高速铁路视频调用时延测试系统的设计与实现

设计了适用于高速铁路联调联试中视频调用时延的测试系统,应用于视频监控系统、安防系统和VOD系统等含有视频播放功能的调用时延.测试系统采用Windows Hook技术、统计直方图算法和数字图像处理技术,实现对视频调用窗口锁定,快速图像抓取、比较时延的准确计算.在联调联试过程中,可以将每一个测点的综合测试时间,由原来的超过120min缩短到15min以内.目前此系统已在20多条高速铁路的综合视频联调联试中应用,验证了系统的可行性和准确性.     

水稻高温感知及响应机制的研究进展

全球气候变暖威胁粮食安全,水稻极易受到高温的影响而减产。植物通过不同层面感知高温并激活下游的高温响应,包括膜流动性、蛋白质内稳态和活性氧内稳态平衡的改变等。水稻在不同的亚细胞结构(细胞膜、内质网、叶绿体)和不同的生理生化过程(核酸、蛋白质、代谢)上响应高温。自然位点在生产应用上更为便捷,其中TT1(Thermotolerance 1)、TT2、TT3是三个重要的水稻耐高温自然位点,并分别通过参与毒性蛋白清除、钙信号介导的蜡质代谢以及细胞膜-叶绿体信号转导调控水稻抗热,因此挖掘耐高温自然位点,解析作物高温感知及响应机制,为培育抗高温作物新品种提供理论基础,具有重要意义。     

基于位置的参与式感知服务

以共享为核心理念,探索一种新型的可扩展的LBS——基于位置的参与式感知服务(LBPSS),用于解决当前LBS系统POI更新缓慢、数据采集困难以及用户黏性小等问题。详细设计了LBPSS系统的架构,并分析LBPSS相比于LBS的优势及特点。针对LBPSS的具体实现问题,提出隐私保护、参与激励机制、数据可信验证、数据挖掘和数据可视化五项关键技术。LBPSS用户能够基于位置提供数据同时获取数据及服务,实现更多类型数据的采集与数据共享利用。最后结合ArcGIS Server和Android平台实现LBPSS在空气质量监控中的应用,验证LBPSS的可行性和有效性。     

用于3G网络监管的负载平衡方法及其稳定性分析

为了处理3G网络监管系统中产生的海量数据,该文提出一种负载平衡算法.在分布式动态负载平衡模型的基础上,采用负载选择分配策略设计了随机转移负载的时延模型,并给出了增益系数的取值.根据控制论的相关理论和方法对该算法进行稳定性分析,验证了本算法符合3G监管需求,并据此修正了多余负载转移的百分比公式.     

基于NSCT与压缩感知的红外影像融合

针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...     

线性啁啾光栅的特性分析及仿真

介绍了基于耦合模方程计算光纤光栅反射率和时延的方法,利用传输矩阵法分析了线性啁啾光栅的特性,应用该方法对不同啁啾量、不同折变量、不同长度、不同周期下线性啁啾光栅的反射谱和时延特性进行了数值仿真,得出了光栅参量对线性啁啾光栅特性的影响规律。该理论的研究为以后制作和应用线性啁啾光栅提供一定的参考。     

一种基于AODV协议的改进协议EAODV

AODV路由协议是Ad Hoc网络中使用距离矢量的按需路由协议.本文在分析了AODV路由协议工作过程的基础上,提出了改进的AODV协议--EAODV,并在OPNET平台进行了仿真实验和分析.仿真结果表明,EAODV路由协议有效地增加了Ad Hoc网络的吞吐率并降低了时延,从而有效地提高了网络性能.     

采用压缩感知和GM(1,1)的无线传感器网络异常检测方法

针对当前无线传感器网络(WSNs)异常检测算法的检测准确率较低同时影响网络能耗均衡的问题,提出了一种基于改进压缩感知(CS)重构算法和智能优化GM(1,1)的WSNs异常检测方法。首先,通过建立双层异质WSNs异常检测模型,并采用压缩感知技术对上层观测节点收集到的下层检测节点温度测量数据进行处理,同时结合温度数据稀疏度未知特点,构造有效的稀疏矩阵和测量矩阵,并重新定义测量矩阵正交变换预处理策略,使得CS观测字典满足约束等距(RIP)条件;其次,重新定义了离散蜘蛛编码方式,蜘蛛种群不断协同进化,以获得稀疏结果中非零元素的位置信息,利用最小二乘法得到非零元素的幅度信息,实现了对未知数量检测节点数据的精确重构。在此基础上可以由蜘蛛种群迭代进化得到优化后GM(1,1)的参数序列,通过检测参数序列的相关阈值来判定节点是否发生异常。实验仿真结果表明,与OMP-IGM等异常检测方法相比,该方法的异常检测准确率提高了约7%~33%,网络能耗降低了约18%~43%。     

新神经网络结构及其在数码语音识别中的应用

为了提高人工神经网络处理动态信号能力 ,在时延神经网络 ( TDNN )和卷积神经网络 ( CNN)的基础上 ,针对孤立音节的特点 ,提出了一个新的网络结构 ,研究了其学习算法。新网络在进一步改进后用于汉语孤立数码语音识别 ,对特定人和非特定人任务 ,分别达到了 97.7%和 95 .6%的正确识别率 (无拒识 ) ,其性能远远高于多层前向感知机( ML P)和时延神经网络 ,与传统的隐马尔科夫模型 ( HMM)方法是可以相比的。     

方向提升小波变换域稀疏滤波的自然图像贝叶斯压缩感知

针对压缩感知(CS)重构算法在实际应用中自然图像的小波变换系数往往无法稀疏的问题,提出了一种方向提升小波变换(DLWT)域稀疏滤波的自然图像贝叶斯压缩感知算法(DLWT-SFTSW-BCS)。首先对自然图像进行方向提升小波变换得到小波变换系数;然后在随机测量之前利用稀疏滤波切除小系数,消除了小系数对大系数重构时的混叠干扰;最后结合小波树结构的贝叶斯压缩感知重构算法得到自然图像的重构图像。实验结果表明,与仅利用尺度间相关性的小波树结构的压缩感知重构算法相比,DLWT-SF-TSW-BCS算法的重构峰值信噪比最大可提高10dB。