一种新的支持紧要时间通信的CSMA算法

提出一种支持广播信道上紧要时间报文传输的多路访问调度算法，在这种算法中，每个站点除实时钟外还配置一个虚时钟外还且虚时钟沿着等待报文最迟发送时间轴运转，从而实现了ＭＬＦ传输策略。     

一种基于时钟自适应的改进缓存替换算法

缓存算法在存储系统、数据库、Web服务器等计算机领域有很广泛的应用,缓存命中率是衡量缓存算法优劣的指标之一,对经典的缓存页面替代算法LRU、CLOCK、ARC和CAR进行了比较和分析,提出了一种基于时钟自适应的改进缓存替换算法——ICAR,它能更精确地对读请求的“频率”特性进行管理.实验结果表明,在几种典型的概率分布(例如随机分布、泊松分布和正态分布)的读请求进入缓存的情况下,ICAR在大部分情况下都比CAR和LRU算法有更高的缓存命中率.但是当缓存命中率相当高(高于80％)或者比较低(低于30％)的情况下,ICAR算法并不能总是表现出更好的性能,值得进一步研究.     

一种可见光图像增强算法的FPGA实现

该文介绍一种可见光图像增强算法的FPGA实现方法,该方法针对雾霾天气或低对比度天气等条件下图像灰度分布范围窄的问题,利用图像处理系统中FPGA组件实现图像增强。视频图像数据流通过专用的接口芯片转换后传输给FPGA,FPGA内部程序通过时钟控制、图像缓存完成灰度信息统计和图像灰度拉伸,同时,多模块并行处理数据完成图像数据采集和图像数据处理,实时实现图像的增强,达到雾霾天气条件下提升可见摄像机作用距离和目标识别能力的目的。     

基于老化算法的分布式文件缓存算法

为提升数据检索读的性能, 基于老化算法采取Cache方法, 通过设计合理的缓存结构, 给出一种新的分布式文件缓存算法. 该算法在缓存实现部分, 使用了LRU算法中常用的老化算法, 并将其由一个页面置换算法改进为一个文件缓存替换算法, 且在该过程中完好地继承了老化算法的优点. 评测结果显示了改进方法的有效性.     

RS码译码中错误图样检测电路的设计

该文在简述Ｂｅｒｌｅｋａｍｐ译码算法的基础上，设计了一种计算σ（ｘ）、Ｚ（ｘ）的实现电路，并给出了时钟控制过程。     

基于波长共享WDM PON媒质接入控制算法研究

对WDM光接入网的媒质接入控制协议进行了研究，基于前跳虚时钟算法和波长分配提出了一种新的WDM PON媒质接入控制算法，该算法不仅具有确定的时延保证和公平性，还能够充分利用剩余波长信道，提高了网络承载业务的能力。     

一种基于PLL的CBR业务时钟恢复算法与方案

提出了一种基于ＰＬＬ的时钟恢复新方案，该方案可以明显地降低由于信元延时拌动而造成的ＣＢＲ业务时钟的拌动和漂移，同时不增加缓存的容量。     

基于SDN具有缓存感知的NDN节点拥塞控制策略

命名数据网(nameddatanetworking,NDN)作为一种新型的互联网架构,旨在应对日益增长的数据流量．然而,随着用户需求进一步增长,拥塞控制对于多路径传输的命名数据网仍然是一个具有挑战性的问题,亟需一种能够快速地检测网络拥塞和有效地管理网络资源的拥塞控制机制．针对这一问题,提出了一种基于软件定义网络技术的、具有缓存感知功能的命名数据网节点拥塞控制策略,称BCMCC．首先,介绍了BCMCC的新型网络架构．利用软件定义网络控制平面与数据平面解耦合技术,该架构将拥塞控制功能集中于SDN控制器中,以实现集中式节点拥塞控制、降低节点运行负荷的目的．其次,基于新型网络架构,研究了BCMCC的缓存感知算法和多路径选择拥塞控制算法．其中,缓存感知算法实现了网络缓存内容的感知以及缓存内容全局流行度的计算,能够利用命名数据网的节点缓存特性,降低缓存内容对拥塞控制的影响;多路径选择拥塞控制算法协同节点更新转发端口信息以实现流量迁移、智能化管理多路径容量,达到提高网络资源利用率、有效避免和缓解网络拥塞的目的．最后,在ndnSIM仿真平台进行BCMCC的性能测试．实验结果表明,BCMCC在丢包量、网...     

