嵌入式Linux实时性分析及其改造

运用中断延迟的方法,测试了嵌入式Linux实时性,分析了Linux实时性弱的原因。提出了几种增强实时性的方法,介绍了在嵌入式Linux系统底层安装1个实时内核RTLinux法,即双内核法。并测试了RTLinux的实时性,发现其大为改观,改造后的嵌入式Linux系统可以满足强实时性系统的要求。     

非线性运算在DSP上的编程实现

DSP算法中经常包含着各种非线性运算,促使算法复杂性不断增加,成为实现复杂算法实时的瓶颈。文章较为完整地讨论了DSP中非线性运算的各种不同实现方法,并在原有泰勒级数法的基础上利用秦九韶算法思想改进了泰勒级数展开法,提出了傅里叶级数展开法等,对于DSP复杂算法设计有着重要的指导作用。     

一种新的基于HMIPv6的MAP选取策略

移动锚点（MAP）的选取在分级移动IPv6（HMIPv6）中极其重要。MAP选取的不合理会造成移动节点（MN）的服务延时增加,MAP负载过于集中等问题。在综合考虑MN运动特征的基础上,提出一种新的基于MN移动特征的MAP选择算法（MAP Selection algorithm,HMIPv6-MS）。仿真结果表明该算法能够根据MN的运动特征和当前的网络拓扑合理选取MAP,从而更有效地利用了网络的MAP资源,具有更好的实时性。     

基于深度学习的军事目标识别算法综述

目标识别作为深度学习中最受欢迎的领域之一，已广泛应用于民用的各个方面，如人脸识别、行人重识别、车牌识别、车辆识别等；而在军事应用领域，由于军事目标数据集较少，但识别要求精度高实时性强，所以还在发展阶段。本文首先阐述了基于深度学习的军事目标识别发展现状；然后介绍了六种目前主流的基于深度学习的军事目标识别算法（包括Mask R-CNN、GAN与深度森林、DRFCN、E-MobileNet、SSD300、YOLO）及相关网络结构、改进方法与实际应用；最后对主流方法进行总结，并探讨了未来的发展趋势。