基于椭圆曲线的广播型多重签名方案

多重数字签名的概念及方案的提出大大拓宽了数字签名的应用范围。基于椭圆曲线密码体制，提出了一种以椭圆曲线为基础的广播型多重数字签名方案。该方案研究了如何充分发挥椭圆曲线密码密钥长度短、效率高、安全强度大的优势来解决多重数字签名的缺陷，该方案可以有效地抵抗多种攻击，安全性高。     

公路工程中利用群签名的电子投标方案

公路工程电子投标是电子商务中的重要活动之一。利用群签名方案可设计出一种新的公路工程密封投标方案。该方案由公路工程招标者来确定公路工程中标者,公路工程中标者的身份则由群管理者根据公路工程中标者对投标消息的签名来确定,且经一次注册后,公路工程投标者即可参加多个投标活动,而不会泄露自己的身份,这使得该方案具有一定的可扩展性。     

车载网络中基于群签名的可保护隐私的车辆认证

安全和隐私是配置车载网络时所需要的2个重要条件,具有保护隐私功能的认证是实现这2个条件的关键技术.不同于已有的认证方案,文中用群签名来实现车载网络中能保护隐私的车辆认证.为了满足认证的快速性要求,基于目前安全性最强、效率较高和签名较短的ZL 06局部验证者撤销短群签名方案,提出了2个具有隐私保护功能的车载网络中的车辆认证方案.群签名所具有的良好性质保证了所提出的认证方案具有实用性和隐私保护功能.     

基于可信密码模块的远程证明协议

可信密码模块是以我国研发的密码算法为基础,结合国内安全需求与产业市场,借鉴国际先进的可信计算技术框架与技术理念自主创新研发的.本文中首先对可信计算平台密码技术方案和国际可信计算组织规范在密码算法、授权协议和密钥管理等几方面进行了比较.基于可信密码模块,提出的基于隐藏属性证书的远程证明方案,用属性证书代替平台配置信息,不仅能有效防止隐私性的暴露,而且可以在系统升级和备份过程中完成可信检测,提高了实现的效率.     

双暗态五能级原子系统中的探测放大响应

研究了在双暗态共振四能级原子系统的基础上,附加一个信号场扰动的五能级原子系统中的探测放大响应。发现仅通过调节信号激光场的强度就能实现探测放大的增强。根据量子干涉理论和缀饰态理论定量地解释了产生该结果的物理机制.     

基于量子粒子群算法的门式刚架结构抗风优化

为弥补目前结构抗风优化仅针对高层建筑的不足,采用量子粒子群算法对一大跨屋盖结构进行了抗风优化.基于风洞试验数据库获得等效静力风荷载,并根据型钢表组成离散变量搜索空间.通过约束违反协调系数,构造了一种新的适应值模型,进一步建立了粒子越界处理方法,以保证优化的可行性和收敛性.通过10次运行计算以确定门式刚架的最优设计,并在全风向角下对优化结果进行校核.研究结果表明,目标函数随迭代单调递减收敛,总质量标准差仅为其平均值的4%,平均迭代24次,说明量子粒子群算法用于门式刚架抗风优化具有较好的健壮性和计算效率.      

基于量子粒子群算法的船舶电力系统网络重构

船舶电力系统网络重构可以看作为一个多目标、多约束、多时段、离散化的非线性规划最优问题。根据船舶电网结构的特点,提出了运用量子粒子群算法解决重构问题的思想。加入量子粒子群算法的离散化操作,使之能够满足船舶电网重构模型的要求。仿真结果说明该算法能够得出船舶电力系统网络重构的全局最优解,实现了网络重构最优,并且通过相应的算例与其他优化算法进行横向比较的结果也验证了量子粒子群算法有更好的可行性。     

一种渐变概率选择操作的实数编码量子进化算法

为进一步提高实数编码量子进化算法在进化过程中的种群多样性以及在高维复杂函数优化上的全局收敛性,参照模拟退火算法的特点,提出了一种渐变选择概率的实数编码量子进化算法,该方法通过在进化过程中逐步提高更好解的选择概率,在进化计算初期保持种群的多样性,能较为全面地对解空间进行搜索,而在进化末期,选择概率逐渐提高到1,只接受更好的解而保证算法稳定的收敛。仿真实验结果表明,该算法能有效避免早熟和局部极值问题,具有更快的收敛速度和更高的求解精度。     

基于PbSe量子点的LED多气体检测及方法

随着纳米技术的日新月异,在近红外多发射波长的气体检测领域,PbSe量子点作为一种新型检测材料显示出巨大的潜力。介绍基于PbSe量子点多波长近红外LED的多气体检测装置及相应检测方法,对其方案设计和实施进行较为详细的说明,通过对样本进行测试,验证该装置的有效性。     

基于多尺度核独立元分析与核极限学习机的柴油机故障诊断

为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混叠,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。