基于坐标逻辑的形态图像处理器的硬件实现

在阐述坐标逻辑运算的基础上,论述了基于坐标逻辑形态学硬件实现的图像处理系统,该系统采用DSP FPGA的框架结构,利用FPGA的可重构特性将其中一片FPGA作为协处理器可以实现不同的图像处理功能,将坐标逻辑和传统形态学硬件实现的形态图像处理器在处理效果和速度两个方面作了比较,算法在FPGA芯片上的高速实现特征使数学形态学在图像实时处理领域的应用成为可能。     

一种静态RAM双帧存结构的图形系统及应用

针对高速图形显示系统的应用要求，设计了一种采用静态RAM的双帧存结构的高速图形显示系统，双帧存的逻辑控制和显示控制器由FPGA实现，基于该系统的双帧存结构，提出了一种实现图形叠加的新方法，该方法通过两幅图形数据分别写入不同帧存的方式，实现两幅图形的叠加．进一步提出了一种实现复杂图形分割成两部分分别生成显示的方法，该方法使图形处理器的图形处理性能加倍．     

基于Java的分布式测控系统任务调度研究

针对分布式测控系统动态任务调度算法,提出了一种任务迁移的方法。该方法基于Java的对象序列化机制、多线程机制、远程方法调用(remotemethodinvocation,RMI)技术,实现了将重载机上的任务迁移至轻载机上执行。任务迁移的成功使分布式测控系统动态任务调度算法顺利实现,从而有效地提高了系统效率,达到了负载均衡的目标。详细介绍了任务迁移的实现。     

一种象素级图形裁剪的FPGA实现方法

图形裁剪是计算机图形学的基本内容,现有的图形裁剪算法大多都针对基本的图形元素———直线进行裁剪,在此基础上,出现了大量研究多边形裁剪的算法.象素级图形裁剪以基本的图形元素———象素为单位,介绍了象素级图形裁剪算法的基本思想和实现过程,在研制的图形显示系统平台上,提出了一种采用FPGA硬件实现象素图形裁剪的新方法,它适合于任意窗口,具有通用性;同时,这种硬件实现的图形裁剪与纯软件实现的算法相比,在裁剪速度上具有明显的优势.     

一种改进的分布式系统任务名字解析机制

提出一种改进的分布式系统任务名字解析机制,有效解决了分布式系统应用级的位置透明性问题．提出了一种全局的、与位置无关的命名法一通用任务命名UTN(universal task naming),并且从任务的命名方法、任务的注册、任务的迁移和任务的访问等4个方面,对这种改进的分布式系统任务名字解析机制进行了论述．采用Java来实现分布式系统任务名字解析机制,并从任务的注册、迁移任务的名字更新、访问目的任务的定位3个方面给出了任务名字解析的具体实现过程和相关算法．     

基于Multi-agent的分布式系统负载平衡

为实现分布式系统的动态负载平衡,基于Multi—agent提出了一种新的分布式系统动态负载平衡算法．该算法采用接收者启动的策略,根据各主机的负载状态,在系统运行过程中利用移动Agent动态迁移任务．文中研究了主机负载状态,提出了负载状态指标：(LC,LM),该指标反映了分布式测控系统中各主机的异构性特点．文中还详细介绍了Agent的功能、结构及通信,并且通过实例对Agent通信及如何创建移动Agent进行了说明．将所提算法应用于分布式测控系统,结果表明,该算法能有效地减少网络传输、节省时间、提高系统效率和实现动态负载均衡．     

基于六模糊控制器的自适应遗传算法

为了提高遗传算法对满意解的搜索和优化能力，采用基于模糊逻辑的自适应控制策略，提出了一种符号编码的自适应遗传算法。该算法可自动均衡搜索和优化关系，采用6个模糊控制器实现对选择、交叉、变异操作的动态参数组合控制。试验和理论分析表明，六模糊控制器的组合控制方式可以综合两模糊控制器或三模糊控制器独立控制的性能。对旅行商(TSP：Traveling Salesman Problem)问题的求解结果表明：该算法在解决类似于TSP的组合优化问题时，具有比标准遗传算法更好的性能。     

机载全姿态指示仪的图形变换

针对机载显示系统中图形变换最为耗时的全姿态指示仪画面,提出一种新的算法. 该算法预测地平线各行的像素数,用水平线或竖直线作为扫描线进行填充,并在填充过程中实时计算地平线上各像素点的坐标,避免了建立地平线数组. 与原有算法相比,减少了存储空间和计算量,提高了全姿态指示仪画面的图形变换速度.     

一种改进的反向传播神经网络算法

在标准反向传播神经网络算法的基础上,提出了一种改进的反向传播神经网络算法.通过对每个处理单元增加3个参数来增强作用函数,且3个参数与连接权一样,在学习过程中进行实时更新.此算法提高了学习速度,且减少了进入局部最小点的可能性.通过XOR问题的仿真证明了改进算法的有效性.     

基于特殊二进制编码的自学习模糊遗传算法

为了提高自适应遗传算法(AGA:Adaptive Genetic Algorithm)的鲁棒性,并使之更有效地求解属于NP难类型的组合优化问题,提出了一种自学习模糊自适应遗传算法.该混合算法利用一个特殊二进编码标准GA在线学习AGA运行特性;通过强化学习方式自动设计和调整模糊知识系统,基于GA的自学习模糊技术可以获取AGA所需的优化模糊系统.仿真试验演示了采用所提出自动化方式设计的动态参数AGA系统及其自学习结果.试验结果表明,该算法可以用于解决类似于旅行商问题的组合优化问题.