123,123

基于STM32的大功率LED陣列高精度制冷控制系統(tǒng)[其他][其他]

LED結(jié)溫動(dòng)態(tài)嚴(yán)重影響其光學(xué)特性變化規(guī)律，針對(duì)大功率LED陣列散熱需求，利用半導(dǎo)體制冷器(Thermoelectric Cooler，TEC)設(shè)計(jì)一套制冷控制系統(tǒng)。開關(guān)電源易產(chǎn)生較強(qiáng)電磁干擾，設(shè)計(jì)具有快響應(yīng)時(shí)間、高穩(wěn)定度特點(diǎn)的可編程線性電源驅(qū)動(dòng)TEC穩(wěn)定工作。針對(duì)常規(guī)線性PID對(duì)具有非線性特征的TEC制冷控制系統(tǒng)存在快速性和超調(diào)量難以兼得的問題，于STM32嵌入式實(shí)現(xiàn)模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制，并用6×3 W大功率LED陣列進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果證明相比于常規(guī)線性PID控制，調(diào)節(jié)時(shí)間縮短，超調(diào)量減少，溫度波動(dòng)僅為±0.1 ℃，該系統(tǒng)在保持大功率LED陣列工作環(huán)境溫度穩(wěn)定的同時(shí)可提升其輸出光效。

發(fā)表于：2021/8/31 15:14:00

高吞吐率低時(shí)延圖像DCT處理器設(shè)計(jì)[其他][其他]

針對(duì)高分辨率、高幀率圖像實(shí)時(shí)壓縮問題，設(shè)計(jì)了一種應(yīng)用于高速圖像JPEG壓縮編碼系統(tǒng)的離散余弦變換(DCT)處理器。設(shè)計(jì)的DCT處理器基于Virtex-7系列FPGA，充分利用并行和流水線處理技術(shù)，采用基于蝶形流圖結(jié)構(gòu)的行列分解算法，實(shí)現(xiàn)了快速二維離散余弦變換(2D-DCT)。為了提高數(shù)據(jù)吞吐率，設(shè)計(jì)了雙核DCT處理單元，可同時(shí)處理16個(gè)像素，從整體上提高處理速度和降低時(shí)延。板級(jí)測(cè)試表明，高速圖像DCT處理器數(shù)據(jù)計(jì)算結(jié)果正確，在200 MHz系統(tǒng)時(shí)鐘下，吞吐率高達(dá)3 GB/s，此時(shí)平均每幀圖像處理時(shí)間不超過10 ms，實(shí)現(xiàn)了高速圖像的實(shí)時(shí)處理。

發(fā)表于：2021/8/31 15:09:00

一種面向智能網(wǎng)絡(luò)系統(tǒng)的自主計(jì)算能力分析方法[其他][其他]

目前各類智能網(wǎng)絡(luò)系統(tǒng)已被廣泛地應(yīng)用，但是由于節(jié)點(diǎn)眾多、外部環(huán)境復(fù)雜，自我管理具有很大挑戰(zhàn)。而自主計(jì)算系統(tǒng)(ACS)具有根據(jù)策略和目標(biāo)實(shí)現(xiàn)自主管理的能力，在復(fù)雜的智能網(wǎng)絡(luò)系統(tǒng)中具有廣闊的應(yīng)用前景。然而，目前自主計(jì)算的評(píng)價(jià)方法缺乏準(zhǔn)確的量化來評(píng)估ACS的自我管理水平。首先提出了基于PEPA(Performance Evaluation Process Algbra)的自主計(jì)算評(píng)價(jià)模型。然后，根據(jù)自主計(jì)算的核心思想(較少或無人干預(yù))提出了一種自我管理的評(píng)價(jià)指標(biāo)。此外，為了避免ACS的巨大規(guī)模導(dǎo)致傳統(tǒng)馬爾可夫鏈的狀態(tài)空間爆炸，采用連續(xù)狀態(tài)空間近似方法從PEPA模型中生成 ODEs(Ordinary Differential Equations)。實(shí)驗(yàn)結(jié)果表明，提高檢測(cè)成功率和self-*變遷速率對(duì)提高自主計(jì)算具有重要意義，為自主計(jì)算提供了一種評(píng)價(jià)方法，可以自動(dòng)測(cè)量自我管理的能力。

