123,123

頭條

基于FPGA的視頻處理硬件平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)

基于FPGA的視頻處理硬件平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)

為了滿足機(jī)載顯示器畫面顯示多元化的要求，提出了一種基于FPGA的視頻轉(zhuǎn)換與疊加技術(shù)，該技術(shù)以FPGA為核心，搭配解碼電路及信號(hào)轉(zhuǎn)換電路等外圍電路，可實(shí)現(xiàn)XGA與PAL模擬視頻信號(hào)轉(zhuǎn)換為RGB數(shù)字視頻信號(hào)，并且與數(shù)字圖像信號(hào)疊加顯示，具有很強(qiáng)的通用性和靈活性。實(shí)驗(yàn)結(jié)果表明，視頻轉(zhuǎn)換與疊加技術(shù)能夠滿足機(jī)載顯示器畫面顯示的穩(wěn)定可靠、高度集成等要求，具備較高的應(yīng)用價(jià)值。

多路圖像數(shù)據(jù)合成LCD顯示控制器設(shè)計(jì)

針對(duì)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(shè)計(jì)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(shí)際電路驗(yàn)證表明，該LCD顯示控制器可以實(shí)現(xiàn)多路圖像數(shù)據(jù)的輸入、合成、顯示，且性能良好、運(yùn)行穩(wěn)定，并具有一定的移植性和可擴(kuò)展性，可應(yīng)用于有特殊圖像處理要求的嵌入式系統(tǒng)中。

發(fā)表于：2015/12/16

OpenStack云環(huán)境下多節(jié)點(diǎn)塊存儲(chǔ)研究

基于OpenStack本身的塊存儲(chǔ)設(shè)計(jì)，在云計(jì)算平臺(tái)中實(shí)現(xiàn)了多節(jié)點(diǎn)塊存儲(chǔ)的iSCSI SAN配置，為虛擬機(jī)提供了跨網(wǎng)段、跨節(jié)點(diǎn)的獨(dú)立塊存儲(chǔ)服務(wù)，并在不同節(jié)點(diǎn)間、虛擬機(jī)上分別對(duì)其進(jìn)行測(cè)試，對(duì)學(xué)習(xí)和實(shí)際構(gòu)建云平臺(tái)中跨網(wǎng)段多節(jié)點(diǎn)的塊存儲(chǔ)服務(wù)有參考價(jià)值。

發(fā)表于：2015/12/15

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(shí)代的到來，K最近鄰（KNN）算法較高的計(jì)算復(fù)雜度的弊端日益凸顯。在深入研究了KNN算法的基礎(chǔ)上，結(jié)合MapReduce編程模型，利用其開源實(shí)現(xiàn)Hadoop，提出了一種基于MapReduce和分布式緩存機(jī)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(wù)，減少了TaskTracker與JobTracker之間的通信開銷，同時(shí)也避免了Mapper的中間結(jié)果在集群任務(wù)節(jié)點(diǎn)之間的通信開銷。通過在Hadoop集群上實(shí)驗(yàn)，驗(yàn)證了所提出的并行化KNN方案有著優(yōu)良的加速比和擴(kuò)展性。

發(fā)表于：2015/12/15

基于逐步回歸分析的話務(wù)預(yù)測(cè)研究

針對(duì)現(xiàn)有話務(wù)預(yù)測(cè)模型變量單一、預(yù)測(cè)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(shí)際需求，對(duì)話務(wù)數(shù)據(jù)進(jìn)行了抽取集成等預(yù)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(chǔ)上得到了多元逐步回歸的話務(wù)預(yù)測(cè)模型；最后將此建模方法與其他分析法進(jìn)行了綜合比較并給出評(píng)價(jià)。

