EFE矩阵专家问卷调查表 |
| 附录 C IFE 矩阵专家问卷调查表 |
（10）低质量指纹图像识别算法的研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 自动指纹识别系统 |
| 1.3 低质量指纹图像识别的国内外研究现状 |
| 1.4 本文主要研究内容 |
| 第2章 低质量指纹图像增强 |
| 2.1 引言 |
| 2.2 典型低质量指纹图像增强算法分析 |
| 2.3 本文低质量指纹图像增强算法 |
| 2.3.1 基于频域分析的关键参数估计 |
| 2.3.2 基于方向和频率的低质量指纹图像增强 |
| 2.4 低质量指纹图像增强结果 |
| 2.5 本章小结 |
| 第3章 低质量指纹图像的特征提取 |
| 3.1 引言 |
| 3.2 典型低质量指纹图像特征提取算法分析 |
| 3.3 本文低质量指纹图像的特征提取算法 |
| 3.3.1 低质量指纹数学模型的建立 |
| 3.3.2 低质量指纹图像的细节点特征提取 |
| 3.3.3 低质量指纹图像的方向场特征提取 |
| 3.4 本章小结 |
| 第4章 低质量指纹图像的特征匹配 |
| 4.1 引言 |
| 4.2 典型低质量指纹图像的特征匹配算法分析 |
| 4.3 本文低质量指纹图像的细节点特征匹配 |
| 4.3.1 指纹点集匹配 |
| 4.3.2 核心细节点支持性系统的建立 |
| 4.3.3 可靠细节点对的获取 |
| 4.3.4 全局最优配准原理 |
| 4.3.5 计算匹配分数 |
| 4.4 本章小结 |
| 第5章 低质量指纹图像识别结果分析 |
| 5.1 实验平台搭建与数据库选取 |
| 5.2 指纹识别系统性能评价指标 |
| 5.3 低质量指纹图像识别结果可靠性分析 |
| 5.3.1 实验仿真结果分析 |
| 5.3.2 特征提取结果的可靠性分析 |
| 5.3.3 特征识别结果的可靠性分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文及获奖情况 |
| 致谢 |
四、狠抓三个环节发挥指纹识别系统优势（论文参考文献）
- [1]基于深度学习的射频指纹识别系统设计与实现[D]. 张晔. 中国科学院大学(中国科学院国家空间科学中心), 2021(01)
- [2]主流物联网云平台流量的指纹识别研究[D]. 何熙巽. 中国科学院大学(中国科学院计算机科学与技术学院), 2021
- [3]基于Wi-Fi/地磁/PDR的智能手机室内多源融合定位模型研究[D]. 王一帆. 中国矿业大学, 2021(02)
- [4]城镇老年人移动社交应用软件设计研究[D]. 崔晓龙. 中国艺术研究院, 2021(09)
- [5]人脸识别技术应用的法律规制研究[D]. 王清. 华东理工大学, 2021(08)
- [6]中国的移动支付经济效应及影响因素研究[D]. 钟明华. 北京邮电大学, 2021(01)
- [7]基于强化学习的雷达辐射源识别技术研究与应用[D]. 苏畅. 北京邮电大学, 2021(01)
- [8]基于深度学习的通信信号智能盲检测与识别技术研究[D]. 李润东. 电子科技大学, 2021(01)
- [9]深圳市HGK有限公司发展战略研究[D]. 康洪. 兰州大学, 2021(12)
- [10]低质量指纹图像识别算法的研究与实现[D]. 张晓欢. 哈尔滨理工大学, 2021(09)