多媒体数据压缩技术

简要地介绍了多媒体数据压缩技术,给出了数据压缩应遵循的原则,技术指标,常用编码方法及分类,基本原理与方法,同时介绍了声音及图像的压缩编码标准与方法,最后给出了压缩与解压缩的一个具体算法－－Huffman算法,并给出了其具体实现的例程。     

基于VMIC实时网络高速图像传输研究

红外成像导引头是精确制导武器中最关键的组成部分。在现代红外成像导引头半实物仿真项目中,高速实时图像对传输速率要求较高。目前广泛使用的VMIC实时网络在冗余传输模式下的传输速率不能满足要求。首先提出了双卡结构的实时网这种解决办法;同时针对空空导弹目标场景的稀疏性,提出了采用压缩、解压率较高的QuickLZ算法进行压缩后传输的办法。目前,提出的两种解决方案已经成功实测于某制导武器的红外成像导引头半实物仿真试验中。     

基于遗传算法的单向路网配时优化

为求取单向路网整体配时优化方案,实现路网排队长度最小,构造了路网排队长度模型作为评价函数。考虑到单向路网信号配时的整体性和相关性较强,计算复杂度较高,为降低计算的复杂度,采用遗传算法对路网排队长度模型进行计算,得到优化的配时方案。通过评价指标的对比,表明利用遗传算法进行最优值的计算可以取得很好的优化效果。     

Readers/Writers问题的拓展研究及其P/V操作的实现

阐述了操作系统中读者—写者这个经典进程同步问题,首次提出了该问题的三种算法分析,重点探讨了用P/V操作实现该问题中公平竞争算法的方法,并给出了相应的算法分析及其与读者优先算法和写者优先算法的比较。     

基于TMS320VC5409型DSP+XC3S400型FPGA的指纹识别及其采集系统

介绍了指纹识别技术的基本原理,提出了以TMS320VC5409型DSP和XC3S400型FPGA相结合的指纹识别和采集接口的设计实现方案,并采用滑动式指纹传感器完成了高质量的指纹采集工作,重点阐述了指纹识别算法的改进设计思路及硬件结构.该系统结构简单,可靠性强,操作方便,可广泛应用于需要指纹识别的各种场合,具有良好的性能价格比.     

基于信号到达时间的UWB定位算法

首先分析讨论了两种基于信号到达时间的超宽带定位方法--最小二乘法和DFP算法,最小二乘定位方法计算简单,但在存在测距误差的情况下定位精度较低;DFP算法的定位结果通常与初值有关,还易陷入局部最优点.因此,作者提出了基于遗传算法的UWB(超宽带)定位方法,通过与前两种算法进行仿真分析和比较,表明该方法能有效提高定位精度.     

立体仓库固定货架拣选路径优化的蚁群算法研究

本文详细分析了各类蚁群算法及其参数,将这些算法结合立体仓库固定货架拣选路径问题,选取出适合实际情况的算法模块;根据算法特性提出了根据迭代次数自适应调整q0参数和使用精英策略更新信息素两项优化等策略并通过仿真试验证实其优化性。在分析基础之上提出新蚁群算法的数学模型,通过大量仿真试验,得证新算法可以在较短的时间内找到较优的拣选路径,应用到实际操作中极大提高了立体仓库的使用效率。     

基于自适应遗传-粒子群优化算法的风电场微观选址优化

为了减小尾流效应对风电场发电量的影响,提高风能利用率,提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm, GA-PSO)。首先,以风电场单位发电成本为目标函数,风机坐标为优化变量,通过在优化变量的速度更新中加入惯性权重,以改变算法的寻优速度;其次,在WASP软件选址的基础上,对风电机组进行布局优化;进而,将计算结果与遗传算法(genetic algorithm, GA)、萤火虫算法(firefly algorithm, FA)和粒子群(particle swarm algorithm, PSO)优化算法进行对比。结果表明：运用PGOA算法优化后的风电场单位发电成本为2 016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。     

基于可变安全第一准则和交易约束的投资组合调整模型

结合证券市场的实际情况,通过加入最小交易单位及交易费用约束改进了基于可变安全第一准则的风险定义,将风险表示成为与投资者意愿和交易约束相关的一条曲线。提出了一个新的基于可变安全第一准则的具有一般交易费用函数的投资组合调整优化模型,并给出求解该模型的基于遗传算法和随机模拟的混合智能算法步骤。然后,结合现实中交易费用的实际情况,分别建立了具有线性交易费用和二次分段凹型交易费用的投资组合调整模型。最后,依据上海证券市场的实际数据,通过两个实例验证模型的可行性和有效性。     

基于改进蚁群算法的集装箱装卸顺序优化研究

为缩短船舶在港时间,提高码头的作业效率,应用改进蚁群算法对集装箱装卸顺序的组合优化问题进行求解。首先结合柔性作业车间调度理论与集装箱装卸过程中船舶和岸桥的实际情形,建立集装箱装卸顺序调度模型;然后针对基本蚁群算法易出现早熟现象和收敛速度慢等问题,通过动态的改变信息素的挥发度与信息素强度,同时按照改进的信息素更新策略更新各路径的信息素,从而跳出局部最优;最后运用C#.NET语言对基于改进蚁群算法的集装箱装卸顺序问题进行仿真与步骤分析,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,能够对集装箱装卸顺序优化,缩短作业时间。