基于TMS320DM6446的H.264编码器实现与优化

为实现DSP平台下的视频信号压缩处理,研究了H.264视频编码标准的性能和技术特点.选用TMS320DM6446作为信号处理器,给出系统的硬件设计方案.简单分析了H.264几种开源软件,描述了X264缡码器向TMS320DM6446平台的移植过程和优化方法,并重点研究改进算法结构和使用汇编指令优化的方法.实验结果表明,优化后的编码器在保证了较高图像质量的前提下,编码效率得到明显提高.     

便携式GPS接收机设计

提出一种基于EM411 GPS接收模块和PIC18F2520单片机的手持式GPS接收机设计方案.该方案具有电路简单、成本低、灵敏度高等优点,并可将接收的数据以FAT文件格式保存到SD卡中,通过SD卡将GPS数据导入电子地图,便于野外作业和户外运动使用.     

基于嵌入式Web服务器的智能家居主控制系统

首先依据智能家居系统的核心指挥系统-Web服务器的工作原理及技术要求,设计以ARM92oT为主控制器的智能家居系统.然后在该系统硬件基础上根据智能家居系统客户的需要定制WINCE系统内核,设计嵌入式Web服务器,实现局域网内的网络和串口通信.实验结果表明:该系统能够达到客户进行网络和串口通信的要求.     

中国科学院合肥固体物理研究所内耗与固体缺陷实验室

中国科学院最近选择了部分有一定学术水平和装备条件的实验室、研究所向国内外开放,中国科学院固体物理研究所（合肥）（以下简称固体物理研究所）的内耗与固体缺陷实验室是其中之一．中国科学院已任命中国科学院数理学部委员、固体物理研究所所长、一级研究员葛庭燧同志为该实验室的主任（任期三年）．实验室的研究方向是研究在可以得到的全部频率范围内（从极低频到超高频）的固体振动吸收能谱或声吸收谱或内耗谱,从而了解?...     

非谐环盘及变幅杆组成的变幅器动力学特性研究

为了解决齿轮超声加工振动系统的设计问题,将齿轮简化为环盘,根据环盘及变幅杆的力耦合条件、边界条件及动力学方程,推导了非谐环盘及变幅杆组成的变幅器的频率方程,并利用其设计了变幅器,实验证明:变幅器的谐振频率与理论设计结果基本一致。该理论方法使变幅器由全谐振设计拓展到非谐振设计。     

关于δ（t）函数宽度如何定义的探讨

(t)函数是信号与系统中一个极为重要的一个函数,广泛应用于通信系统中[1]。人们对此的定义,是因为理论的需要,实际不存在于实际工程中。在目前关于函数的具体定义中,就产生了一个巨大的模糊点,从而引发了本文的思考。模糊点在于冲激函数的宽度是如何定义的。针对于模糊点,做出了如下的推导和证明,并针对模糊点做出了研究验证,最后得出了一个合理的说明。     

实心砖墙对电磁波的衰减特性

应用模式传输线理论分析了多层周期介质实心砖墙对电磁波的衰减特性。计算得到了电磁波穿透实心砖墙的透射反射系数与入射角和频率的关系曲线,数值计算的结果与软件仿真的结果符合较好。利用电磁波测量系统测量得到了实心砖墙对电磁波衰减随频率（2~8 GHz）的变化关系。综合考虑数值计算和实验测量的结果,得到频率为2~8 GHz时,实心砖墙对电磁波的衰减为15~25 dB。     

单通道三波段彩色夜视系统设计及实验研究

针对目前微观夜视仪器产生单色图像的缺陷,提出了一种单通道三波段的彩色夜视方案.简要介绍了单通道三波段彩色夜视系统的工作原理,重点论述了该系统的设计方法,并对滤光片的光谱透过率、色轮的窗口数量、荧光屏与CCD光电阴极的耦合方式等问题进行了计算和分析.在单通道三波段彩色夜视系统装置研制基础上,开展了彩色夜视实验,成功得到色彩较为真实的夜视图像.     

超高频射频识别近场系统互耦效应中频率偏移研究

在超高频射频识别(UHF RFID)系统近场(NF)密集标签应用中,由于微带标签天线的结构特点,传统线圈间互阻抗表达式在预估系统频率偏移等互耦效应问题方面误差较大,精确性不够。首先,基于变压器模型,从无线电能传输的角度推导了近场密集标签间的互阻抗表达式。然后,结合近场电感耦合型标签,通过建立电磁仿真模型间接获取有关电气参数值。最后,验证推导公式并从影响双标签间互阻抗的环境因素角度去研究UHF RFID近场频率偏移问题。测试结果表明,当标签间距小于30 mm时,推导的互阻抗表达式应用于频率偏移计算误差范围为1.6～7.3 MHz。研究结果为基于标签间互阻抗预估UHF RFID近场标签间的互耦效应问题提供了参考依据。

     

基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测

针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入,在兼顾历史数据的平稳和非平稳的情况下,进行了模型结构简化。在算法方面,通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取,可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明,在预测精度方面,该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络,在收敛速度方面,用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。