车车通信已经成为智能车辆获取外界信息的♀重要手段, 而通信延时将严重影响车辆之间信息传输的准确性.为了减小通信延时问题对车车通信链路产生的不利影响, 有必要对延时◎进行一定的补偿.本文将首先基于当前统计模型对前方车辆的运动状态进行建模, 然后利用加速度方差自适应卡尔曼滤波模型对前车运动状态进行估计, 在︾此基础上增加延时补偿算法, 对前车的位置、速度信息进行一定的补偿; 最后, 通过Matlab软件对本文所提出的延时补偿方法进行仿真〓验证, 仿真结果显示了本文所述方法的有效性.

FC光纤通道协议作为新一代重要总线技术, 具有带宽高、扩展性强、可靠性强、实时性强、支持多种媒介、抗电磁干扰等优良特点, 发展迅速并在诸多领域得到了广泛应用.本文针对FC协议的PCS层进行深入研究, 解析其关键模块:弹性缓冲器、8B/10B编解码器、位宽变换器、同步器等, 提出整体设计架构, 使用verilog语言完成代码设计, 搭建回环验证平台, 并采用FC专用协议分析仪, 结合FPGA进行验证, 完成设计.

论文设计了一种可靠的OFDM基带系统, 主要包括卷积编解码、交织和解交织、OFDM调制和解调, 并给出了系统方案及其在FPGA上的实现方法.设计中采用了一种基于延时相关和互相关联合判决的帧同步实现方案, 并将帧同步的结果作用于丢帧补〒零模块和解交织模块, 提高系统的可靠性.采用FPGA硬件实现该系统, 分别对≡其在AWGN和单音干扰、部分频带干扰下的性能进行测试.测试结果表明, 实现的OFDM基带系统在较大噪声和干扰的情况下能够实现数据的可靠传输.

传统显著卐图(Saliency map)通常基于灰度图像+彩色拮抗辅助通道的模型。其未能整体充分考虑》颜色通道之间、颜色与方向等显著性要素之间关系.为了克服这样的缺点, 本文将人眼视觉有重要作用的互补色理论引入小波设计, 提出一种基于自然场景的高斯尺度混合模型(Gaussian scale mixture, GSM)及其分区归一化变换→(Divisive normalization transformation, DNT)的彩色整体显著图模型.实验结果表明, 该模型较●其他同类模型有显著优越性, 特别在处理色彩丰富的场景时能大幅提高与人眼视觉机制一致性.

为了实现星载计算机软件的测试通用化, 本文提出了一种星载计算机软件通用测试平台¤的设计与实现╳方案.该方案以真实CPU主板为核心, 利用FPGA模拟CPU外设, 形成星载计算机软件运行的目标系统; 通过模块化设计及参数配ξ置, 实现测试平台在不同型号的软件测试中的√应用; 通过对地面仿真软件与FPGA逻辑的设计, 可准确施加测试激励和捕获测试结果.将该测Ψ 试平台应用在不同航天飞行器的星载计算机软件测试中, 其结果表明使用该测试平台可对星载计算机软件进行有效♀测试, 可实现星载计算机软件测试平台的通用化, 并具有研制周期短、成本低的特点.

为了优化乘法器的延时以及功耗, 提高乘法器的性能, 针对乘法器的部分积压缩部分设计了新型的压缩器以及新型的压缩算法, 在此基础上设计实现了新型的18位乘法器.新型压缩器针对常规压缩器横向进位占用延时过『大的的特点, 通过优■化横向进位传递方式来缩短延时; 新型的压缩算法采用二叉树结构进行并行处理, 与常规的树结构相比, 其布线∞简单, 结构规则.基于simc 40 nm工艺, 对18位乘法器进行综合.经过仿真验证, 该乘法器关键路径延时2.43 fs, 优于同类乘法器.

提出了基于精英反向学习的阶段性变异杂草算法(Elite opposition-based learning mutil-stage mutated invasive weed optimization, EOMMIWO).该算法将正态分布的标准差初始值和终止值由固定设置转化为根据问题自适☉应产生; 在杂草进化过程中让精英个体反向学习, 提高了算法的勘探能力; 另外, 在算法进化的不同阶段对杂草实施不同变异, 增强个体交流, 提高算法的开发能力.通过8个经典的Benchmark函数测试, 结果表明该算法提高了杂草算法的求解精度和收敛∏速度, 具有很强的鲁棒性.

