123,123,123

基于KELM決策融合的語(yǔ)音情感識(shí)別[嵌入式技術(shù)][數(shù)據(jù)中心]

針對(duì)語(yǔ)音情感信號(hào)的復(fù)雜性和單一分類(lèi)器識(shí)別的局限性，提出一種核函數(shù)極限學(xué)習(xí)機(jī)（KELM）決策融合的方法用于語(yǔ)音情感識(shí)別。首先對(duì)語(yǔ)音信號(hào)提取不同的特征，并訓(xùn)練相應(yīng)的基分類(lèi)器，同時(shí)將輸出轉(zhuǎn)化為概率型輸出；然后利用測(cè)試集在基分類(lèi)器的輸出概率值計(jì)算自適應(yīng)動(dòng)態(tài)權(quán)值；最后對(duì)各基分類(lèi)器的輸出進(jìn)行線性加權(quán)融合得到最終的分類(lèi)結(jié)果。利用該方法對(duì)柏林語(yǔ)音庫(kù)中4種情感進(jìn)行識(shí)別，實(shí)驗(yàn)結(jié)果表明，提出的融合KELM方法優(yōu)于常用的單分類(lèi)器以及多分類(lèi)器融合方法，有效地提高了語(yǔ)音情感識(shí)別系統(tǒng)的性能。

發(fā)表于：2017/9/14 11:23:00

基于改進(jìn)的遺傳算法的MANET最優(yōu)路由生成方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為解決移動(dòng)自組織網(wǎng)絡(luò)的動(dòng)態(tài)負(fù)載均衡問(wèn)題，提出了一種基于遺傳算法的最優(yōu)路由生成方法。首先，將移動(dòng)自組織網(wǎng)絡(luò)中的節(jié)點(diǎn)集合看作一個(gè)種群，將各節(jié)點(diǎn)看作基因，將節(jié)點(diǎn)的排列組合看作染色體。然后，依據(jù)節(jié)點(diǎn)的能量和距離來(lái)構(gòu)建遺傳算法的適應(yīng)度函數(shù)，并結(jié)合記憶強(qiáng)化和精英移民機(jī)制解決移動(dòng)自組織網(wǎng)絡(luò)中的動(dòng)態(tài)負(fù)載均衡問(wèn)題。最終通過(guò)選擇、交叉和變異操作求解最優(yōu)路由。實(shí)驗(yàn)結(jié)果表明，該方法在保證高報(bào)文送達(dá)率和低端到端平均延時(shí)的前提下，可以大幅提高網(wǎng)絡(luò)的吞吐量。

發(fā)表于：2017/9/13 14:54:00

基于基元自相關(guān)圖和結(jié)構(gòu)元直方圖的圖像檢索[嵌入式技術(shù)][數(shù)據(jù)中心]

針對(duì)目前的基元自相關(guān)圖在表達(dá)圖像顏色特征時(shí)空間相關(guān)性不強(qiáng)、基于單一特征檢索時(shí)精度低的問(wèn)題，提出了一種改進(jìn)的基元自相關(guān)圖和結(jié)構(gòu)元直方圖的圖像檢索方法。首先，將彩色圖像非均勻的量化為63種顏色，并且對(duì)圖像進(jìn)行均勻分塊，同時(shí)采用子塊顏色代表值代替子塊內(nèi)每個(gè)像素點(diǎn)的顏色值；然后用定義的基元和結(jié)構(gòu)元分別統(tǒng)計(jì)每個(gè)子塊信息并提取圖像基元自相關(guān)圖和結(jié)構(gòu)元直方圖；最后綜合提取的兩個(gè)特征進(jìn)行相似性度量。實(shí)驗(yàn)結(jié)果表明，相較于以顏色自相關(guān)圖、基元自相關(guān)圖及基于結(jié)構(gòu)元的圖像檢索方法，該方法有效地提高了檢索的精準(zhǔn)率，改善了檢索結(jié)果的排序值，并具有很好的穩(wěn)定性。

發(fā)表于：2017/9/13 13:23:00

基于因子圖拉伸的SC-FDE聯(lián)合信道估計(jì)接收機(jī)[通信與網(wǎng)絡(luò)][其他]

