基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

二维离散小波变换低存储结构设计

针对二维9/7离散小波变换硬件架构中数据缓存需求高的问题,提出了一种基于提升算法的低存储架构。通过调整提升算法数据计算顺序,设计了一种动态计算二维小波变换的新型迭代分步计算方法。根据行、列变换的不同,对其分别做一维变换架构设计,其中行滤波器结构通过将输入数据进行三序列分裂,有效减少了寄存器数;列滤波器结构通过单行输入处理消除转置存储器,同时实现了乘法器和加法器的复用。整体二维变换采用并行和流水线混合架构设计,关键路径延时减小到一个乘法器延迟。实验结果表明,对于1 024像素×1 024像素的图像,与其他提升结构相比,本结构片上内存使用减少了11.1%,硬件效率提高了8.2%以上;与基于卷积的迭代计算方法相比,计算周期减少为现有结构的1/9。在型号为Xilinx Kintex7 XC7K325T的现场可编程逻辑门阵列上实现,吞吐率达到460 MB/s,且具有明显的硬件资源优势。     

声学黑洞研究进展与应用

声学黑洞结构作为一种新型的弯曲波调控技术,可以有效地降低结构中弯曲波的传播速度,减小边界末端的反射,形成具有高能量密度的区域,因此在减振、降噪、波动调控以及能量回收等方面具有广阔的应用前景.不同于以往复杂的减振降噪复合结构,声学黑洞因其结构与材料单一,在实际应用方面具有一定的优势.时至今日,针对声学黑洞结构已经进行了大量的基础理论研究和实验探索,并取得了一定的阶段性研究成果.本文首先介绍了声学黑洞的起源和基本原理.然后,全面介绍了理论计算和实验研究方法,详细地综述了声学黑洞结构的4个主要功能性分类,即减振、降噪、波动调控和能量回收,并总结了现在研究存在的问题.最后,对声学黑洞的发展前景进行展望,并指出了未来研究的重点和方向.     

基于主成分分析的叶片温度分布一致性研究

采用特征向量比对的方式进行研究.通过对叶片温度数据时域和频域空间特征提取,获得能够体现叶片温度分布信息的特征向量,并采用主成分分析(PCA)对特征向量进行去相关和降维,进而得到包含绝大部分叶片温度分布信息的低维特征向量.根据叶片温度特征向量与基准特征向量间的对比,评估叶片温度分布情况的一致性.实验结果表明,叶片的特征偏差均在5%以下,偏差较大的叶片数量占总量的5. 8%,该研究成果可以用于从温度特征上反映叶片工作状态,为叶片故障诊断及寿命预测提供基础.     

自校正滤波有源噪声控制算法

滤波-x最小均方（Filtered-x Least Mean Square,FxLMS）算法是前馈有源噪声控制系统中应用最广的算法，但滤波器阶数选择和运算量是制约其在多通道系统中应用的重要因素.引入一种自校正自适应算法，通过串联多个低阶滤波器以简化滤波器阶数选择并降低计算复杂度.在有源降噪耳机实例中的对比结果表明，该算法能在计算量较小的情况下获得与FxLMS算法相当的降噪性能.     

基于小波双立方插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理，最大限度恢复原图像。本文提出了一种基于小波双立方配比插值的贝塞尔拟合图像边缘特征复原的新算法，在初始图像降质处理基础上通过小波双立方配比插值（Wavelet Bi-cubic）、双三次插值法得到融合样本图像，并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合，最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理，保留原始灰度色彩复原图像。实验对这三种方法的轮廓复原图像与原始清晰图像进行对比，由具体参数（PSNR、SSIM、FSIM以及运算时间TOC等）说明验证。实验结果表明，经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好，且明显缩短运算时间。     

基于矩阵互相关性的框架界估计

在实际应用中,框架界的比值是滤波器设计的一个非常重要的参数,它关系着整个系统的最终性能.一般来说,框架界的比值越小,系统的性能越好.对给定框架的框架界进行估计以确定该框架的性能是一项重要的工作.对于有限维序列空间中的框架{a_1,a_2,…,a_n},常常将该框架转化为一个矩阵,即把a_1,a_2,…,a_n作为该矩阵的列向量.本文利用矩阵的互相关性,首先对序列空间中一般框架的框架界作了相关讨论.然后利用相同的方法又在周期向量空间中研究了平移框架的框架界.     

基于小波分析对地面电场信号的去噪及闪电信息提取

基于小波分析方法,通过对7种小波函数在误差控制和阈值方法选取上的对比,参考信噪比及均方误差等计算结果,选取了较为合理的Rigrsure阈值分析方法和sym5小波函数作为地面大气电场信号的去噪处理方法.该方法不仅能够较好地对电场信号波形平滑处理,降低电场波形中噪声信号的叠加度,还可保留闪电引起的电场的快速变化.在此基础上,利用差分计算方法实现了对闪电信号的自动识别,引入了总闪电频数误差及分时段闪电频数与人工分析结果的相关系数等2个参考量来选取差分计算方法中电场差分阈值,通过该方法可以实现闪电频数和极性等有关信息的提取.     

基于提升小波变换和离散余弦变换的彩色图像水印算法

针对一些图像水印算法不可见性与鲁棒性不易平衡的问题,提出一种基于提升小波变换和离散余弦变换相结合的水印算法。首先提取载体图像的边缘特征构造二值水印图像,并使用Arnold变换和Logistic混沌映射对水印图像进行加密。然后,将RGB图像转到YCuCv空间,对Cv通道进行提升小波变换(LWT)和分块离散余弦变换(DCT)。最后将加密的水印嵌入每个DCT变换块的低频系数中。实验结果表明,嵌入水印的图像峰值信噪比(PSNR)值均高于43 dB,进行各种常见攻击后归一化相关系数(NC)值接近1。因此,所提出的方案具有较好的水印不可见性,同时对不同的攻击具有较强的鲁棒性。