线束干扰响应的精简计算模型

将电缆束等效方法与传统的传输线方法相结合,提出了多芯电缆束的精简SPICE分析模型。首先采用有限元法求解等效电缆束的模型参数,然后在SPICE环境中进行时域分析。以14芯电缆束的串扰问题和4芯电缆束的辐射干扰问题为例,对精简分析模型的有效性进行了验证。全模型与精简模型分析结果表明,精简模型线缆芯线数减少了一半以上,仿真幅度误差在5%以内,分析效率提高50%以上。该方法适用于大线束传导耦合分析、串扰分析和辐射分析。     

基于ARM＋DSP＋FPGA的可重构CNC系统

通过分析基于PC机的数控系统及嵌入式数控系统架构存在的局限性,结合开放式数控系统的功能需求,设计了一个具有工业以太网功能的模块化嵌入式可重构计算机数控（CNC）系统.该系统改进了传统的基于ARM＋DSP＋FPGA的嵌入式系统设计架构,并扩展了工业以太网功能模块.在此基础上构建了系统硬件平台,给出了系统硬件构成及系统软件实现.该系统中央数字控制单元不再是一个通用的单CPU系统,而是一个嵌入式多CPU系统,不但运算能力强、结构灵活、成本低廉,而且具有通用性强、可组合、易扩展、可伸缩和开放性等特点.     

基于跨层精简双线性网络的细粒度鸟类识别

细微的类间差异和显著的类内变化使得细粒度图像分类极具挑战性。为了对鸟类图像进行细粒度识别,提出一种基于跨层精简双线性池化的深度卷积神经网络模型。首先,根据Tensor Sketch算法计算出多组来自不同卷积层的精简双线性特征向量;其次,将归一化后的特征向量级联送至softmax分类器;最后,引入成对混淆对交叉熵损失函数进行正则化以优化网络。提出的模型无需额外的部件标注,可进行端到端的训练。结果表明,在公开的CUB-200—2011鸟类数据集上,该模型取得了较好的性能,识别正确率为86. 6%,较BCNN提高2. 5%。与多个先进细粒度分类算法的对比,验证了提出模型的有效性和优越性。     

基于PowerPC603e通用处理模块的设计与实现

Power PC系列处理器是高性能、低功耗的32位嵌入式处理器.Power PC系列处理器在嵌入式系统中得到了广泛的应用,文章简要介绍了Power PC603e处理器的特点,详细阐述了基于Power PC603e的通用处理模块的组成、原理以及60x总线存储器控制器在FPGA上的设计与主要时序的产生.此FPGA控制器可提供60x总线与多种类型的SRAM、FLASH和I/0的接口,已在嵌入式系统的设计中得到了应用和验证.     

复杂采空区多次探测的点云数据精简方法

 针对复杂采空区激光探测中存在探测盲区需要进行多次重复探测的问题,研究激光多点扫描的点云数据精简方法。通过多点探测避免了单次探测盲区,加密了数据稀疏区。通过分析激光扫描轨迹线的拓扑关系,归纳了点云数据的分布特点。在对比传统数据精简的基础上,提出了保留采空区几何特征更为有效的点云数据精简方法--边长角度综合判据法,将密集区域的点云数据进行稀释。验证结果表明,通过对比精简前后求得三维模型的体积、精简率等指标,认为该方法保证了边界三维信息的完整性,而且该方法的数据精简率可达15%~25%。为矿山复杂采空区激光扫描三维空间信息精简获取提供了一种新思路,可后续三维建模及应用奠定基础。     

TGS 中的一种逻辑电路模型及预处理

讨论了逻辑电路测试生成系统（简称ＴＧＳ）中使用的一种模型数据及预处理方法．用简单的表格描述了电路的网络结构，给出了测试生成所需要的数据．并通过对数据进行预处理，加速了测试生成过程，提高了整个系统的效率     

基于卷积核滤波器筛选的CNN模型精简方法

近年来,卷积神经网络(CNN)在计算机视觉领域中取得了令人瞩目的成绩,在各类的图像竞赛中取得了可喜的成绩.然而,CNN带来的高精度和鲁棒性的背后是计算量大幅增加的支撑,复杂的深层卷积神经网络往往需要在计算机集群或是高端GPU才能运行,因此CNN很难运行在嵌入式设备中,尤其是运行在手持设备中.这就导致CNN不能从实验室进入到人们的日常生活中.本文提出了一种基于卷积核滤波器筛选策略的CNN模型精简方法.通过分析CNN在前向传播中各神经元的激活情况,来找出对网络模型贡献度高的卷积核滤波器,并将这些滤波器重新封装成一个新的"小CNN模型".这个小模型在不仅在识别率上拥有很高的性能,而且还有效减低了模型体积和计算时间,在本文中通过实验表明CNN模型能够通过精简的方式使运算速度显著加速,而准确率仅仅只下降了两个百分点.     

基于OTSU多阈值分割算法的激光线扫点云数据表达及精简方法研究

激光线扫方式获取的点云数据量庞大,不利于点云数据的存储、处理与分析。为了对激光线扫点云数据进行有效精简,提出了一种基于OTSU多阈值分割算法的激光线扫点云数据表达及精简方法。基于点云数据坐标与图像灰度值的映射,采用OTSU多阈值分割算法进行区域分割,并将分割后的各区域进行边缘提取及细化处理。根据原映射关系将细化的二值图像重新以点云方式表示,即得到精简的点云数据。在保持原有点云数据关键信息完整度的基础上,可有效地精简点云数据。实验结果表明:基于OTSU多阈值分割算法可有效地精简点云数据,同时能够有效地去除扫描过程中的背景干扰数据,具有较大的适用性和实际应用参考价值。     

多发射处理器的指令调度算法研究

RISC体系作为精简指令集计算机的兴起,使得多发射处理器的指令调度算法成为研究热点.本文从程序块划分和执行角度,讨论了多发射处理器的指令调度算法,介绍了几种局部指令和全局指令调度的影响力较大的算法.它们通过指令调度的优化,提高多发射处理器内部功能部件的执行并行性.本文还给出了进一步研究方向,构造多发射结构多处理器并行处理系统,实现处理器之间的并行技术和处理器内部的并行技术的整合.     

面向三维残缺点云图像的数据精简方法

为解决残缺点云模型数据精简时边界特征容易失真的问题,以汽车覆盖件中的薄壁类零件为研究对象。提出一种保留残缺点云边界特征的数据精简方法。借助KD-tree建立数据索引结构,获取数据点最近邻,并通过邻域点拟合出微切平面的方法,计算出点云数据的法向量。利用法向量夹角大小关系,选取边界以及孔洞特征点的初始种子点。再根据欧氏距离实现初始种子点的邻域搜索,从而完成边界以及孔洞邻域特征点的提取。根据曲率精简的方法,对非特征点进行数据精简,最后,合并特征点云与非特征点云,实现对残缺点云模型的数据精简。将随机精简法、曲率精简法分别用于点云模型精简处理,结果表明：相比于其他两种方法,所提方法更好地保留了模型边界以及孔洞邻域特征数据点,其标准偏差、曲面表面积变化率优于其他两种方法且变化相对稳定。