国产精品狼色在线观看视色,日本一道综在合线,亚洲GV天堂无码男同在线观看

頭條

基于FPGA的ZUC算法快速實現(xiàn)研究

基于FPGA的ZUC算法快速實現(xiàn)研究

祖沖之（ZUC）算法是我國自主研發(fā)的商用序列密碼算法，已被應用于服務器實時運算和大數(shù)據(jù)處理等復雜需求場景，ZUC的高速實現(xiàn)對于其應用推廣具有重要的實用意義。基于此，針對ZUC適用環(huán)境的FPGA實現(xiàn)高性能要求，通過優(yōu)化模乘、模加等核心運算，并采用流水化結(jié)構(gòu)設計，在FPGA硬件平臺上實現(xiàn)了ZUC算法。實驗結(jié)果表明，ZUC算法核的數(shù)據(jù)吞吐量可達10.4 Gb/s，與現(xiàn)有研究成果相比，降低了關(guān)鍵路徑的延遲，提升了算法工作頻率，在吞吐量和硬件資源消耗方面實現(xiàn)了良好的平衡，為ZUC算法的高性能實現(xiàn)提供了新的解決方案。

基于因子分析的動態(tài)負載均衡算法

隨著互聯(lián)網(wǎng)的不斷發(fā)展、用戶數(shù)量的急劇增長，互聯(lián)網(wǎng)中出現(xiàn)了網(wǎng)絡擁塞、服務器負載過重、響應時間過長等嚴重問題，其中負載均衡算法是影響服務器集群整體性能的一個關(guān)鍵因素。運用統(tǒng)計學中的因子分析理論，提出了一種基于因子分析的負載均衡算法。該算法利用因子分析法計算出綜合負載，并用這個指標幫助負載均衡器選擇合適的服務器，均勻地將用戶的請求進行分發(fā)，從而達到整體上較好的負載均衡。

發(fā)表于：12/17/2015

采用窗函數(shù)法進行數(shù)字信號截短的優(yōu)化算法

對數(shù)字信號進行有限點數(shù)的截短采樣時，通常會發(fā)生頻譜泄露。提出一種基于FPGA的矩形窗、海明窗、漢寧窗和布萊克曼窗四個窗函數(shù)的改進型信號截短算法方案，并對其資源消耗和運行速度進行優(yōu)化，從而提高頻譜泄露的性能。為了減少系統(tǒng)資源消耗和提高精度，采用了資源共享技術(shù)、選擇合理的數(shù)據(jù)位寬以及為CORDIC模塊選擇合適的迭代次數(shù)；為了優(yōu)化速度，采用了恰當?shù)牧魉€技術(shù)，從而較大提高了處理速度。仿真表明，優(yōu)化后的系統(tǒng)邏輯資源減少20%~51%，時序約束達到360 MHz，其中的布萊克曼窗對第一級旁瓣衰減達到59.3 dB。

發(fā)表于：12/17/2015

基于FPGA與LabVIEW的DDS任意信號發(fā)生器設計

實現(xiàn)了一種基于FPGA與LabVIEW平臺的任意波形發(fā)生器。通過FPGA搭建硬件平臺，與LabVIEW上位機軟件實現(xiàn)串口通信，實時調(diào)整FPGA內(nèi)部波形數(shù)據(jù)，可實現(xiàn)正弦波、方波、鋸齒波、三角波、高斯白噪聲、疊加正弦波、自定義公式等常規(guī)波形，同時也可以手動繪制任意波形，充分發(fā)揮了軟件的靈活性。通過參數(shù)的設定，可方便地設計各種復雜波形。本設計在EP4CE15F17C8芯片上實現(xiàn)，與LabVIEW上位機軟件協(xié)同工作，經(jīng)測試系統(tǒng)具有良好的穩(wěn)定性、靈活性。

發(fā)表于：12/16/2015

多路圖像數(shù)據(jù)合成LCD顯示控制器設計

針對現(xiàn)有LCD顯示控制器處理多路圖像數(shù)據(jù)合成的性能局限，提出了一種用于嵌入式系統(tǒng)的多路圖像數(shù)據(jù)合成LCD顯示控制器的設計方案。該方案以FPGA為顯示控制器的核心處理器件，經(jīng)視頻接口和8080接口輸入數(shù)據(jù)，由SDRAM協(xié)調(diào)控制器完成數(shù)據(jù)存取，最終通過合成疊加送入LCD完成顯示。通過實際電路驗證表明，該LCD顯示控制器可以實現(xiàn)多路圖像數(shù)據(jù)的輸入、合成、顯示，且性能良好、運行穩(wěn)定，并具有一定的移植性和可擴展性，可應用于有特殊圖像處理要求的嵌入式系統(tǒng)中。