提出了一種基于因子圖-消息傳遞算法的聯(lián)合信道估計(jì)單載波頻域均衡(SC-FDE)接收機(jī)。針對(duì)現(xiàn)有聯(lián)合信道估計(jì)接收機(jī)中存在的復(fù)雜度和性能之間的矛盾，利用因子圖拉伸方法對(duì)現(xiàn)有模型進(jìn)行拉伸變換。變換之后的因子圖模型可以將現(xiàn)有模型中的觀測(cè)節(jié)點(diǎn)分割為幾個(gè)節(jié)點(diǎn)的組合，并依據(jù)分割后節(jié)點(diǎn)的自身特點(diǎn)采用更合適的消息傳遞規(guī)則，進(jìn)而避免了各種消息傳遞規(guī)則的固有缺陷。仿真結(jié)果表明，相比已有聯(lián)合接收機(jī)算法，所提出的基于因子圖拉伸和聯(lián)合期望傳播-平均場(chǎng)(BP-MF)算法在提升性能的情況下能夠顯著降低復(fù)雜度。

發(fā)表于：2017/9/12 15:35:00

Massive MIMO系統(tǒng)中最大化能量效率研究[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

大規(guī)模MIMO(多輸入多輸出)技術(shù)可以通過(guò)增加基站天線數(shù)目來(lái)提高頻譜效率和能量效率，作為未來(lái)移動(dòng)通信物理層的關(guān)鍵技術(shù)。通過(guò)在小區(qū)中部署適宜的用戶數(shù)目K、最佳的基站天線數(shù)目M以及發(fā)送功率來(lái)最大化能量效率，使用ZF(迫零)對(duì)上行鏈路和下行鏈路進(jìn)行處理，并通過(guò)一個(gè)典型的MIMO功率消耗模型來(lái)揭示上述所提及的參數(shù)對(duì)能量效率的影響。仿真結(jié)果表明，隨著基站天線數(shù)目的增加，增大發(fā)送功率不僅能夠使系統(tǒng)服務(wù)更多的終端數(shù)，而且有助于提升整體的能量效率。

發(fā)表于：2017/9/12 15:07:00

基于綜合信任抵御SSDF攻擊的頻譜態(tài)勢(shì)融合方案[通信與網(wǎng)絡(luò)][信息安全]

分布式認(rèn)知無(wú)線電網(wǎng)絡(luò)中一般不存在收集所有用戶信息的融合中心，為了對(duì)抗頻譜感知過(guò)程中惡意次用戶發(fā)起的篡改頻譜感知數(shù)據(jù)(SSDF)攻擊，提出一種基于綜合信任的頻譜態(tài)勢(shì)融合算法。該算法通過(guò)評(píng)估次用戶間每次交互的滿意度得到節(jié)點(diǎn)的瞬時(shí)信任度，并通過(guò)一致性檢測(cè)，累積獲取各個(gè)節(jié)點(diǎn)所有鄰接次用戶的長(zhǎng)期信任度，結(jié)合二者得到動(dòng)態(tài)的綜合信任作為協(xié)作頻譜感知時(shí)次用戶間交互數(shù)據(jù)可靠性的主要參考指標(biāo)，遏制惡意用戶影響。理論分析與仿真結(jié)果表明，該方案在收斂性和穩(wěn)定性上優(yōu)于傳統(tǒng)合作頻譜感知算法，抵抗攻擊能力增強(qiáng)，頻譜檢測(cè)準(zhǔn)確率得到提升。

發(fā)表于：2017/9/8 15:29:00

基于FPGA的EtherCAT從站通信鏈路分析與驗(yàn)證[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

EtherCAT是工業(yè)控制領(lǐng)域廣泛應(yīng)用的現(xiàn)場(chǎng)總線之一，從站控制器ESC（EtherCAT Slave Controller）是從站模塊實(shí)現(xiàn)EtherCAT協(xié)議數(shù)據(jù)通信的關(guān)鍵，對(duì)從站控制芯片實(shí)現(xiàn)自主可控是工業(yè)控制系統(tǒng)國(guó)產(chǎn)化研發(fā)的重要基礎(chǔ)?；贓therCAT通信協(xié)議及基本通信功能邏輯，設(shè)計(jì)了EBUS編碼/解碼、Auto-forwarder、Loop-back function關(guān)鍵通信節(jié)點(diǎn)的FPGA狀態(tài)機(jī)，并通過(guò)解析各階段數(shù)據(jù)狀態(tài)變化，驗(yàn)證了各節(jié)點(diǎn)通信數(shù)據(jù)的正確性。實(shí)驗(yàn)結(jié)果表明，基于上述狀態(tài)機(jī)的FPGA實(shí)現(xiàn)EtherCAT從站基本通信鏈路是完全可行的。

