嵌入式系统应用基础课的实践与探索

嵌入式系统是一门实践性很强的课程,所涉及的内容非常多。为了使学生能快速地掌握ARM的应用与设计,缩小教与学之间的距离,针对目前课堂教学及相应实验教学中存在的问题,以电子科学与技术专业为试点,对该课程的授课方式进行了改革实践。将理论教学课与实验教学课相结合,增加一些有实际应用背景的或研究性实验,有效地提高了学生对嵌入式系统的学习兴趣,以及动手实践能力,取得了较好的预期效果。     

基于改进DMAS的平面波超声成像算法及其GPU实现

针对基于DMAS波束合成的平面波超声成像算法的图像对比信噪比偏低及算法复杂度大,无法实现实时成像的问题,提出了一种具有较高成像质量和较小计算复杂度的平面波超声成像算法DSBMGCF(delay sum before multiply and generalized coherence factor),借助FieldII仿真工具在Matlab上进行点目标和囊肿目标的仿真实验,验证了该算法的成像质量.同时,对所提出的新算法进行了并行化研究和改进,得到了一种适合在GPU上并行实现的平面波超声成像并行算法PDMASGCF(parallel delay multiply and sum generalized coherence factor),并在实验室戴尔T7810普通工作站上进行了平面波超声成像时间和质量的验证实验,获得了较高的成像帧频,并保证了较好的成像性能.     

无线传感器网络中移动节点的分布优化问题

为了降低无线传感器网络的总体能耗,保证信息的有效采集,针对无线传感器网络节点的分布优化问题进行了研究.给出了无线传感器网络覆盖控制模型的精确数学定义,并利用节点的移动性,提出了一种基于遗传算法的分布优化机制.仿真结果表明,该方法能够在目标区域内以相对较小的代价完成传感器网络节点的分布优化,降低网络的能耗,提高网络的整体覆盖率.     

基于RSSI的多维定标迭代定位算法

定位是无线传感器网络的重要问题.针对基于经典多维定标的MDS-MAP算法在定位精度与矩阵计算复杂度方面的不足,提出了RSSI-GA算法,在多维标度技术中直接根据无线信号强度值组成相异性矩阵,从分析个体间的相异性和各节点的距离的几何约束关系入手,建立以未知节点位置为参数的优化数学模型,使用遗传算法求解此模型从而直接计算出节点坐标.仿真结果表明,本算法大大降低计算开销,能有效提高定位精度.     

浅谈ARM7嵌入式系统的实验教学

ARM内核处理器方法广泛的应用,同时该门课程又是一门综合性很强的课程。该文以ARM7系列的AT91M55800A板作为嵌入式开发实验平台,介绍了在实验内容安排、实验教学指导等方面的作法,探索嵌入式技术实验教学的新思路,提高了实验教学效果和质量。     

基于加权因子的双重延时乘累加波束形成算法

针对超声成像中双重延时乘累加算法不适用于高噪声环境的问题,提出一种基于均值-标准差加权因子的双重延时乘累加算法,即RD-DMAS算法.该加权因子对解决高噪声带来的图像斑点问题具有显著效果,而双重延时乘累加波束形成算法能大幅提高超声成像分辨率,使所提算法能得到高分辨率和高对比度的重建图像.对该算法在点散射目标仿体、囊肿仿体和噪声环境下进行了仿真,结果表明,RD-DMAS算法有最小旁瓣以及较窄的主瓣.DAS,DMAS,DS-DMAS,RD-DMAS算法的对比度(CR)分别为9.72,11.72,13.28和19.86.不管环境中是否有噪声,RD-DMAS算法的成像效果都是最好的.     

基于PDChirp-Golay信号的编码激励算法

线性调频信号编码激励超声成像算法旁瓣过高，针对这个问题，提出一种基于幅度加权的预失真线性调频信号调制Golay码(PDChirp-Golay)编码新方法.该方法将线性调频发射信号采用预失真处理，可以补偿超声探头对发射信号的影响，使回波信号的带宽增大，提高轴向分辨力，并同时消除发射信号幅频特性的菲涅耳波纹，实现旁瓣抑制;之后使用预失真处理的线性调频发射信号调制Golay码.Golay码理论上距离旁瓣水平为零，可以利用Golay码这一特点进一步进行旁瓣抑制.仿真结果表明，相较于单独的预失真线性调频信号与Golay码，预失真Chirp信号调制的Golay码提高了轴向分辨力和对比度，并且具有很好的抗噪性，为实现高质量的超声成像系统提供了理论依据.     

医疗超声成像自适应波束形成算法

针对传统医疗超声最小方差自适应波束形成算法的稳健性差、图像对比度提高有限、算法复杂度高等缺点,在基于QR分解的最小方差(QRMV)波束形成的基础上,引入了符号相干系数,提出了一种基于QR分解的最小方差与符号相干系数融合的自适应波束形成算法.仿真结果表明:该算法分辨率、对比度都优于传统的延时叠加、最小方差及基于QR分解的最小方差算法,表现出和最小方差与符号相干系数融合(SFMV)算法非常接近的性能,但运算复杂度却远低于它.