基于復(fù)雜網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的評估體系研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

對復(fù)雜網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中特定屬性的計算和評估進(jìn)行了研究。層次分析法和熵權(quán)法被用來計算復(fù)雜網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的權(quán)重，這樣既可以防止在主觀賦權(quán)法上因?qū)＜医?jīng)驗不足使得對方案的排序造成很大的隨意性，又可以避免客觀賦權(quán)法的結(jié)果與實際情況不一致的現(xiàn)象發(fā)生。選取了規(guī)則網(wǎng)絡(luò)模型、隨機(jī)網(wǎng)絡(luò)模型、小世界網(wǎng)絡(luò)模型和BA無標(biāo)度網(wǎng)絡(luò)模型進(jìn)行加權(quán)計算，并計算出它們各自相應(yīng)的綜合權(quán)重。從綜合權(quán)重的角度來看，實驗結(jié)果表明，隨機(jī)網(wǎng)絡(luò)效能最好，接下來是小世界網(wǎng)絡(luò)、無標(biāo)度網(wǎng)絡(luò)，最后是規(guī)則網(wǎng)絡(luò)。該評估體系和算法可以被廣泛地用于需要對網(wǎng)絡(luò)性能進(jìn)行定量評估的情況下。

發(fā)表于：3/2/2017

網(wǎng)絡(luò)庫Tbnet及其應(yīng)用分析[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

Tbnet廣泛應(yīng)用于TFS、Tair等開源分布式系統(tǒng)，不同于僅提供數(shù)據(jù)傳輸?shù)膫鹘y(tǒng)網(wǎng)絡(luò)庫，該庫為客戶端/服務(wù)端提供交互式通信，即客戶端發(fā)出請求，服務(wù)端接收、處理并予以回應(yīng)，適用于分布式系統(tǒng)開發(fā)。Tbnet采用對象語義進(jìn)行類的設(shè)計并大量使用類的繼承，實際使用時需繼承IPacketHandler、IServerAdaptor等接口類，重寫類中虛函數(shù)。Tbnet內(nèi)部由一個處理事件的輸入/輸出線程、一個超時檢查線程及工作線程池組成，I/O線程與工作線程間采用單生產(chǎn)者多消費者模式［1］共享加鎖報文列表。本文分析了Tbnet主要類及其消息通信，對比分析了分布式產(chǎn)品使用Tbnet的差異性。

發(fā)表于：3/2/2017

無線傳感器網(wǎng)絡(luò)跨周期應(yīng)答的信息傳輸方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對同步休眠機(jī)制無線傳感器MESH網(wǎng)絡(luò)，提出一種允許跨周期應(yīng)答的信息傳輸方法，以提高數(shù)據(jù)傳輸成功概率，降低網(wǎng)絡(luò)中信息流量，從而降低路由通信工作時間，達(dá)到降低網(wǎng)絡(luò)中各節(jié)點功耗的目的。將跨周期應(yīng)答應(yīng)用到地質(zhì)災(zāi)害監(jiān)測自動化系統(tǒng)中，較大程度地降低了無線傳感器節(jié)點的功耗。

發(fā)表于：3/2/2017

動態(tài)深度信念網(wǎng)絡(luò)模型構(gòu)建[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

深度學(xué)習(xí)是一類新興的多層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，因其緩解了傳統(tǒng)訓(xùn)練算法的局部最小性，故引起機(jī)器學(xué)習(xí)領(lǐng)域的廣泛關(guān)注。但是，如何使一個網(wǎng)絡(luò)模型在選取任意數(shù)值的隱藏層節(jié)點數(shù)時都能夠得到一個比較合適的網(wǎng)絡(luò)結(jié)構(gòu)是目前深度學(xué)習(xí)界普遍存在的一個開放性問題。文章提出了一種能夠動態(tài)地學(xué)習(xí)模型結(jié)構(gòu)的算法——最大判別能力轉(zhuǎn)換法，根據(jù)Fisher準(zhǔn)則來評估隱藏層每一個節(jié)點的判別性能，然后通過動態(tài)地選擇部分隱層節(jié)點來構(gòu)建最優(yōu)的模型結(jié)構(gòu)。

發(fā)表于：3/2/2017

基于蜂群算法的物流配送規(guī)劃研究[測試測量][其他]

電子商務(wù)的興起促進(jìn)了現(xiàn)代物流業(yè)的發(fā)展，但物流公司在貨物送達(dá)末梢客戶的“最后一公里”路徑規(guī)劃上，多取決于具體配送人員的工作經(jīng)驗，整體效率偏低。為提高配送效率，對車輛路徑問題(Vehicle Routing Problem, VRP)，以及由此延伸出的有載重限制的車輛路徑問題(VRP with Capacitated, CVRP)的研究因而產(chǎn)生。為提升現(xiàn)有的蜂群算法在CVRP問題的求解效能，文章對蜂群算法進(jìn)行了改進(jìn)，在CVRP問題中加入分群機(jī)制來限縮蜂群探索區(qū)域，并搭配使用限制次數(shù)以增強(qiáng)對局部區(qū)域搜尋能力。模擬結(jié)果顯示，在復(fù)雜度高的問題求解上，所提出的加強(qiáng)型蜂群算法比典型的蜂群算法能更有效地找到近似最佳解。