發(fā)表于：2017/9/8 15:08:00

基于AFE4490的反射式脈搏血氧檢測(cè)系統(tǒng)[嵌入式技術(shù)][醫(yī)療電子]

因透射式血氧儀檢測(cè)范圍受限，根據(jù)反射式測(cè)量原理設(shè)計(jì)光電容積脈搏波探頭檢測(cè)模塊，并采用MSP430超低功耗單片機(jī)結(jié)合血氧模擬前端AFE4490實(shí)現(xiàn)對(duì)光電容積脈搏波的采集。由MSP430控制AFE4490實(shí)現(xiàn)雙波長(zhǎng)發(fā)光管交替發(fā)光、數(shù)據(jù)采集以及放大濾波，并采用數(shù)字信號(hào)處理技術(shù)進(jìn)行去噪工作。實(shí)驗(yàn)表明，所設(shè)計(jì)的反射式血氧檢測(cè)系統(tǒng)能有效地檢測(cè)指尖脈搏，處理得到的脈率和血氧參數(shù)誤差在3%以?xún)?nèi)。

發(fā)表于：2017/9/7 11:36:00

基于分區(qū)測(cè)試的翻轉(zhuǎn)故障注入方法研究[可編程邏輯][航空航天]

針對(duì)航空器中SRAM型FPGA的單粒子翻轉(zhuǎn)效應(yīng)故障注入研究越來(lái)越重要的趨勢(shì)，提出基于分區(qū)測(cè)試的翻轉(zhuǎn)故障注入方法。根據(jù)FPGA配置幀的結(jié)構(gòu)特點(diǎn)，對(duì)其進(jìn)行分區(qū)測(cè)試，分析配置存儲(chǔ)器中的敏感位，找到FPGA配置幀中最為敏感的區(qū)域?；趧?dòng)態(tài)可重構(gòu)技術(shù)設(shè)計(jì)了故障注入測(cè)試系統(tǒng)，并進(jìn)行了試驗(yàn)驗(yàn)證。測(cè)試結(jié)果表明，該方法具有較好的準(zhǔn)確率，且能夠大大提高翻轉(zhuǎn)故障注入測(cè)試的測(cè)試效率。

發(fā)表于：2017/9/7 11:24:00

電網(wǎng)GIS數(shù)據(jù)移動(dòng)采集終端設(shè)計(jì)方法研究[電源技術(shù)][智能電網(wǎng)]

針對(duì)電網(wǎng)資源數(shù)據(jù)采集需求，研制一個(gè)高精度、高效率，能夠自動(dòng)完成數(shù)據(jù)處理、匹配和檢查的一體化數(shù)據(jù)采集終端設(shè)備。該設(shè)備能夠規(guī)范數(shù)據(jù)來(lái)源、數(shù)據(jù)采集過(guò)程、數(shù)據(jù)采集結(jié)果處理方法，去除電網(wǎng)GIS數(shù)據(jù)內(nèi)業(yè)處理環(huán)節(jié)，降低電網(wǎng)GIS數(shù)據(jù)獲取的難度。同時(shí)，依據(jù)最小使用權(quán)限原則，制定涉及硬件、軟件、傳輸通道層面的采集終端信息安全保障方法，確保終端設(shè)備所存儲(chǔ)關(guān)鍵電網(wǎng)基礎(chǔ)設(shè)施地圖數(shù)據(jù)以及現(xiàn)場(chǎng)采集坐標(biāo)數(shù)據(jù)、照片數(shù)據(jù)、基礎(chǔ)臺(tái)賬數(shù)據(jù)的安全，有效降低移動(dòng)終端敏感數(shù)據(jù)外泄風(fēng)險(xiǎn)，保證電網(wǎng)GIS數(shù)據(jù)獲取的完整性、準(zhǔn)確性、及時(shí)性。

發(fā)表于：2017/9/6 14:17:00