發(fā)表于：2021/8/31 15:01:00

具有固定長(zhǎng)度密文的廣播加密方案[其他][其他]

廣播加密方案可建立一對(duì)多的密態(tài)數(shù)據(jù)傳輸通道，消息發(fā)送者可在執(zhí)行加密操作前創(chuàng)建授權(quán)用戶集合，惟有授權(quán)用戶才能對(duì)接收到的廣播密態(tài)數(shù)據(jù)進(jìn)行解密。利用素?cái)?shù)階非對(duì)稱雙線性映射構(gòu)造了標(biāo)準(zhǔn)模型下靜態(tài)安全的公鑰廣播加密方案，密文擴(kuò)展量與用戶密鑰擴(kuò)展量為O(1)，公鑰擴(kuò)展量為O(N)(N表示廣播加密系統(tǒng)內(nèi)用戶總數(shù))。與之前相關(guān)方案相比，該方案能夠在簡(jiǎn)單的非交互式安全假設(shè)下取得標(biāo)準(zhǔn)模型下靜態(tài)安全性，并且取得最優(yōu)化的密文與用戶密鑰擴(kuò)展量。

發(fā)表于：2021/8/31 14:57:00

面向OSD語言檢測(cè)對(duì)照表的匹配定位算法[其他][其他]

OSD語言自動(dòng)化檢測(cè)系統(tǒng)需要將識(shí)別輸出與標(biāo)準(zhǔn)對(duì)照表進(jìn)行比對(duì)來確定最終結(jié)果，關(guān)鍵就在于能否實(shí)現(xiàn)精確匹配定位。因此，對(duì)經(jīng)典的單模式匹配BM算法和多模式匹配AC算法分析研究，結(jié)合Excel表的編碼方式和特點(diǎn)，提出了一種針對(duì)Excel表的精準(zhǔn)匹配定位算法。該算法利用Excel表成行成列的使用特點(diǎn)，將表格單列內(nèi)容以三行并一組方式組合，根據(jù)三行總字?jǐn)?shù)N和中間行字?jǐn)?shù)M進(jìn)行分類，利用單模式匹配方法進(jìn)行匹配定位。分析驗(yàn)證表明，該算法相對(duì)于BM算法、AC算法匹配次數(shù)更少，定位精確度更高。

發(fā)表于：2021/8/31 14:53:00

基于證據(jù)理論的特征值之比協(xié)作頻譜感知算法[其他][其他]

針對(duì)單節(jié)點(diǎn)頻譜感知容易受到多徑效應(yīng)、隱蔽終端、路徑損耗等因素影響，提出了一種基于證據(jù)理論的特征值之比協(xié)作頻譜感知算法。該算法以特征值之比檢測(cè)法作為本地感知結(jié)果，通過基礎(chǔ)概率分配(BPA)函數(shù)計(jì)算出可信度發(fā)送給融合中心，融合中心根據(jù)D-S證據(jù)理論融合規(guī)則進(jìn)行數(shù)據(jù)融合與判決。仿真結(jié)果表明,該算法對(duì)比于相關(guān)算法，在一定程度上抵抗惡意攻擊性能，具有較高的安全性，在低信噪比的環(huán)境下或者虛警概率高于0.6的環(huán)境下時(shí)，該算法的檢測(cè)概率更加突出，并且該算法還具有較高能效。

發(fā)表于：2021/8/31 14:48:00

基于單因素方差分析的密碼算法統(tǒng)計(jì)檢驗(yàn)[其他][其他]

