可重构计算平台上软硬件任务划分与调度算法

软硬件任务划分和任务调度是保证任务集合在可重构计算平台上高效运行的重要技术。传统上软硬件任务划分与任务调度独立进行,划分方案和调度方案不一定匹配,加速效果难以保证。提出了一种将软硬件任务划分与任务调度相结合的算法。该算法综合考虑了任务的执行时间、任务间的通信开销、任务间的依赖关系以及计算资源间的并发关系,可以同时获得给定任务集的软硬件任务划分方案和任务调度方案,加速效果良好。算法开销与传统的任务调度算法相当,时间复杂度为O(V²log₂V+PVlog₂V)实验结果表明了该算法的可行性和有效性。     

粗粒度部分动态可重构的人脸检测

人脸检测系统应用在嵌入式环境中需满足多种约束,高计算密集性、控制密集性是实时实现困难的主要原因. 文中提出一种基于名为“REMUS-II”的粗粒度动态可重构架构的人脸检测系统,把层叠型AdaBoost检测算法划分成多个非连续子任务,通过邮箱通信调度、配置流和数据流优化方法来提高指令级并行度和任务级并行度.实验结果表明,检测分辨率为640£480 的图片可获得17 帧/s 的平均检测速度,正面人脸检测率保持在95% 以上.在TSMC 65 nm CMOS工艺、200 MHz工作频率下,REMUS-II 面积约为24 mm2,功率约为194 mW.     

可重构星球探测机器人的OpenGL仿真实验平台研究

采用基于Visual C 和OpenGL的建模和运动仿真方法，对可重构星球探测机器人系统的三维运动仿真实验平台进行了研究，建立了一个多机器人系统的仿真实验平台。开发的实验平台可用于探索和验证机器人系统的工作原理、工作空间、多机器人协调算法、重构方法、系统集成技术等。在该平台上进行了机器人的运动学仿真和协调运动研究，验证了该仿真平台的有效性和机器人系统体系结构的合理性。     

多移动机器人可重构物流系统建模方法

提出了可重构物流系统的一种新的定义,并在充分考虑移动机器人个体和群体的重构能力的前提下,提出了一种基于图论和谓词逻辑的多机器人可重构物流系统的建模方法。其中,移动机器人本体的结构调整被视为设备级重构,而移动机器人群体的组织以及之间协调策略的调整被视为系统级重构。针对各种工件运输任务,该建模方法有助于选择合适的移动机器人功能模块、或合适的移动机器人个体及相应的合作协调策略,从而实现可重构物流系统构型的迅速调整。     

基于实时Linux的开放式数控系统框架

在深入理解开放式数控系统国家标准的基础上，提出了一种基于实时Linux的开放式数控系统框架，该系统的软件由开放式CNC内核和数控功能模块组成．对数控功能模块进行了系统的划分和研究，给出了数控组件的工作流程及插补组件接口示例．用户可根据该框架，重构各功能模块，或自行开发所需要的功能，构成高速、高精度控制性能的开放式数控系统．     

基于运动学的可重构方法及其应用

基于可重构机床的特点，用矩阵描述的方法建立机床组成模块的运动学模型；给出选择机床模块的标准；根据机床的结构特点及功能要求，由所选择的模块生成机床的所有拓扑结构；结合所给出的方法分析了多功能选择性激光烧结机的设计．研究表明，采用可重构的方法设计选择性激光烧结机，可以节约设计费用及制造费用．     

基于可执行规格说明的维修机构建模与仿真

为分析维修机构的性能,采用基于赋时有色Petri网的可执行规格说明语言建立了维修机构模型。模型采用自顶而下逐层分解细化、组件重用和基于状态的Petri网建模方法,对维修机构进行维修资源分析,并对动态组成维修小组和维修过程的系统状态变化过程进行了详细描述,准确反映了维修机构的维修等待和资源竞争现象,同时将定量关系嵌入到描述模型中。通过模型执行,以动画显示系统状态的变化,分析系统性能。最后给出了一个建模与仿真实例。实例表明,基于可执行规格说明建模和仿真方法是研究维修机构运行的有效工具。     

可重构机械臂鲁棒模糊神经补偿控制仿真研究

基于精确模型计算力矩控制,考虑了可重构机械臂的动力学系统中存在的大量不确定性,提出了鲁棒模糊神经智能控制算法辨识补偿结构和非结构不确定性,给出了模糊神经网络的权值、隶属度函数参数以及综合误差的分立量估计Lyapunov稳定性在线调节律。通过Lyapunov稳定性理论证明了提出的RNF补偿算法的最终一致有界性,以RR(Revolute-revolute)和RRP(Revolute-revolute-prismatic)两种构形的可重构机械臂为例,通过仿真研究了算法对轨迹跟踪的有效性。     

基于改进欧几里德算法的可重构性逆元结构

基于欧几里德算法,提出了一种可重构的有限域GF(2k)(1相似文献   

一种并行结构的H.264帧内预测器

提出了一种基于可重构设计的并行结构的H.264帧内预测器.在分析17种帧内预测值求解算法的基础上,利用其运算上的相似性,将所有运算单元集中到一个运算单元中.该运算单元可根据预测模式的不同对输入的数据安排相应的运算模块及数据通路,从而达到资源的最优化利用.在实际应用中,为了达到适时解码,系统同时安排4个并行运算单元以提高处理能力.实验表明,在50.5 MHz时钟时,本结构可以适时处理720×480,30帧/s的图像.