發(fā)表于：12/16/2015

OpenStack云環(huán)境下多節(jié)點塊存儲研究

基于OpenStack本身的塊存儲設計，在云計算平臺中實現(xiàn)了多節(jié)點塊存儲的iSCSI SAN配置，為虛擬機提供了跨網(wǎng)段、跨節(jié)點的獨立塊存儲服務，并在不同節(jié)點間、虛擬機上分別對其進行測試，對學習和實際構(gòu)建云平臺中跨網(wǎng)段多節(jié)點的塊存儲服務有參考價值。

發(fā)表于：12/15/2015

基于MapReduce和分布式緩存的KNN分類算法研究

隨著大數(shù)據(jù)時代的到來，K最近鄰（KNN）算法較高的計算復雜度的弊端日益凸顯。在深入研究了KNN算法的基礎上，結(jié)合MapReduce編程模型，利用其開源實現(xiàn)Hadoop，提出了一種基于MapReduce和分布式緩存機制的KNN并行化方案。該方案只需要通過Mapper階段就能完成分類任務，減少了TaskTracker與JobTracker之間的通信開銷，同時也避免了Mapper的中間結(jié)果在集群任務節(jié)點之間的通信開銷。通過在Hadoop集群上實驗，驗證了所提出的并行化KNN方案有著優(yōu)良的加速比和擴展性。

發(fā)表于：12/15/2015

基于逐步回歸分析的話務預測研究

針對現(xiàn)有話務預測模型變量單一、預測誤差大等問題引入了逐步回歸分析法；結(jié)合海河銀行信用卡呼叫中心實際需求，對話務數(shù)據(jù)進行了抽取集成等預處理操作；隨之建立了各影響因素的一元回歸模型，并在此基礎上得到了多元逐步回歸的話務預測模型；最后將此建模方法與其他分析法進行了綜合比較并給出評價。

發(fā)表于：12/14/2015

基于編碼驅(qū)動的超聲波測深儀互相關(guān)算法研究

傳統(tǒng)的超聲波測深算法只能在較高信噪比環(huán)境下進行有效測量，針對較深湖泊以及海洋深度測量中低信噪比特點，介紹了一種編碼驅(qū)動的超聲波互相關(guān)測深算法。編碼互相關(guān)算法是一種有效估計渡越時間的方法。通過理論推導的方式證明了編碼互相關(guān)算法具有良好的抗干擾性能，經(jīng)過仿真論證了編碼互相關(guān)在測深方面的優(yōu)勢，并在實驗中驗證了該算法的可行性。

發(fā)表于：12/14/2015

基于軟件規(guī)模的需求優(yōu)先級排序方法應用

針對當前流行排序算法中只基于某種算法對需求進行排序而沒有考慮項目實際規(guī)模的情況，提出了定性和定量分析確定需求優(yōu)先級的兩種思路。定性分析中研究了基于KANO模型確定優(yōu)先級的方法，定量分析中以AHP算法為基礎，將價值、費用、風險等多種屬性的影響量化到需求優(yōu)先級排序中。結(jié)合某船廠信息管理系統(tǒng)利用AHP方法確定需求優(yōu)先級的案例討論，驗證了該需求優(yōu)先級排序方法的可行性，解決了在資源有限的情況下如何確定需求優(yōu)先級并分步實施的問題。

發(fā)表于：12/14/2015

基于停車位可用概率的停車位發(fā)現(xiàn)算法

利用車載自組網(wǎng)方便、靈活、成本低的特點，使用機會通信擴展車輛通信范圍，提出一種基于停車位可用概率的停車位發(fā)現(xiàn)算法來解決分布式網(wǎng)絡中信息不完全下的停車位發(fā)現(xiàn)問題。通過估算附近可用停車位在車輛到達時刻的可占用概率，為車輛分配成功率最大的停車位。仿真結(jié)果表明，該算法適用于車載自組網(wǎng)的分布式停車位算法，平均停車時間較短。

發(fā)表于：12/13/2015