IC卡预付费燃气表

介绍一种采用加密存储器和单片机的IC卡预付费燃气表的设计方案,讨论了设计工作中应注意的问题。     

基于可持续发展的IS—LM—SD模型

可持续发展是经济、社会和环境三者和谐发展的统一,不仅与一个国家的自然资源禀赋有关,而且与国家的财政、货币政策等制度安排有着内在的联系,表现为产品市场、货币市场和与社会、环境相关的特殊服务市场的均衡,因此,国家可以通过财政政策、货币政策的合理应用,实现社会、经济、生态环境的协调发展。通过把社会可持续发展曲线和环境可持续发展SE曲线合并成可持续发展SD曲线,纳入到IS—LM模型中去,得出了国家可以通过财政、货币政策调整SH影响经济发展,影响产品市场、货币市场和特殊服务品市场的均衡,实现经济、社会、生态环境的可持续发展的结论。     

系统理论中系统动力学方法论的困境、问题与未来——基于经典定性与定量方法的批判视角

系统动力学是政策实验室的一种重要方法论,是一种综合了定性、定量研究方法的交叉复杂大系统,却受到了经典定性与定量方法的批判。本研究在梳理经典定性学者和定量学者对其批判的内容基础上,使用了典范视角分析了系统动力学受到批评的原因,提出系统动力学方法要与其他方法融合、领域内学者要与其他学者合作、平衡学术与实务导向的建议。     

FAT16文件系统在单片机存储系统上的实现

在单片机存储系统中,需要植入文件系统来管理存储在存储设备上的文件。为了使单片机写入的文件能被Windows系列操作系统正确识别,引入了高效率并且应用广泛的文件系统——FAT16。以凌阳SPCE061A和SD卡为例论述了在单片机存储系统植入文件系统的方法。     

基于概率裁剪的球形译码算法

在适当的裁剪函数下,基于概率裁剪的球形译码(SPSD)算法能有效逼近最大似然检测(ML)算法性能,但其复杂度在低信噪比下较高。本文重点对SPSD算法的复杂度进行优化,并提出改进算法。改进算法利用迫零检测(ZF)解计算出初始半径,能有效降低球形译码的搜索范围,并优化裁剪函数,在几乎不损失性能的前提下,有效降低算法复杂度。仿真结果表明,在多输入多输出(MIMO)系统中,改进算法能够逼近SPSD算法的性能,并有效减少算法复杂度,能很好地达到检测算法性能和复杂度之间的折中。     

基于DSP的便携式数据采集器设计

针对工程需要,提出了一种基于DSP的便携式数据采集器系统方案,完成了硬件电路设计,给出了主要基础软件的设计思路.采集器以TMS320VC5509A DSP为核心处理器,可以实现模拟量、开关量信号的采集和处理,具有大容量长时间数据存储,并可通过USB总线接口将数据导入PC机等功能.     

不同井型煤炭项目环境效益的生态折现率仿真

针对煤炭投资项目的生态环境效益无法全面动态衡量的问题,基于全寿命周期理论(LCA)将煤炭项目生态全寿命周期(ELCA)分为四个阶段.并据此建立煤炭项目环境成本效益评价(ECBA)的系统动力学模型,运用Vensim仿真软件分析生态折现率对煤炭项目环境效果的影响特点.通过第1次仿真分析适合于煤炭建设项目特点的生态折现率取值范围,得出煤炭项目的(ECBA)不适合采用项目经济评价的基准收益率的结论.通过第2次仿真得出不同矿井类型(不同规模和服务年限)的生态折现率取值范围和取值特点.据此可以根据煤炭不同井型合理选择生态折现率,为煤炭投资项目生态环境效益评估提供有价值的参考.     

SD卡车载录像机专用操作控制电路设计

介绍了用于某SD卡车载录像机操作控制电路硬件和软件的设计,指出该设计基于高速低功耗MSP430单片机系统,减少了硬件电路的复杂程度,注意了所有与控制相关的输入、输出信号的完备性,考虑到了硬软件配合的简约化以减少成本,其软件程序借助定时中断既防止了漏键问题,也解决了主程序等待按键可能产生的CPU运行阻塞现象。     

Constrained voting extreme learning machine and its application

Extreme learning machine(ELM)has been proved to be an effective pattern classification and regression learning mechanism by researchers.However,its good performance is based on a large number of hidden layer nodes.With the increase of the nodes in the hidden layers,the computation cost is greatly increased.In this paper,we propose a novel algorithm,named constrained voting extreme learning machine(CV-ELM).Compared with the traditional ELM,the CV-ELM determines the input weight and bias based on the differences of between-class samples.At the same time,to improve the accuracy of the proposed method,the voting selection is introduced.The proposed method is evaluated on public benchmark datasets.The experimental results show that the proposed algorithm is superior to the original ELM algorithm.Further,we apply the CV-ELM to the classification of superheat degree(SD)state in the aluminum electrolysis industry,and the recognition accuracy rate reaches87.4%,and the experimental results demonstrate that the proposed method is more robust than the existing state-of-the-art identification methods.