一种基于通用DSP的快速余弦变换算法

在对传统快速DCT算法进行分析的基础上 ,充分考虑到通用DSP乘加速度相同等指令特点 ,并且结合DCT变换的性质 ,同时还考虑了对于通用DSP实现相当重要的存取操作的因素 ,提出了一种新的基于通用DSP的快速余弦变换 (FDCT)算法 ,以使总操作数最少。与传统快速DCT相比 ,速度有了明显的提高 ,并且易于实现。给出了该算法在数码相机中的实现结果     

冗余系统费用模型及优化

根据冗余设计的不同形式 ,在Tillman并联系统费用模型的基础上引入了系统功能指标 ,并将其推广至其它形式的冗余系统 ,从而得到了一个较为完整的冗余系统费用模型。在此基础上 ,建立了用于优化并串联冗余系统设计的非线性混合整数规划模型 ,分别使用了模式搜索与启发式算法的组合算法以及遗传算法对其进行求解 ,着重讨论了两种方法的实现关键及各自的优劣。最后 ,经计算比较 ,提出了遗传算法与模式搜索、启发式算法相结合的求解方法 ,并说明了该方法的有效性。     

调频步进雷达回波实时数字生成的一种新方法

突破宽带信号数字生成方法的框架 ,提出了基于波形存储和实时计算相结合的调频步进雷达回波高速实时数字生成新方法。基于某调频步进雷达系统的研究 ,提出的解决方案摆脱了传统的波形存储直读法和直接数字合成法的局限性 ,即不适应于变换参数的情况 (比如运动目标 ) ,成功地实现了运动多散射点目标回波的实时产生 ,证明方案可行。还对算法的数值稳定性进行了分析。     

一种基于BDD求解PIS的新方法

提出了基于双择判决有向图 (BinaryDecisionDigraph ,BDD)求解故障树的全部PIS的新方法 ,该方法将故障树转化为BDD ,通过反对称规律将故障树的BDD转化为对偶BDD ,再基于该对偶BDD用迭代算法实施第二次对偶运算 ,从而达到求原故障树全部质蕴涵集的目的     

非完整移动机器人的自适应滑模轨迹跟踪控制

针对动力学模型描述的非完整移动机器人系统，研究了其在未知参数和不确定性干扰下的轨迹跟踪控制问题，基于反演技术和自适应滑模控制的思想设计了具有全局渐近稳定的轨迹跟踪控制律。谊控制律将系统分解为低阶子系统来处理，利用中间虚拟控制量和部分Lyapunov函数简化了控制器设计，并具有直观的稳定性分析．满足了移动机器人的轨迹跟踪要求，且具有设计方法简单、鲁棒性强的特点。仿真结果验证了所设计控制器的有效性和正确性。     

一种基于小波树能量的嵌入式图像编码方法

在给出小波树能量概念的基础上,针对EZW算法的特点及缺点,提出了一种新的改进算法,该算法中设计了一种新的小波树编码的扫描次序方法和有效值映射表示方法,该算法克服EZW算法不能充分利用小波变换的特点,存在树间冗余的缺陷。仿真结果表明该算法比原算法在峰值信噪比上有较大提高。     

基于图示评审技术的风险投资组合模型

运用系统论和GERT网络理论的思想及其原理,揭示了组合中各项目之间的组合规律,提出了风险投资组合的串联、并联和混联这3种不同的组合模式,构建了其风险与周期评估的组合GERT网络模型,为更加深入地理解与正确客观地把握风险投资状态提供了算法模型和理论依据。     

Reed-Solomon码的符号级软判决译码算法

为了在译码性能和复杂度之间获得更好的折中,提出两种Reed-Solomon码的符号级软判决译码算法:一种将置信度排序译码集成到Chase译码的组合译码算法;另一种则采用逐级选择测试序列集的广义Chase-2译码算法。二者在一定的场合能够充分利用软判决信息。仿真结果表明,第一种算法在译码复杂度较低时,能够获得很好的综合性能;而第二种算法则具有很好的灵活性,且在译码复杂度可接受的范围内具有很好的综合性能。两种算法在一些场合中都能获得比目前其它一些常用的符号级软判决译码算法更好的综合性能。     

基于深度图象Warping的动态图形反走样算法

时间域上的动态图形反走样算法是提高序列画面图象播放质量的关键技术。由于该技术需在时间域上加密采样,因而其计算过程非常耗时。本文首先给出了一种新的深度图象ｗａｒｐ－ｉｎｇ算法,并用它来快速生成由于摄像机参数变化而产生的静态景物画面的细微变化,而运动景物画面则根据其深度值复合到相应时刻的静态景物画面中。利用这一技术,我们可快速地在相邻帧画面中间进行加密采样。而Ｇａｕｓｓ点优化采样策略则极大地提高了反走样算法的效率。理论和实验结果表明,本算法能高效地实现复杂场景图形的动态反走样,它不仅独立于场景复杂性,而且可根据画面质量要求来调整精度。     

STRONG CODING THEOREM AND ASYMPTOTICERROR EXPONENT OF ARBITRARILY VARYING SOURCE WITH A FIDELITY CRITERION

1.IntroductionLetXbeafiniteset.Adiscretememorylesssource(DMS)withsourcealphabetXisasequenceofi.i.drandomvariableswithsourcedistributionP={p(x):xEX}.LetYbeanotherfinitesetcalledreproductionalphabet,andd'XxY-- [0, co)beagivendistortionmeasure.ThedistortionbetweensequencesxEXandy6Yisdefinedasd(x,y)=n--1Z:=,d(x,,yi).AsubsetBgYiscalledasourcecode.Therateofthecodeisdefinedas.--ilogIBI.Inthispaper,alllogarithmsandexponentsaretakentobase2.ForxEX,defined(x,B)=minbneBd(x,b).Given…