海角最近进口,向日葵色板官方

基于主控同步的CAN總線多點實時數(shù)據(jù)采集技術(shù)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

RS-485總線與CAN總線是工業(yè)現(xiàn)場數(shù)據(jù)采集最常用的有線組網(wǎng)方式，它們均有各自的局限性。針對一類多節(jié)點網(wǎng)絡(luò)的數(shù)據(jù)實時采集問題，提出了基于主控同步的CAN總線多點實時數(shù)據(jù)采集技術(shù)，將RS485總線主控思想應(yīng)用于CAN總線的數(shù)據(jù)通信中，通過對各節(jié)點發(fā)送數(shù)據(jù)時間的同步，有效地避免了節(jié)點間數(shù)據(jù)沖突問題。實驗結(jié)果證明了該方案能有效地提高數(shù)據(jù)傳輸?shù)膶崟r性和可靠性，解決了CAN總線訪問沖突。

發(fā)表于：10/23/2016

寬帶帶狀線定向耦合器的設(shè)計[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

多階1/4波長濾波器理論為寬帶定向耦合器的研究提供了依據(jù)，利用該方法設(shè)計了應(yīng)用頻段為2～6 GHz的多節(jié)3 dB的交錯耦合帶狀線定向耦合器，并利用電磁仿真軟件HFSS進(jìn)行仿真。仿真結(jié)果表明，該帶狀線耦合器具有良好的方向性、較高的耦合度和較低的插損，從而為這類寬帶強(qiáng)耦合度耦合器的研究提供了一定的參考價值。

發(fā)表于：10/23/2016

一種保持時序一致的AFDX幀結(jié)構(gòu)優(yōu)化及算法實現(xiàn)[嵌入式技術(shù)][航空航天]

新一代航電網(wǎng)絡(luò)——航空電子全雙工交換以太網(wǎng)(AFDX)，是為航電信息系統(tǒng)之間進(jìn)行數(shù)據(jù)通信而專門制定的協(xié)議標(biāo)準(zhǔn)，具有時間確定性、雙余度和高可靠性等優(yōu)點。在分析ARINC 664 Part7規(guī)范、通信結(jié)構(gòu)和SN等關(guān)鍵技術(shù)的基礎(chǔ)上，結(jié)合SAE AS6802［2］協(xié)議算法，提出一種保持多節(jié)點發(fā)送時序一致的AFDX幀結(jié)構(gòu)。采用OPNET網(wǎng)絡(luò)拓?fù)浞抡鎸崿F(xiàn)，結(jié)果滿足幀數(shù)據(jù)時序一致性要求。

發(fā)表于：10/23/2016

基于STM32的機(jī)器人自主移動控制系統(tǒng)設(shè)計[嵌入式技術(shù)][消費電子]

針對類車機(jī)器人自主移動的問題，首先在非完整約束系統(tǒng)下建立類車機(jī)器人低速移動過程的運動學(xué)模型和動力學(xué)模型，選用適合基礎(chǔ)性類車移動機(jī)器人研究的自行車模型進(jìn)行狀態(tài)分析；在混合式體系結(jié)構(gòu)下用STM32作為機(jī)器人自主移動控制系統(tǒng)的核心，給出控制系統(tǒng)框圖，完成硬件設(shè)計；同時完成環(huán)境定位與建圖，構(gòu)建動態(tài)貝葉斯網(wǎng)絡(luò)，最終綜合實現(xiàn)類車機(jī)器人自主移動的功能。

發(fā)表于：10/23/2016

樣本不平衡的睡眠數(shù)據(jù)分期研究[測試測量][醫(yī)療電子]

睡眠數(shù)據(jù)中各個階段的樣本數(shù)差異較大，睡眠數(shù)據(jù)的自動分期是一個典型的樣本不平衡的機(jī)器學(xué)習(xí)問題。均衡樣本方法通過抽樣的手段來平衡樣本，是解決樣本不平衡問題的主要方法。采用均衡樣本方法來平衡睡眠數(shù)據(jù)的不同階段的樣本，并且結(jié)合多域特征（時域、頻域、時頻域以及非線性）和隨機(jī)森林分類算法進(jìn)行分類預(yù)測。比較分析了樣本均衡處理和非均衡處理的分類結(jié)果，發(fā)現(xiàn)均衡處理后的數(shù)據(jù)取得了更好的分類效果。

發(fā)表于：10/23/2016

語音信號與腦電信號轉(zhuǎn)換研究[嵌入式技術(shù)][醫(yī)療電子]