發(fā)表于：3/2/2017

基于多特征融合半自動巖心圖像顆粒提取[顯示光電][其他]

基于最大相似度的區(qū)域合并算法是一種半自動的圖像處理方式，可根據(jù)用戶提供的交互信息，利用圖像特征作為區(qū)域相似度進(jìn)行準(zhǔn)確的目標(biāo)提取。但傳統(tǒng)的MSRM算法計算量大，使用單一的圖像特征使得分割不夠精確。針對這些問題，文章對MSRM算法進(jìn)行改進(jìn)，提出一種基于多特征的區(qū)域最大相似度圖像分割算法，并采用矩陣變換算法來降低計算量。該方法使用超像素圖像作為分割基礎(chǔ)，首先計算圖像相鄰區(qū)域紋理和顏色特征相似度，并使用矩陣變換算法降低顏色特征矢量維度,然后計算兩種特征的權(quán)重，最后根據(jù)綜合后的相似度對圖像進(jìn)行區(qū)域合并，得到最終的顆粒提取結(jié)果。實驗結(jié)果表明，該方法可以有效提取顆粒的輪廓，提取的輪廓邊緣細(xì)節(jié)較傳統(tǒng)MSRM算法更優(yōu)，算法執(zhí)行效率也得到了提高。

發(fā)表于：3/2/2017

腫瘤癌變細(xì)胞FISH圖像分析系統(tǒng)的研究[其他][醫(yī)療電子]

腫瘤癌變細(xì)胞FISH圖像分析系統(tǒng)中，需要解決粘連細(xì)胞核的分割問題。FISH屬于新興技術(shù)，產(chǎn)生的是特殊的熒光彩色細(xì)胞圖，現(xiàn)有細(xì)胞圖像分析方法并不適用。文章創(chuàng)新設(shè)計了基于深度凹陷檢測和構(gòu)造自然凹陷力的方法，分離粘連細(xì)胞核。首先，針對參差不齊的實驗成像，在RGB模型下結(jié)合統(tǒng)計思想，將圖像分為三類，分別進(jìn)行預(yù)處理。繼而，利用融合了Kmeans聚類算法的改進(jìn)馬爾科夫隨機(jī)場（MRF）方法，將細(xì)胞核與癌變信號點進(jìn)行有效提取。在此基礎(chǔ)上，利用幾何原理，創(chuàng)新設(shè)計了一套粘連細(xì)胞核分離算法。最后，給出細(xì)胞核快速計數(shù)和信號點提取方法。該系統(tǒng)設(shè)計基本完整，并達(dá)到預(yù)期效果。

發(fā)表于：3/2/2017

基于RGB-D單目視覺的室內(nèi)場景三維重建[嵌入式技術(shù)][其他]

針對室內(nèi)環(huán)境單目視覺的室內(nèi)場景三維重建速度慢的問題，采用華碩Xtion單目視覺傳感器獲取的室內(nèi)場景彩色圖像和深度圖像進(jìn)行快速三維重建。在圖像特征提取上使用ORB特征檢測算法，并對比了幾種經(jīng)典特征檢測算法在圖像匹配中的效率，在圖像匹配融合中采用Ransac算法和ICP算法進(jìn)行點云融合。實現(xiàn)了一種室內(nèi)簡單、小規(guī)模的靜態(tài)環(huán)境快速三維重建方法，通過實驗驗證了該方法有較好的精確性、魯棒性、實時性和靈活性。

發(fā)表于：3/2/2017

基于視敏度的Q-STAR模型參數(shù)預(yù)測[顯示光電][其他]

Q-STAR模型是現(xiàn)有的客觀視頻質(zhì)量評價中最接近主觀得分的模型，但是在解碼端難以從丟包解碼后的YUV視頻序列中提取與編碼端相一致的運動矢量信息，從而影響模型參數(shù)的預(yù)測。針對該問題，提出了基于視敏度信息的模型參數(shù)預(yù)測方法，從YUV視頻序列中提取時間域和空間域視敏度特征，并結(jié)合Q-STAR模型中提取的特征進(jìn)行預(yù)測。通過實驗發(fā)現(xiàn)，使用視敏度信息代替原有的運動矢量信息進(jìn)行預(yù)測，所得模型參數(shù)值與Q-STAR基本相符，并且計算更為簡單。

發(fā)表于：3/2/2017

一種新型的全橋電路副邊過壓抑制辦法[嵌入式技術(shù)][物聯(lián)網(wǎng)]

由全橋移相電路出發(fā)，為解決副邊整流電路存在的浪涌電壓，研究了副邊整流二極管關(guān)斷時過電壓的產(chǎn)生，通過對二極管關(guān)斷過程的分析，提出使用可控飽和電感來抑制二極管反向恢復(fù)電流，達(dá)到抑制副邊震蕩，使二極管不會承受因震蕩而產(chǎn)生的過壓。