發(fā)表于：2015/12/14

基于編碼驅(qū)動(dòng)的超聲波測(cè)深儀互相關(guān)算法研究

傳統(tǒng)的超聲波測(cè)深算法只能在較高信噪比環(huán)境下進(jìn)行有效測(cè)量，針對(duì)較深湖泊以及海洋深度測(cè)量中低信噪比特點(diǎn)，介紹了一種編碼驅(qū)動(dòng)的超聲波互相關(guān)測(cè)深算法。編碼互相關(guān)算法是一種有效估計(jì)渡越時(shí)間的方法。通過理論推導(dǎo)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(cè)深方面的優(yōu)勢(shì)，并在實(shí)驗(yàn)中驗(yàn)證了該算法的可行性。

發(fā)表于：2015/12/14

基于軟件規(guī)模的需求優(yōu)先級(jí)排序方法應(yīng)用

針對(duì)當(dāng)前流行排序算法中只基于某種算法對(duì)需求進(jìn)行排序而沒有考慮項(xiàng)目實(shí)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(jí)的兩種思路。定性分析中研究了基于KANO模型確定優(yōu)先級(jí)的方法，定量分析中以AHP算法為基礎(chǔ)，將價(jià)值、費(fèi)用、風(fēng)險(xiǎn)等多種屬性的影響量化到需求優(yōu)先級(jí)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(jí)的案例討論，驗(yàn)證了該需求優(yōu)先級(jí)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(jí)并分步實(shí)施的問題。

發(fā)表于：2015/12/14

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(diǎn)，使用機(jī)會(huì)通信擴(kuò)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(luò)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(dá)時(shí)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(shí)間較短。

發(fā)表于：2015/12/13

基于閾值的數(shù)字圖像去噪的算法研究

提出了一種基于閾值的數(shù)字圖像去噪算法。該算法根據(jù)椒鹽噪聲的特點(diǎn)，通過設(shè)置閾值，當(dāng)待處理像素點(diǎn)的灰度值與該點(diǎn)周圍像素點(diǎn)的均值的差小于閾值時(shí)，該像素點(diǎn)不作處理，否則就用該點(diǎn)周圍像素點(diǎn)的均值代替該點(diǎn)的值。同時(shí)，研究分析了圖像去噪最佳閾值與圖像的平均值、方差、熵以及復(fù)雜度之間的關(guān)系，以便為快速尋找最佳閾值提供理論根據(jù)。實(shí)驗(yàn)仿真表明，與其他去噪算法相比，該算法既能較好地去除噪聲，同時(shí)不會(huì)使圖像變得模糊。

發(fā)表于：2015/12/10

鋰電池革命悄然來襲會(huì)成為“新的石油”嗎

電池是一項(xiàng)歷史悠久的技術(shù)了，我們對(duì)于便攜式小型電池的需求也在逐漸增長著。電池不僅僅只是我們?nèi)粘Ｉ钪械男」ぞ?，更是能夠照亮我們整個(gè)世界的重要資源。我們的日常生活中離不開電池，電池正在扮演著越來越重要的角色。

發(fā)表于：2015/12/10

C程序的Verilog HDL實(shí)現(xiàn)

隨著電子信息技術(shù)的不斷發(fā)展，電子系統(tǒng)模塊化的設(shè)計(jì)思想已經(jīng)深入人心。因此，加強(qiáng)軟件和硬件模塊設(shè)計(jì)經(jīng)驗(yàn)的相互借鑒意義重大。針對(duì)這種情況，借助于有限狀態(tài)機(jī)理論，提出了一種將C程序轉(zhuǎn)化成Verilog HDL描述的具體方法。同時(shí)，詳細(xì)介紹了有限狀態(tài)機(jī)理論，分析了在利用有限狀態(tài)機(jī)進(jìn)行設(shè)計(jì)時(shí)應(yīng)該遵循的準(zhǔn)則，并給出了一個(gè)具體的轉(zhuǎn)化實(shí)例和最終的仿真結(jié)果。從仿真結(jié)果可以看出此方法是可行的。

發(fā)表于：2015/12/9