由于身體原因?qū)е聼o法進(jìn)行語音交流的群體越來越受到大家的關(guān)注，為了這部分群體能重新使用語音交流，科研工作者們進(jìn)行了各種嘗試性研究。以前的研究主要圍繞著肌電信號與語音信號間的映射關(guān)系，而本文是通過深度神經(jīng)網(wǎng)絡(luò)建立語音信號與腦電信號間的映射關(guān)系。將從語音中提取的特征作為前饋神經(jīng)網(wǎng)絡(luò)的輸入，將腦電信號的特征作為輸出目標(biāo)建立模型。對回歸預(yù)測的模型使用R-square進(jìn)行評估，R-square的值達(dá)到了0.75。

發(fā)表于：10/23/2016

基于跳躍掃描誤差擴(kuò)散半色調(diào)算法研究[嵌入式技術(shù)][通信網(wǎng)絡(luò)]

誤差擴(kuò)散算法最早是由FloydSteinberg提出，并在當(dāng)時成為處理效果最好的算法之一。它可以輸出視覺效果良好的半色調(diào)圖像，因而得到了廣泛的推廣。為改善該傳統(tǒng)誤差擴(kuò)散算法均易在中頻區(qū)域產(chǎn)生結(jié)構(gòu)性紋理現(xiàn)象，提出了一種基于跳躍掃描路徑的誤差擴(kuò)散半色調(diào)算法。算法在對像素點進(jìn)行掃描時會根據(jù)一定的條件進(jìn)行跳躍掃描，直接處理若干像素點之后的像素，并將處理后的誤差擴(kuò)散至相鄰但還未經(jīng)處理的像素點上。大量的實驗表明，合理的跳躍距離能夠幫助有效地抑制半色調(diào)圖像中的結(jié)構(gòu)性紋理，得到效果更好的半色調(diào)圖像，具有更深遠(yuǎn)的意義和實際應(yīng)用價值。

發(fā)表于：10/23/2016

基于MC的風(fēng)電場參數(shù)預(yù)測模型的誤差修正[嵌入式技術(shù)][數(shù)據(jù)中心]

風(fēng)速的隨機(jī)性和間歇性等特點使得目前風(fēng)電場參數(shù)預(yù)測模型存在較大的預(yù)測誤差，對此提出了采用馬爾科夫鏈（MC)方法對模型的預(yù)測誤差進(jìn)行修正。分別求出參數(shù)的實際值與模型預(yù)測值之間的誤差序列，利用模糊C-均值聚類算法對其進(jìn)行狀態(tài)劃分；根據(jù)各誤差狀態(tài)計算出MC狀態(tài)轉(zhuǎn)移概率矩陣，進(jìn)而計算模型預(yù)測誤差修正值，最終得到精度較高的預(yù)測值。采用MC方法分別對廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)模型、T-S模糊神經(jīng)網(wǎng)絡(luò)模型以及Elman神經(jīng)網(wǎng)絡(luò)模型的預(yù)測誤差進(jìn)行修正，并應(yīng)用MC修正后的3種模型對山西某風(fēng)電場測風(fēng)塔不同步長風(fēng)速進(jìn)行預(yù)測仿真實驗研究，分析討論了MC對各預(yù)測模型誤差的修正效果。仿真結(jié)果表明，所提出的誤差修正方法能夠有效提高測風(fēng)塔風(fēng)速預(yù)測精度，為預(yù)測模型的誤差修正提供了一種有效的實用的方法。

發(fā)表于：10/22/2016

云存儲中基于隱私保護(hù)的高效的微型加密方案[通信與網(wǎng)絡(luò)][數(shù)據(jù)中心]

針對云存儲環(huán)境中用戶屬性不確定性、訪問結(jié)構(gòu)公開性等導(dǎo)致密用戶信息遭受泄露的問題，提出了云存儲中基于隱私保護(hù)的高效的微型加密方案。完全隱藏訪問結(jié)構(gòu)，利用代理重加密技術(shù)引入屬性撤銷機(jī)制，同時提供一個長度與屬性數(shù)量無關(guān)的解密密鑰，設(shè)計了一種更加安全高效且適用范圍廣基于屬性的加密方案。結(jié)果表明，該方案可以實現(xiàn)存儲數(shù)據(jù)的靈活訪問，增加了對于敏感信息的隱私保護(hù)，且適用于存儲空間受限的微型設(shè)備上。

發(fā)表于：10/22/2016

NDIR基于熱電堆的氣體檢測電路[嵌入式技術(shù)][工業(yè)自動化]

