Crossbar输入排队调度算法的研究

研究高效易于硬件实现的队列调度算法的目的是为了提高交换系统吞吐率和降低延迟。在阐述输入排队、HOL阻塞、虚拟输出队列等概念的基础上,对MSM、PIM、RRM、iSLIP等调度算法进行了系统的比较,研究表明iSLIP算法是一种性能良好、实现简单的算法。     

支持多正则表达式匹配的硬件结构

针对多正则表达式匹配已经成为制约网络安全系统性能瓶颈的问题,提出一种硬件四级流水线的多正则表达式匹配结构。该结构对多条正则表达式统一处理,将正则表达式切割成字符串和循环控制,采用字符串匹配结构处理字符串,并设计专用硬件电路处理循环限制。实验表明,该硬件结构在Virtex2和Virtex4 FPGA上分别可以达到1.9和2.1Gb/s的匹配性能,与国外相关研究成果相比,消耗更少的存储空间,并支持更多的正则表达式。     

余热排出泵叶轮与导叶匹配的水力性能研究

为了分析叶轮与导叶匹配对余热排出泵水力性能的影响,根据泵的性能参数设计了两个叶轮和两个导叶组合的四种方案.通过外特性试验得到:叶轮与导叶的匹配对余热排出泵在小流量工况和大流量工况范围的性能影响较大,而对设计工况下的性能影响较小.采用ANSYS CFX 14.5软件对余热排出泵叶轮与导叶的四种匹配方案进行数值模拟并对比分析了内部流场,结果表明:在0.40~1.62倍设计工况范围内,数值计算得到的性能曲线与试验结果有较好的一致性;不同工况下,导叶和叶轮的内部速度分布相互影响.     

一种压缩感知中的改进的正则化牛顿算法

提出了一种新的压缩感知重构算法——正则化牛顿算法.该算法结合了牛顿法重建效果好和正则化正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)收敛速度快的优点.并且在此基础上,针对原有的正则化过程进行了改进.Madab仿真结果表明,文中提出的算法在重构精度上要高于正交匹配追踪(Orthogonal Matching Pursuit,OMP)和正则化正交匹配追踪(ROMP),而在迭代次数和重构时间上要低于牛顿法和正交匹配追踪(OMP).     

一定条件下图的拉普拉斯矩阵的谱半径

研究给定阶、边独立数和圈数的类树图的拉普拉斯矩阵谱半径的精确上界,确定达到上界的所有的图,从而推广树、单圈图和双圈图拉普拉斯矩阵谱半径的结论.     

基于改进模板匹配算法的靶标图像检测

针对现代靶场所面临的测量目标小、距离远、目标与背景对比度低的实际问题,提出了一种基于数字图像处理的靶标检测方法。该方法对传统的模板匹配方法进行了改进,能够在靶场测试仪器捕获的图像中,精确并快速地定位靶标十字的中心,从而实现武器装备动态、静态性能测试。     

基于投影直方图提取目标感兴趣区域的新方法

提出了一种基于灰度投影直方图获取单幅检测样品的目标感兴趣区域的方法,并利用鲁棒的图像匹配算法生成参考图像.首先,采用改进的灰度投影直方图法获得单幅图像的检测样品感兴趣区域,建立感兴趣区域提取模型;其次,利用基于形状的特征匹配算法学习样品图像,生成印刷品检测的参考图像,在此基础上,提出基于图像金字塔数据结构的分层匹配方法.实验结果表明,该方法能够在87 ms内获取首张图像样品感兴趣区域,并且图像匹配过程对图像之间存在的明暗程度、旋转变化等干扰具有良好的鲁棒性,匹配精度可达95%,匹配时间为152 ms,可快速准确地生成参考图像.     

改进的子空间匹配追踪导波信号识别方法

针对子空间匹配追踪计算复杂的缺点,提出一种改进的子空间匹配追踪（MSMP）方法.采用线调频小波函数作为匹配原子,选用微分进化算法（DEA）实现改进的子空间匹配追踪方法.利用29kHz t（0,1）导波对含缺陷的铝管进行检测实验,采用MSMP对检测信号进行匹配分解与重构.将匹配结果与基于微分进化算法的匹配追踪（MP）及基于t算子的进化规划算法（tEP）的正交匹配追踪（OMP）所得结果进行比较,并比较了基于DEA的MSMP和MP,基于tEP的OMP匹配所得参数.结果发现：重构所得信号质量明显提高,基于DEA的MSMP和MP方法匹配所得参数均能比较准确地反映缺陷位置以及激励信号的中心频率,基于DEA的MSMP匹配所得的参数更加准确且耗时更短,改进的方法可有效识别管道导波无损检测信号并定位缺陷.     

基于LabVIEW 的面部表情识别系统的设计

针对传统界面表现不清晰, 编程语句繁琐的问题, 基于LabVIEW 软件设计了系统的面部表情识别界面。对面部表情识别系统设计中的关键问题进行探讨, 利用Matlab, 应用离散小波理论算法进行表情图像特征提取, 并采用弹性模版匹配算法进行情绪识别。实验结果表明, 基于LabVIEW 的面部表情识别系统, 应用LabVIEW软件简单的语句设计了清晰互动的界面, 其识别率可达到85%以上。     

基于SIFT的UAV载组合宽角相机影像匹配方法

针对无人驾驶飞机UAV(Unmanned Aerial Vehicle)航空组合相机获取的大像幅影像旋偏角较大、 大尺度变化和颜色差异明显的问题, 提出基于极几何和单应约束的SIFT(Scale Invariant Feature Transform)特征多尺度LSM(Least Squares Matching)算法。该算法顶层金字塔影像采用SIFT快速匹配, 对匹配结果利用改进的RANSAC(Random Sample Consensus)算法计算影像间单应矩阵和基本矩阵; 对影像进行Harris特征提取, 根据极几何和单应约束采用双向一致性相关系数算法进行密集匹配; 通过更新单应矩阵, 设定阈值删除误匹配点; 对匹配的同名点进行最小二乘匹配获取子像素级精度。通过对具有较大旋偏角、 大尺度变化和颜色差异的3组实际航摄影像的试验对比表明, 与传统方法相比, 该算法具有较高的匹配成功率和较好的有效性。