传感器节点的定位能力对无←线传感器网络的性能有很大的影响.为此, 本文针对三维无线传感器网络提出了一种带混沌映射的蜂群优化定位算法(CMABC).首先, 采用RSSI模型获取目标节点与信标节点的测量值, 以此为基础基于⊙三面定位法计算目标节点初值集; 然后, 将混沌映射函数作为参数应↙用到初始解生成函数和寻优⊙函数中; 最后, 采用改进的蜂群优化算法优化目标节点的位置.为了验证CMABC算法性能, 进行了仿真实验.仿真结果表明, 该算〗法在定位成功率和精度方面均优于人工蜂群算法、粒子群优化算法等定位算法.

近年来, 僵尸网络已经成为互联网领域所面临的严重的安全威胁之一.僵尸网络的控制〒者使用僵尸程序进行例如DDOS攻击, 发送垃圾邮件, 盗取敏感信息等一系列恶意活动.在海量的互联网流量中, 从正常流量中有效的识别出僵尸网络流量是亟◣待解决的问题.本文的研究目的是分析和识别僵尸网络流量.实验在真实的包含僵尸网络流量数据中☆提取了9种特征, 采用随机森林算法作为训练模型, 与5种其他机器学习算法进行比较, 实验结果表明本文提出的模型在给出的评价标』准下性能最优.

受不利因素影响, 传感器网络中的数据不可避免地存在缺失, 阻碍上层应用对数据的分析与处理.使用能够自主提取和学习有效特征结构的卷积神经网络对缺失数据问题进行研究, 提出一种基于卷积神经网络的缺失数据填充方法.首先, 分别针对时间序列数据的时间相关性和传感器节点间的空间相关性, 使用卷积神经网络填充模型对缺失→数据进行单维度相关性的填充.然后, 根据时间维度和空间维度的填充结果, 考虑时空相关性对缺失数据进行填充.最后, 在真实数据集上进行实验验证, 实验结果表明考虑时空多维度相关性的填充结果优于只考虑单维度相关性的填充结果, 并与BP模型进行对比, 验证了卷积神〇经网络填充模型的有效性.

为了改善遗传算法"早熟"的问题, 增强算法的全局收敛能力并加快收敛速度, 提出了一种新的多重自适应遗传算法.由于种群在不同的遗传阶段具有不同的特征, 所以将遗传代数分为三个阶段, 每一阶段采用不同的选择策略, 加快算法的收敛, 并且设计了◥一种基于种群多样性和个体适应度的多重自适应交叉概率和变▂异概率, 增强算法的全局搜索能力.通过分别对两处改进的仿真对比, 验证了改进的有效性, 对交叉和变异概率的改进加快了收敛速度和精度, 改善了"早熟"问题, 对选择策略的改进在不影响收敛精确度的前↓提下, 进一步加快了收敛速▲度.新算法在搜索全局最优解和收敛速度上具有⌒较好的综合表现.

单粒子翻转(SEU, single event upset)是当高能粒子击中半导体元器件时, 引起逻辑发生"0""1"改变, 进而导致逻辑错误的现象.在诸如外太空等电磁辐射恶劣的环境中, 芯片常常会受到SEU的破坏, 由于高性能的DSP规模较大, 这种情况发生的概率会更◥高.针对SEU发生的原理, 在抗辐射DSP结构上可以采取多种加固技术∑　.本文基于国产高性ζ　能DSP"魂芯"的架构, 从可测性和工程性的角度出发, 提出了对片上SRAM存储器的加固方案.通过对SRAM采用自刷新和三模冗余技术, 可以对SEU进行有效♀的抑制.

云台系统作为智能巡检机器人的视觉载体, 承载着巡检机器人的核心功能, 基于预置位的传统云台运作模式电厂复杂环境下显得乏力.针对复杂环境下云台预置位少、反应慢等问题, 提出了一种基于Faster R-CNN和模糊PID的云台控制策略, 利用Faster R-CNN检测并识别云台输送图像中的目标, 根据目标与图片的位置关系判断云台运动方向, 计算中心坐标的误〖差并送入模糊PID控制器进行参数调节来达到控制云台的目的.实验结果表明, 利用Faster R-CNN进行目标检测识别可达到90.8%的准确率并且运行在毫秒级, 模糊控制使云台能够快速反应并平稳运行, 应用效果良好.