該電路板(PCB) 為Arduino擴(kuò)展板，兼容EVAL-ADICUP360 Arduino平臺信號調(diào)理由AD8629和低噪聲放大器ADA4528-1，以及集成可編程增益放大器、雙通道24位Σ-Δ型模數(shù)轉(zhuǎn)換器(ADC)和ARM Cortex-M3處理器的精密模擬微控制器ADuCM360實現(xiàn)。

發(fā)表于：10/22/2016

紅細(xì)胞SEM圖像的三維重構(gòu)及形狀特征提取[嵌入式技術(shù)][醫(yī)療電子]

臨床經(jīng)驗及診斷中表明許多疾病都與紅細(xì)胞形變有關(guān)。因此分析紅細(xì)胞的形態(tài)特征可以輔助診斷病人的病情。運用模板匹配方法尋找12類形態(tài)變異的紅細(xì)胞子圖像的位置，應(yīng)用PCA和LDA算法對12類產(chǎn)生形變的紅細(xì)胞進(jìn)行特征選擇和提取，并針對噪聲問題對算法進(jìn)行了改進(jìn)。通過實驗數(shù)據(jù)對一些分類困難的形變細(xì)胞做進(jìn)一步的數(shù)據(jù)對比及特征提取分類。實驗表明，該算法及改進(jìn)的方法能有效區(qū)分并提取出不同類型的紅細(xì)胞，分類的準(zhǔn)確率達(dá)到了92.7%。

發(fā)表于：10/18/2016

基于SVD和EMD-S編碼的隱藏算法[嵌入式技術(shù)][信息安全]

數(shù)字圖像信息隱藏算法要求高的魯棒性和透明性，通過分析矩陣運算的特征，提出改進(jìn)的EMD-S算法。將秘密信息通過S盒的壓縮變換，嵌入到分解圖像的最大奇異值當(dāng)中。通過實驗表明，本文算法能夠較好地抵抗JPEG壓縮，具有較大的數(shù)據(jù)嵌入率和較好的魯棒性。

發(fā)表于：10/18/2016

大規(guī)模MIMO中基于GSSK系統(tǒng)的稀疏檢測算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

廣義空移鍵控(GSSK)的特點是在每一時隙只激活部分發(fā)射天線，利用激活天線的索引號來傳遞信息?；谧畲笏迫?ML)準(zhǔn)則的GSSK檢測器有最優(yōu)的檢測性能，但計算復(fù)雜度太高。為了在性能和復(fù)雜度之間取得更好的折中，改進(jìn)了一種基于壓縮感知(CS)的GSSK檢測算法。仿真結(jié)果表明，該算法的檢測性能接近于ML算法，且復(fù)雜度約為ML算法的2%。

發(fā)表于：10/18/2016

Hurst指數(shù)估計法中的修正方法研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

Hurst參數(shù)是表征網(wǎng)絡(luò)業(yè)務(wù)量自相似性的重要參數(shù)，對突發(fā)業(yè)務(wù)的Hurst參數(shù)進(jìn)行準(zhǔn)確的估計能直接影響網(wǎng)絡(luò)流量控制和緩沖資源分配。詳細(xì)給出4種Hurst參數(shù)估計方法的實現(xiàn)過程，并針對這4種估計方法進(jìn)行修正。通過估計不同Hurst參數(shù)的自相似業(yè)務(wù)量來對比修正前后估計方法的精度，結(jié)果表明采用修正的方法各個估計方法的相對誤差都有降低，其中R/S法降低了2個百分點，聚類方差法降低了8個百分點，周期圖法和小波分析法相對誤差降低了一個數(shù)量級。

發(fā)表于：10/18/2016

非正弦時域正交脈沖組參數(shù)優(yōu)化方案設(shè)計[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

橢圓球面波函數(shù)（PSWF）集是時頻域上能量聚集性最佳的信號形式，在提高系統(tǒng)頻帶利用率、降低頻帶間干擾方面具有天然優(yōu)勢，而正交脈沖組參數(shù)的優(yōu)化設(shè)計是決定基于橢圓球面波函數(shù)的非正弦波通信系統(tǒng)性能的重要因素。這里選擇頻譜交疊度和時間帶寬積兩個典型參數(shù)，以脈沖組的功率利用率和頻帶利用率為主要指標(biāo)，分析不同參數(shù)對系統(tǒng)性能的影響，在此基礎(chǔ)上提出了一種脈沖組參數(shù)優(yōu)選方案。仿真結(jié)果表明，設(shè)計得到的調(diào)制信號能量聚集度達(dá)到99.7%，同時極限頻帶利用率達(dá)到2 Baud/Hz，且保持了較小的實現(xiàn)復(fù)雜度。

發(fā)表于：10/17/2016