短期电力负荷预测的模糊神经网络方法

针对短期电力负荷的复杂性和不确定性,提出一种应用模糊神经网络的短期电力负荷预测模型. 该模型具有神经网络的强有力学习能力. 由于利用了模糊理论处理非线性问题的能力以及从海量数据中抽取相似性的功能,因而弱化了神经网络对样本的依赖性,增强了外推性,可在一定程度上减少学习时间,并充分考虑气温变化对负荷的影响. 实验结果表明,该模型对短期负荷有较好的预测精度,具有实用价值.     

单芯片多处理器系统任务并行处理设计

根据单芯片多处理器的基本架构,围绕如何提高单芯片多处理器的性能,提出一种基于任务库的任务并行处理方法,给出了任务加载和调度策略,并用硬件予以实现.以4个基于51体系结构的MCU子处理器为单芯片多处理器架构,进行了任务分配调度实例验证.结果表明,提出的方法切实可行,能够提高单芯片多处理器的并行处理能力和工作效率.     

基于语义网络表示的皮肤症状模糊推理系统的研究

针对皮肤症状中的知识表示问题,讨论了语义网络的知识表示方法.并将模糊推理引入皮肤症状图像的分类识别中,给出了4种常见皮肤症状(黄褐斑、粉刺、黑头、雀斑)的语义网络表示,建立了识别的隶属度函数和基于语义网络表示的模糊推理算法,从而构建了一种皮肤症状模糊推理系统.实验结果表明,利用该推理系统得到的皮肤症状分类准确率达到了令人满意的效果.     

MCS-51中串行口IP的设计

该文介绍了一种串口的内部结构及其模块化实现，并结合具体工作方式给出了仿真结果，在文章的最后讨论了可综合的编程风格和在设计中遇到的问题及其解决方法．该文设计的串口IP已经结合其它IP做成了一个SOC系统，并成功地通过了FPGA的测试．     

控制器局域网位时序处理器的设计与实现

在控制器局域网（controller area network,CAN）总线通信中,位时序的处理关系到CAN能否正确地收发数据.基于总线标称位时间的周期结构及位同步的工作原理,提出CAN 2.0协议标称位时间的一种优化方法,即将传统的标称位时间由4个互不交叠的段简化成3个互不交叠的段,并在此基础上提出一种基于同步状态机的CAN总线位时序处理器的设计方法,提供可编程的时间段来补偿传播延迟时间和相位漂移,并对设计的电路进行仿真与验证.结果表明,相对于CAN协议规范标称位时间的4个互不交叠的段,减少了整个位时序处理过程使用的寄存器,简化了执行位同步的步骤,能更简便地处理CAN总线通信的位时序,实现了CAN总线协议中对位定时和位同步的控制,更好地优化了CAN网络的性能.     

基于训练方式的存储器时钟信号的自适应同步

存储器是现代电子系统的核心器件之一, 常用于满足不同层次的数据交换与存储需求. 然而频率提高、时钟抖动、相位漂移以及不合理的布局布线等因素, 都可能导致CPU对存储器访问稳定性的下降. 针对同步动态随机读写存储器(synchronous dynamic random access memory, SDRAM)接口的时钟信号提出了一种自适应同步的训练方法, 即利用可控延迟链使时钟相位按照训练模式偏移到最优相位, 从而保证了存储器访问的稳定性. 在芯片内部硬件上提供了一个可通过CPU控制的延迟电路, 用来调整SDRAM时钟信号的相位. 在系统软件上设计了训练程序, 并通过与延迟电路的配合来达到自适应同步的目的：当CPU访问存储器连续多次发生错误时, 系统抛出异常并自动进入训练模式. 该模式令CPU在SDRAM中写入测试数据并读回, 比对二者是否一致. 根据测试数据比对结果, 按训练模式调整延迟电路的延迟时间. 经过若干次迭代, 得到能正确访问存储器的延迟时间范围, 即“有效数据采样窗口”,取其中值即为SDRAM最优时钟相位偏移. 完成训练后对系统复位, 并采用新的时钟相位去访问存储器, 从而保证读写的稳定性. 仿真实验结果表明, 本方法能迅速而准确地捕捉到有效数据采样窗口的两个端点位置, 并以此计算出最佳的延迟单元数量, 从而实现提高访问外部SDRAM存储器稳定性的目的.     

基于支持向量机的皮肤显微图像识别

该文针对皮肤显微图像症状识别过程中样本采集困难、数量偏少的实际情况,在皮肤症状识别中引入了一种新的模式识别方法——支持向量机(Support Vector Machines,SVM)．该方法基于统计学习理论的原理,较好地解决了小样本的分类问题．文中采用“一对一”的策略解决多类别的SVM分类问题,使用留一法进行交叉验证,并比较了SVM与人工神经网络算法的识别结果．结果表明,SVM算法识别率高(89．35％),且速度快．根据该算法,建立了皮肤症状显微图像识别系统软件的原型．     

SPI总线用于双处理器通信的数据链路层设计及其实现

提出一种基于串行外设接口（serial peripheral interface,SPI）总线的双处理器间通信的数据链路层设计方法.该方法中的双向SPI总线具有占用引脚少(仅比SPI总线多一根线)、有完善的数据链路层协议控制的优点,能够保证数据透明地在双处理器之间进行传输.以一款带有显示单元的车身总线控制器为应用对象,采用ARM9和S12作为双处理器实现双向通信,并对这一通信方法的实现和应用情况进行描述.实验表明,采用该方法设计的协议比较完善,能够满足实际工程中的需求,对于其他SPI的应用也有很好的借鉴价值.     

基于混合梯度最小化的铅笔画生成

利用计算机模拟铅笔画生成的算法主要存在两个问题:其一是画面细节易丢失,边缘重点线条不够突出;二是笔画单一不能很好地展示原画中的层次信息.针对以上问题,提出了一种基于混合梯度最小化的铅笔画生成算法,通过结合L0梯度最小化和L1范数约束,既突出显示了图像边缘和重点线条,又不影响图像的整体锐度,同时可与原图像结构保持高度一致,充分展现了图像的层次性和丰富的细节信息.实验结果表明,本算法能够生成质量更高、真实感更强的的铅笔画效果,相比于已有的其他算法具有一定的优越性.     

基于多特征融合与树形结构代价聚合的立体匹配算法

针对立体匹配中弱纹理区域和深度不连续区域的匹配精度问题,提出了一种基于多特征融合的树形结构代价聚合立体匹配算法.首先,融合图像颜色、梯度和图像的Census变换进行匹配代价计算;然后,在由原始图像生成的最小生成树上进行匹配代价聚合,并使用多方向扫描线优化,进一步提升立体匹配的精确度;最后,使用左右一致性检测标记出误匹配点,并进行视差修正.为了验证该算法的有效性,使用Middlebury测试集提供的测试图像进行测试,平均误匹配率为6.38%;分别对2种场景实际拍摄图像进行深度信息提取误差率测试,测试得到2种场景的测距误差率分别为5.76%和5.55%,证明了该算法的实用性.