一种多翼超混沌系统及其FPGA实现

在一个能产生两翼、三翼和四翼混沌吸引子的系统上增加一个状态变量,构造了一个新的多翼超混沌系统.通过对系统平衡点的分析和Lyapunov指数谱、分岔图以及相图的数值仿真,呈现了多翼超混沌系统所具有的动力学特性.最后,在IEEE-754标准下,利用FPGA设计多翼超混沌信号发生器,获得了周期相图、两翼和四翼混沌吸引子,以及两翼和四翼超混沌吸引子.硬件实验结果与数值仿真结果相一致.     

基于图像处理的建筑物振动位移测量算法

针对地震后高层建筑物结构损伤监测问题,该文提出一种基于方向码匹配(OCM)和边缘增强匹配(EEM)算法的微小位移测量算法。该算法先将原始图像梯度信息与像素强度融合,增强图像信息;采用相位相关法进行匹配运算,匹配速度比归一化互相关法提升了96.1%;最后使用亚像素插值法,使测量结果达到亚像素精度。实验结果表明,该文算法避免了OCM和EEM算法量化过程中图像梯度信息的损失,大大提高了模板匹配精度,匹配速度比OCM提升了43.3%,比EEM提升了19.6%。     

基于DSP的BOC信号捕获算法实现

针对BOC调制信号自相关函数多峰值造成的捕获模糊性问题,提出一种基于相关函数的去模糊性捕获算法。该算法能消除接收信号载频的影响;根据BOC伪码的相关函数计算原理构造与收信号相关的两路本地信号;根据相关结果的对称性,通过简单数学运算组成一个完全无模糊性的相关函数。理论分析和仿真结果表明,相比ASPeCT算法及重构相关算法,提出的捕获算法的主峰均值比例更高,副峰均值比例更低。在两径信道中,当时延小于一个码片时,该算法的主峰能量可达100%。利用TMS320C5509A芯片进行算法验证,进一步验证了该算法的有效性。     

基于S3-YOLOv5s的矿井人员防护设备检测算法研究

针对复杂矿井环境下光照度低、目标尺度变化大、目标间遮挡严重,现有的目标检测网络特征提取困难、检测效果差等问题,提出了改进的S3-YOLOv5s的矿井人员防护设备检测算法。在主干网络中加入无参注意力模块(SimAM),提升网络的特征提取能力;引入尺度均衡特征金字塔卷积,加强多尺度特征融合;最后采用SIoU作为边框回归损失函数并使用K-means++算法进行先验锚框聚类,提高边框检测精度。实验表明,相比现有的YOLOv5s算法,所提算法在所有类别的平均检测精确度从89.64%提升到了92.86%,在复杂矿井环境条件下对人员防护设备有优良的检测能力,验证了所提方法的有效性。     

TD—LTE无线接入网介绍

TD—SCDMA技术正在大规模的应用,发展迅速;TD—LTE技术作为TD-SCDMA的未来演进技术各项规范正在逐步完善,测试正在逐步开展,文中对TD—LTE（TDDLTE）的演进过程,网络架构,物理层关键技术,高层协议栈进行了初步分析介绍,并对照TD—SCDMA系统,对TDD双工方式、OFDM技术,MIMO技术和智能天线的应用,协议非接入层进行的改进和发展进行了介绍;最后文章对TD—LTE的发展进行了探讨。     

一种基于深度学习的交通标志识别新算法

针对特定场景交通标志精度低与识别速度慢的问题,基于交通标志边缘信息与卷积神经网络,提出了一种交通标志图像识别T-YOLO算法.该算法基于YOLOv2算法检测思想,融合残差网络、卷积层填充0等结构,下采样舍弃池化层改用卷积层,并提取边缘信息与上采样以提升精度,设计7层特征提取网络以缩短识别速度,随后使用Softmax函数...     

MBMS密钥分发过程研究

移动多媒体业务是3G的关键业务,3GPP R6版本中引入多媒体广播组播业务MBMS(Multimedia Broadcast Multicast Service).业务安全在多媒体广播组播业务中至关重要,文中给出了3GPP中MBMS的密钥管理体系和基于GBA的MBMS业务安全体系架构,并分析了MBMS密钥分发的具体实现流程.     

基于GBA的MBMS终端安全体系研究

给出了3GPP中基于GBA的多媒体广播组播业务（MBMS）安全体系结构,分析了MBMS基于GBA的终端密钥管理体系及实现流程。     

基于LSD和FLD融合的道路裂缝图像预处理方法研究

针对道路中的路标、路沿等直线类干扰物影响道路裂缝识别的问题,提出一种基于LSD(Line Segment Detector)和FLD(Fast Line Detector)融合的道路裂缝图像预处理方法。首先,基于LSD算法和FLD算法对裂缝图像进行直线检测,获取直线类干扰物的线段坐标值;其次,根据直线检测算法返回的线段坐标值进行断线重连,解决了直线检测算法提取线段不连续的问题;最后,根据线段重连后获取的直线类干扰物的掩膜图和裂缝图像原图,运用FMM(Fast Marching Method)图像修复算法达到消除直线类干扰物的目的。经过大量实验分析可得：该方法能够有效地消除裂缝图像中的直线类干扰物,使得裂缝检测的准确率提升了7.1%。     

基于改进DeepLabv3+网络的沥青道路裂缝检测方法

针对传统的语义分割技术对于沥青道路裂缝的检测存在检测精度低、误差大的问题,提出了一个基于改进DeepLabv3+网络的语义分割方法。该方法在编码器阶段,采用轻量级MobileNetv2取代DeepLabv3+的主干网络Xception,从而减少参数量;在解码器阶段,引入双注意力机制以进一步提高网络的分割精度;使用Dice Loss函数与原始交叉熵损失函数混合,以缓解样本中前景和背景不平衡问题。最后以道路实时检测的数据为对象进行了大量的实验,结果表明,该方法与原始DeepLabv3+相比,平均交并比(mIoU)、平均像素精度(mPA)分别提升了8.98%和17.39%。与其他主流语义分割模型相比,改进后的DeepLabv3+在沥青道路裂缝的检测上也取得了较好的效果。