80486极小指令集及其构造性证明

指令集是计算机系统结构的重要研究内容之一,众多学者对指令完全性进行了描述,但至今未见极小指令集的报道。在文中,寻找既具有基本功能,又无法由其它指令编程实现的计算机基本指令,研究计算机现有的最基本的计算行为。提出了指令的功能完全性和独立性概念,并在此基础上定义了极小指令集,这为计算机指令集的优化设计建立了理论基础。还从Intel 80486指令集中选定了一个子集I9,并构造性地证明了I9是IA-32处理器指令集的极小指令集。     

基于电力线和嵌入式技术的智能家居系统

本文针对智能家居系统的高成本的特点和架构的复杂性,将系统架构在电力线通信基础上。首先讨论了其发展前景,然后分析电力线作为智能家居系统的一些主要的优点和缺点,以及缺点的解决方案,再从系统的硬件架构和软件设置来详细设计基于电力线和嵌入式技术的智能家居系统。     

基于工作流技术的中心局作业建模与仿真

运用Petri网对邮区中心局生产作业工作流过程模型进行设计,在表达工作流和业务逻辑基础上,对工作流性能进行分析,同时采用面向流程的工作流技术对中心局作业进行仿真设计。旨在适应邮区中心局作业系统建模和分析过程中所提出的多种要求,去除现有中心局流程中冗余的作业环节,有效改善作业链的协同能力和协作水平。实验结果表明,试点二级中心局的时限提高20％左右,总包的逾限率、差错率和损失率减少60％以上,为中心局业务流程改进和成本评估提供了有效的技术支持。     

基于CWM的标准ETL的设计与实现

目前开发ETL(Etract Transform Load)系统过程中,最典型的问题就是元数据管理混乱,在分析ETL和元数据之间关系的基础上,提出了一种基于公共仓库模型开发的标准ETL系统设计思想,给出了该标准ETL系统的实现过程。将该方法应用于某医疗保险系统的ETL开发过程中,结果表明,与传统的ETL开发过程相比,该系统开发效率提高40%以上,系统具有良好的通用性和易集成性,解决了元数据管理混乱的问题。     

增强的主分量分类器

主分量分类器是在最大化样本投影代数和的前提下求解分类面法方向,并采用核方法解决线性不可分问题．它对所有真实世界样本(包括野值)的重视程度相同,且只考虑了一个野值．设计并实现了一类鲁棒性较主分量分类器更强的增强型主分量分类器,其中重点讨论了三种典型权设置下的分类器特性．分析和实验证实了增强的主分量分类器的抗野值、噪声性能以及学习和推广能力均优于主分量分类器．     

形式系统的语义完全性与语法完全性之间的一些关系

形式系统的完全性体现了形式系统的整体性能,它包括语义完全性和语法完全性两个方面,两者没有直接关系。通过强完全性概念研究两种完全性之间的关系,证明了以下结果:一个强完全的形式系统,若具有可靠性,则形式系统一定语义完全;若一个扩张系统是强完全的,则原系统一定强完全;若形式系统是古典完全的则必定强完全。     

基于FPGA的GPS信号采集及网络传输

基于NiosII软核处理器和Altera的FPGA芯片技术,以SOPC技术为实现手段,对GPS中频信号的采集和网络传输进行了研究与设计。用FPGA硬件逻辑资源实现了ADC的控制和数据量化,量化后的数据通过两个乒乓操作的双口RAM进行缓存。自定制双口RAM的读取组件,以实现信号采集模块与SOPC系统的对接。为了提高系统的工作效率,由DMA控制器完成数据的搬移。利用以太网控制器LAN91C111设计了基于NiosⅡ的以太网通信接口,实现了数据的网络传输。     

应用矩阵分解的阵列信号参数辨识

从矩阵分解的角度研究了均匀线阵信号参数的可辨识性问题. 在范得蒙结构约束条件下实现接收信号矩阵的唯一分解. 运用交换引理和范德蒙矩阵的结构性质,给出了均匀线阵信号参数的可辨识条件,并将参数的可辨识条件扩展到相关信源情况和多径传输情况. 从矩阵分解的角度得到的阵列信号参数的辨识条件给出了阵列信号参数估计算法有效的必要条件,阵列信号参数仅与接收天线的阵列流形和信号的结构有关,与具体的参数估计算法无关.     

商务SNS社区中人际搜索功能的设计与实现

以商务SNS社区为应用目标,以六度分割理论和最短路径优先算法为基础,提出并实现了人际搜索模型。     

平面阵列下的二维角度和频率联合估计

在均匀面阵列结构基础上提出一种二维角度和频率联合估计新方法. 对阵列天线输出的信号进行建模分析,表明阵列接收信号具有平行因子四线性模型特征. 利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出信源的参数. 该算法首先利用四线性交替最小二乘算法估计出方向矩阵和频率矩阵,然后利用频率矩阵的Vandermonde特征和方向矩阵的结构特点及最小二乘法计算频率和二维角度. 该方法无需谱峰搜索即可实现参数同时估计与配对,与现有的基于三线性分解的算法和ESPRIT算法相比具有更高的估计精度,而且在小样本数情况下也能较好地工作. 仿真结果验证了该方法的有效性.