针对传统粒子群算法容易陷入局部最优、收敛速度快, 导致收敛精度低等弊端, 一种改良的自适应惯性权重的粒子群算法在本文中被提出.通过对粒子飞行速度和位置◥变化的分析, 并结合粒子的自适应值动态调整惯权重, 使得算法能够在全局空间和局部空间搜索之内达到良好的均衡.选择典型的测试函数, 将改进后的粒子群算法(PSO-A)、带收缩因子的粒子群算法(PSO-X)和惯性权重线性递减粒子群算法(PSO-W)的性能进行了对比分析.最后采用MATLAB软件进行算法仿真, 从结果得出, 本文所提出的自适应改变惯性权重的粒子群算法在收敛精度、收敛速度上都取得了明显的改善.

在通信过程中, 由于信道的干扰, 会使信息出错, 通常会使用纠错码来提高传输①数据的正确率.在纠错码中级联』码以优秀的性能被广泛应用.而LDPC码作为接近香农限的特别好码受到越来越多的应用, 所以对LDPC码编解码算法的「研究成为了热点.本文以DVB-S2协议的前向纠错系统中LDPC码为研究背景, 对LDPC码译码算法最小和算法(Minimum Sum Algorithm, MSA)、偏移最小和算◤法(Offset Minimum Sum Algorithm, OMSA)及归一化最小和算法(Normalized Minimum Sum Slgorithm, NMSA)进行了介绍.本文提出了一种最小和算法的实♀现方法, 并且用于归一化最小和算法和偏移最小和算法的实现, 之后通∏过对迭代次数和误码率的对比, 选择出偏移量为0.1, 迭代次数为20次的的偏移最小和算法作为最优算法来实现LDPC码译码器设计.

为了解决飞行器管理系统中应用FACE标▽准的符合性问题, 提出一种平台特定服务段和输入输出服ω务段的功能划分方法.为了满足段间访问的实时性, 采用输入输出服务的接口调用表技术建立一种低延迟的接口调用模型, 并采用静态库端口通讯的方式实现传输服务.搭建了满足FACE标准接口的飞行管理系统原型系统, 通过对原型系统端到端时延的实验, 验证了该软件架构的有效性.

随着互联网规模的日益扩大, 如□　何降低网络能耗, 已经成为亟待解】决的一个科学问题.当前已有的路由节能方案不同程度存在降低网络性能, 路由可用性和网络链路负载不均衡等诸多问题.因此本文提出了一种基于网络流量矩阵的互联网路由节能算法.该方法根据网络中的实时流量矩阵和最大链路利用率动态的关闭网络中的链路, 从而达到节能的目标.实验结果表明, 该算法在保证网络效率◎基础上, 能够将网络链路利用率最小化, 同时降低⊙网络能耗.

本文提出了一种基于CPF格式的低功耗物理设计流程, 将低功耗设计意图、电源信息、约束条件等整¤合到CPF文件中, 并且可以用于集成电路设计流程的各个阶段, 保证了设计的高效性与一致性.针对一款MCU电路, 结合CPF文件, 采用多供电电压和电源关断的低功耗技术对其进行物理设计实现.最终软件分析结果表明, 电压降和功耗满足设计要求.

针对嵌入式GPU tile缓存在线々性布局和Z型布局写回时①由于地址跨度大而导致cache频繁冲突缺失的问题, 设计了一种支持多级U型存储布局的tile缓存, 使像素数据写回的地址连续, 减少cache的冲突缺失, 提高cache命中率.实验结果表明, 当配置不同尺寸的tile缓存时, U型布局相█对于线性布局cache命中率提高4%~13%, 相对于Z型布局cache命中率提高1%~9%.

针对行为视频中相似动作类内差异大、类间差异小, 识别准确率不高的问题, 提出了一种基于双流卷积网络与双中心loss的行为识别方法.该方法首先构建双流卷积网络结构, 以C3Dnet模≡型作为双流结构的基础模型, 分别提取多尺度RGB视频帧中的表观短时运动信息和堆叠光流图中的长时运动信息; 然后将双流结构提取的深度信息经长短时记忆(LSTM)网络解析后进行特征融合; 最后, 利用基于双中心loss的2C-softmax目标函数, 来最大化类间距离和最小化类内距离, 从而实现相似动作的分类与识别.在数据集KTH上的实验结果表明, 该方法能够准确识别相似动作, 识别准确率可达98.2%, 具有很好的识别效果.