电脑日历时钟及定时控制器

本文给出了在单片机的控制下ＭＣ１４６８１８日历时钟及控制器的一种使用方法，实现了掉电状态下的时钟运行，数据保存，和控制信息处理，体现了ＭＣ１４６８１８芯片在实时控制方面的优点。     

基于DSP的高速多光谱探测系统研究

为了实现高速获取多窄脉冲光谱分布数据信息,并抑制背景噪声及多光谱源之间相互干扰的问题,研究了一种基于DSP控制DMA高速采集干涉条纹并反演光谱的系统.设计了帧减降噪处理算法用于完成对窄脉冲光信号与背景光噪声的分离与提取,并通过3级兵乓缓存结构实现了该算法在高速DSP中的流水线作用.给出了系统硬件结构设计与DMA控制方式,分析了帧减降噪算法及兵乓缓存设计的实现方法.在CCS环境下仿真计算了帧减降噪算法条件下干涉条纹的输出变化,论证了该方法的可行性.实验采用555 nm、665 nm以及805 nm 3种窄脉冲激光同时入射系统进行光谱测试,数据采集由DSP5510控制DMA8237-5实现.结果显示,采用帧减降噪算法的光谱分布旁瓣抑制效果好,背景噪声基本消除,并且其处理速度比基于C++光谱分析软件的系统提高了3倍左右.由此可见,该设计具有高速多光谱同时探测的性能.     

分布式系统高精度时钟同步算法及其实现

时钟漂移与传输延时的不确定性是分布式系统时钟同步中一个不容忽视的问题，它直接影响同步精度．为此，充分考虑两者的影响，基于锁相环原理将PID调节与线性补偿相结合，提出了一种高精度时钟同步算法．采用RTLinux构建了具有时间触发机制的工业以太网实验平台，并在该平台上对所提出的同步算法进行实验研究，得到了网络延时参数的分布曲线和同步性能曲线等．结果表明，该同步算法有效地抵消了时钟漂移，抑制了网络延时的不确定性，获得了更高的时钟同步精度。     

Edge detection of range images using genetic neural networks

Due to the complexity and asymmetrical illumination, the images of object are difficult to be effectively segmented by some routine method. In this paper, a kind of edge detection method based on image features and genetic algorithms neural network for range images was proposed. Fully considering the essential difference between an edge point and a noise point, some characteristic parameters were extracted from range maps as the input nodes of the network in the algorithm. Firstly, a genetic neural network was designed and implemented. The neural network is trained by genetic algorithm, and then genetic neural network algorithm is combined with the virtue of global optimization of genetic algorithm and the virtue of parallel computation of neural network, so that this algorithm is of good global property. The experimental results show that this method can get much faster and more accurate detection results than the classical differential algorithm, and has better antinoise performance.     

一种新的遗传算法及其在变压器故障诊断中的应用

提出了一种新的遗传算法,其基本思想是:以网络权重和偏差的实数形式作为基因构成染色体向量,采用基因多点交叉和动态变异进行种群最优选择.研究结果表明,这种新的遗传算法是一种随机优化算法,克服了梯度下降法的不足,能够自动调节网络参数、网络的连接权重和偏差.在此基础上设计出一种基于遗传算法和溶解气体分析的变压器故障在线诊断系统.该系统只要将传感器测出的变压器中线圈电流、特征气体的含量作为输入参数,就能对信息进行融合分析,得到输入变量(线圈电流、溶解气体含量)与输出结果(故障类型、程度和部位)的复杂对应关系;能有效地减少输入层神经元的个数,改进网络内部结构,提高神经网络模型的学习效率和诊断的准确率,诊断精度高,漏报少,无误报现象.     