在密碼學(xué)范疇中，隨機(jī)序列常作為密鑰、初始向量或算法參數(shù)使用。隨機(jī)序列的隨機(jī)性最終決定了整個(gè)密碼系統(tǒng)的安全性，因此在密碼技術(shù)中占有重要位置。對(duì)于良好的密碼算法產(chǎn)生的密文序列，應(yīng)無法通過統(tǒng)計(jì)學(xué)方法進(jìn)行區(qū)分。首先對(duì)7種經(jīng)典密碼算法生成的密文序列進(jìn)行NIST隨機(jī)性檢驗(yàn)，統(tǒng)計(jì)失敗次數(shù)；然后關(guān)于密碼算法進(jìn)行單因素方差分析，檢驗(yàn)結(jié)果在統(tǒng)計(jì)學(xué)上無顯著差異。此統(tǒng)計(jì)檢驗(yàn)可作為評(píng)價(jià)密碼算法好壞的指標(biāo)之一。

發(fā)表于：2021/8/31 14:43:00

基于無線通信的智能家居設(shè)計(jì)[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

隨著科技的迅速發(fā)展以及物聯(lián)網(wǎng)時(shí)代的到來，人們對(duì)居住的環(huán)境也有了更高要求，智能家居技術(shù)日新月異。提出一款結(jié)合STM32開發(fā)平臺(tái)和中國(guó)移動(dòng)云平臺(tái)的無線通信智能家居設(shè)計(jì)，相比傳統(tǒng)智能家居，本設(shè)計(jì)采用串口、Wi-Fi相結(jié)合的方式，擺脫了有線傳輸?shù)膹?fù)雜性，通過MATLAB對(duì)監(jiān)控到的數(shù)據(jù)采用歸一化算法分析，用戶可通過云平臺(tái)實(shí)時(shí)監(jiān)控傳感信息，實(shí)現(xiàn)對(duì)家庭設(shè)備的智能控制。

發(fā)表于：2021/8/31 14:37:00

基于平移窗運(yùn)動(dòng)想象腦電信號(hào)活動(dòng)段提取[其他][其他]

為了迅速、準(zhǔn)確地識(shí)別運(yùn)動(dòng)想象的腦電信號(hào)，提出了一種基于平移窗的運(yùn)動(dòng)想象腦電信號(hào)活動(dòng)段提取方法。該方法對(duì)運(yùn)動(dòng)想象腦電信號(hào)Mu/Beta節(jié)律的事件相關(guān)同步化/去同步化(ERS/ERD)特征進(jìn)行檢測(cè)，提取ERS/ERD特征明顯的時(shí)段；再利用統(tǒng)計(jì)量進(jìn)行特征提取，通過Classify分類器進(jìn)行信號(hào)分類。利用2003年BCI競(jìng)賽data set Ⅲ進(jìn)行測(cè)試，分類準(zhǔn)確率達(dá)到83.571 4%。該方法可以評(píng)價(jià)受試者的腦活動(dòng)狀態(tài)，提高運(yùn)動(dòng)想象腦電信號(hào)的識(shí)別準(zhǔn)確率，對(duì)腦-機(jī)接口實(shí)時(shí)控制系統(tǒng)的研究有一定的幫助。

發(fā)表于：2021/8/31 14:31:00

低噪聲低功耗3階復(fù)數(shù)濾波器的設(shè)計(jì)[其他][其他]

采用UMC 40 nm CMOS工藝，設(shè)計(jì)了一款低噪聲低功耗的3階復(fù)數(shù)濾波器。利用FLFB(Follow-the-Leader-Feedback)結(jié)構(gòu)良好的噪聲特性，并以勞斯-霍爾維茨穩(wěn)定性判據(jù)為理論依據(jù)，采用相位裕度僅為36.8°的運(yùn)放，達(dá)到低噪聲低功耗的優(yōu)化目的。仿真結(jié)果表明：濾波器的帶寬可調(diào)范圍為0.98～1.92 MHz，中心頻率0.68～1.34 MHz可調(diào)，通帶內(nèi)噪聲90.6 μV，無雜散動(dòng)態(tài)范圍73.7 dB，鏡像抑制比28.4 dB，此時(shí)總功耗為1.33 mW。

發(fā)表于：2021/8/31 14:26:00