發(fā)表于：3/2/2017

一種新型HERIC光伏逆變器漏電流抑制技術(shù)研究[電源技術(shù)][智能電網(wǎng)]

針對已有的無變壓器光伏逆變器存在共模電壓威脅人身安全的問題，在非隔離光伏逆變器（Highly Efficient Reliable Inverter Concept，HERIC）拓?fù)涞幕A(chǔ)上，提出了一種新型的箝位型HERIC拓?fù)?。箝位型HERIC拓?fù)涫窃谀孀兤髦绷鬏斎腚娙莸闹悬c加入了另一個開關(guān)管，使整個工作過程中共模電壓保持不變。通過仿真發(fā)現(xiàn)這一理論是可行的。然后分別搭建HERIC逆變電路和箝位型HERIC逆變電路，通過對比實驗和數(shù)據(jù)分析驗證了仿真結(jié)果，證明了箝位型HERIC拓?fù)涞挠行院偷吐╇娏魈匦浴?/a>

基于STM32的偏振相關(guān)損耗測量系統(tǒng)設(shè)計[其他][物聯(lián)網(wǎng)]

設(shè)計了一種基于ST公司CortexM4內(nèi)核的ARM系列產(chǎn)品STM32F407ZG偏振相關(guān)損耗測量系統(tǒng)，包括系統(tǒng)設(shè)計理論、軟硬件設(shè)計結(jié)構(gòu)及實現(xiàn)方法。光通過偏振控制器調(diào)整偏振態(tài)，通過待測物后送往后續(xù)的光電轉(zhuǎn)換模塊，經(jīng)放大過濾到達(dá)A/D采集模塊，最后送往主控單元M4進(jìn)行處理完成測量。

發(fā)表于：3/2/2017

一種基于嵌入式磁旋存儲芯片的固態(tài)硬盤控制器芯片架構(gòu)[嵌入式技術(shù)][其他]

傳統(tǒng)企業(yè)級固態(tài)硬盤存儲芯片采用外接DRAM(Dynamic Random Access Memory)顆粒的方式來存儲閃存地址轉(zhuǎn)換映射表，不僅成本高，占用面積大，還需要設(shè)計復(fù)雜的掉電保護(hù)流程和額外的備電保持電容。利用新型磁旋存儲芯片的掉電非易失特性，以及密度高、速度快、功耗低、數(shù)據(jù)保持時間長、可擦寫次數(shù)無限等特點，提出了一種基于嵌入式磁旋存儲芯片的固態(tài)硬盤控制器架構(gòu)方案，能夠大大簡化控制器芯片的掉電異常流程和備電設(shè)計，節(jié)省固態(tài)硬盤內(nèi)部的備電電容成本，有效支撐固態(tài)硬盤的容量提升。

發(fā)表于：3/2/2017

基于ARM和B/S的船載衛(wèi)星通信跟蹤系統(tǒng)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

在占地球總面積70%左右的海洋上無法建立基站，由此迫切需要穩(wěn)健的船載衛(wèi)星通信系統(tǒng)。船載衛(wèi)星通信系統(tǒng)研究主要包括系統(tǒng)配置設(shè)計、控制策略、硬件選型和監(jiān)控系統(tǒng)的設(shè)計。為了克服船體的運動，三軸隨動控制系統(tǒng)采用模糊PID算法，根據(jù)一系列的對星策略以使船體在運動中始終對準(zhǔn)衛(wèi)星，實現(xiàn)實時通信。采用FPGA芯片作為陀螺儀溫度補(bǔ)償數(shù)據(jù)處理系統(tǒng)，可使整個隨動系統(tǒng)更為精準(zhǔn)快速。監(jiān)控系統(tǒng)舍棄較為傳統(tǒng)的客戶端/服務(wù)器架構(gòu)，選擇瀏覽器/服務(wù)器架構(gòu)。通過模擬測試，驗證了船載衛(wèi)星通信系統(tǒng)具有較好的性能和友好的應(yīng)用性。

發(fā)表于：3/2/2017

實時操作系統(tǒng)Nucleus Plus在LTE230芯片上的移植[嵌入式技術(shù)][其他]

在介紹實時操作系統(tǒng)Nucleus Plus和LTE230芯片及硬件平臺的基礎(chǔ)上，詳細(xì)論述了Nucleus Plus移植過程中的系統(tǒng)啟動、系統(tǒng)初始化、內(nèi)存管理、中斷管理、高級中斷和任務(wù)管理以及操作系統(tǒng)的測試，指出了Nucleus Plus在LTE230芯片上移植的重點和難點。目前移植的操作系統(tǒng)已成功應(yīng)用于LTE230通信模塊中，操作系統(tǒng)的實時性、任務(wù)及中斷管理完全滿足系統(tǒng)需求。

發(fā)表于：3/2/2017