异构网络中基于门限和AHP的TOPSIS垂直切换算法

为提高异构网络系统吞吐量,减少乒乓效应,提出一种基于门限和层次分析法的切换算法(different threshold and AHP based TOPSIS vertical handoff algorithm,DTAT).DTAT算法考虑异构网络中的切换触发与切换判决两个方面.用户获得当前网络和目标网络的SINR(信干噪比)差值,根据该信干噪比差值与设定的切换触发门限的比较结果进行切换触发;利用层次分析法中的特征向量法来决定各个属性之间的权重关系,根据属性矩阵和权重向量,利用逼近理想值的排序方法(TOPSIS)得到用户当前网络与目标网络的判决值,选取最佳网络.仿真结果表明,DTAT算法能够根据各业务特点综合考虑各属性间关系,从而提高垂直切换的性能.     

基于混合混沌优化法的Hopfield网学习算法

提出了一个基于混合混沌优化法的Hopfield网学习算法。通过对Hopfield网权值不等式的处理,训练Hopfield网。利用混合混沌法的优点,即混沌的遍历性和禁忌搜索的“记忆性”和期望准则,有效地避免了局部最小解,克服了原Hopfield网学习的局限性,还能找到多个优化解。实验证明了该算法的有效性。     

材料非线性问题的遗传算法与神经网络耦合分析

基于遗传算法的全局最优化功能以及BP网络的非线性映射功能，提出了用于结构非线性分析的遗传算法与神经网络耦合分析方法。该方法是利用遗传算法的全局优化功能搜索BP网络各神经元之间的连接权值。以受内压的厚壁圆筒为数值算例，利用建立的遗传算法与神经网络的耦合分析方法进行弹塑性分析。计算结果表明该方法是有效的，具有较高的计算精度和计算效率。     

一种基于通用PC的局域网时间同步方法

拥有一个精准的时间同步机制是许多网络应用的前提。目前的时间同步技术主要分为基于外部时钟源和基于软件算法两种,但现有的时间同步方法实现较为复杂或部署成本较高。提出一种基于通用PC的局域网时间同步方法,以TSC寄存器取代系统时钟作为同步的时间源,通过客户机请求与服务器响应的方式进行时间同步,计算简单,开销较小。实验结果表明,该方法的同步精度较高,且可以在较长时间内保持,适用于对时间同步要求较高的应用场合。     

Incremental Placement-Based Clock Network Minimization Methodology

Power is the major challenge threatening the progress of very large scale integration （VLSI） technology development. In ultra-deep submicron VLSI designs, clock network size must be minimized to reduce power consumption, power supply noise, and the number of clock buffers which are vulnerable to process variations. Traditional design methodologies usually let the clock router independently undertake the clock network minimization. Since clock routing is based on register locations, register placement actually strongly influences the clock network size. This paper describes a clock network design methodology that optimizes register placement. For a given cell placement result, incremental modifications are performed based on the clock skew specifications by moving registers toward preferred locations that may reduce the clock network size. At the same time, the side-effects to logic cell placement, such as signal net wirelength and critical path delay, are controlled. Test results on benchmark circuits show that the methodology can considerably reduce clock network size with limited impact on signal net wirelength and critical path delay.     

基于样本修整和支持向量机算法的并网风电机组运行特性研究

针对并网风力机组运行时非线性、耦合性和大惯性的特点,提出了一种基于样本修整和支持向量机算法的系统辨识方法,并通过实例将该方法与单纯的支持向量机算法、BP(back propagation)神经网络算法进行比较.结果表明,样本修整后与修整前相比,训练速度和预测精度都有明显提高,基于样本修整和支持向量机算法的辨识方法具有明显的优越性.