摘要：网络编码技术和能量采集技术都是近几年比较热门的话题,它们分别提升了无线传输系统的信息传输效率和能量利用率。本文选取三节点双向中继系统为研究对象,观察了基于能量分配的中继策略Power Splitting Protocol(PSR)。同时讨论了放大转发Amplify-and-forward(AF)和解码转发Decode-and-forward(DF)两种中继编码方式。为了计算系统的吞吐率,针对不同的情景分别推导出了系统的中断概率和吞吐率的表达式。通过仿真实验,可以看到DF中继系统在中断概率和吞吐率两方面均优于AF中继系统;并且,网络编码技术能够提升将近33%的系统吞吐率,该吞吐率增益与噪声方差紧密相关。

摘要：针对现有硬件条件难以满足星间高速激光通信Gbps以上的速率,给出了一种基于APRX架构的高速并行结构优化设计方案。该方案将数字下变频、匹配滤波等处理模块转化为并行结构,将时域卷积转换到频域相乘的方式实现高速匹配滤波,在系统主时钟受限的情况下进一步提高了处理速率,并对下变频、高速匹配滤波、FFT/IFFT实现结构做了简化,减少硬件资源消耗。仿真表明,该方案可以显著提高解调器处理速率并且不影响系统解调性能。

摘要：针对NAND Flash存储器由于其工艺结构的局限性而导致数据在存储过程中小概率的位翻转问题,基于Microsemi公司的Smartfusion2系列的FPGA设计并实现了基于汉明码的ECC校验方案。结合NAND Flash的结构特点和数据存储方式,将ECC校验方案分为ECC编码模块和错误检测与纠正模块。根据写入与读出NAND Flash的数据两次生成ECC,两组ECC经过一定的运算,可判断、定位并纠正错误。该校验算法通过将每512字节原始数据生成3字节的冗余数据,可达到1 bit/4 kbit的纠错能力,保证了NAND Flash数据存储过程中的可靠性。

摘要：本文基于实现实时导航卫星软件接收机的目的,采用中央处理单元(CPU)和图形处理单元(GPU)的协同调度方法,利用GPU的多核并行处理性能,通过对导航卫星软件接收机的信号并行化处理,结合信号处理时负载任务的历史信息,提出了一种动态的调度方法,该方法根据估计时间信息在CPU和GPU之间选择合适的设备来执行任务。所提出的方法在CUDA平台上对软件接收机中的信号进行处理,得出基于时间估算的协同调度算法能满足实时软件接收机的需求的结论。

摘要：贝叶斯动态线性模型(DLM)是一种状态空间模型,在时间序列分析和建模中有大量应用。传统DLM模型的参数确定是由人工分析时间序列的平稳性和季节、趋势、回归特征得到模型参数的,比较依赖专家经验。本文提出用期望最大化(EM)算法从交通流数据中学习出DLM的关键参数,然后用学习出的模型对下一时刻的车流量进行预测。实验表明该模型和方法应用在车流量的预测中取得了较好的效果。相对于自回归求和移动平均(ARIMA)模型和传统季节-趋势-回归组合DLM,所提方法在平均绝对误差和平均相对百分比误差两个指标上均有较大提高。

摘要：在数据库操作中查询操作所占比重最大,而查询操作所基于的SELECT语句在SQL语言中又是代价最大的语句。结合实际课题应用,提出了基于关系代数树结构的SQL查询优化策略。利用改进查询计划的代数定律,分析基于关系代数树的关系代数式查询优化方法、研究关系代数表达式与SQL查询的等价变换准则、分析关系代数表达式等价变换前后的查询代价;通过实验、实例以及代价估计验证了利用关系代数树改进数据库查询优化操作的优势。

摘要：针对传统机械仪表在新能源电动汽车应用上的不足,设计了一种全液晶仪表的硬件系统方案。该系统采用富士通公司的MB91F522K作为主控芯片采集并处理汽车CAN总线信号和电平信号,选取Freescale公司的***6Quad芯片作为图形显示处理器,通过LCD显示电动汽车的车速、转速、电机和电池组状态、警示等信息。实验表明该仪表系统能准确直观地显示电动汽车的复杂运行参数。

摘要：为了解决在遥感图像场景分类问题中传统的底层或中间级视觉特征无法充分描述复杂场景的问题,提出了采用第三种感知网络(Inspection-v3)、快速特征嵌入的卷积神经网络(CaffeNet)、OverFeatL 3种深度卷积神经网络(DCNN)提取的融合特征进行遥感图像场景分类方法。通过利用利用3种DCNN提取的归一化的融合特征进行分类实验,在UCMLU(University of California Merced Land Use)数据集上获得了97.01%的准确率。融合特征的分类实验证明,不同结构DCNN的融合特征能更充分的表达场景的语义信息。

摘要：文中基于希望直接应用低成本可见光摄像头解决无人驾驶中的刹车、油门和转向控制的问题为目的,采用了深度卷积神经网络和深度确定性策略梯度强化学习结合的方法。通过加入三维卷积神经网络,学习出连续的车辆摄像头视觉感知视频图像帧中的时序属性特征,使得智能体能够利用时序特性更平稳和安全得控制车辆。在开源无人驾驶仿真平台TORCS上进行实验,得出三维卷积神经网络和深度强化学习结合的方法对解决无人驾驶中的控制问题提供了可行性的方案结论。

摘要：针对基于背景差分法提取运动目标后广泛存在"空洞"、"重影"等问题,提出了一种新型的抑制运动目标周围"空洞"的算法。首先,对视频图像进行前景提取,在进行去阴影以及形态学上的处理后,采用非极大值抑制的算法对运动目标进行一次"内部空洞"处理,但是处理后得到的运动目标周围依然存在"空洞"问题,这将会直接干扰项目后期对运动目标数量的估计。因此,本文提出了一种邻近几何中心值抑制的算法,该算法的核心思想是通过判断每帧当中所有运动目标与之相对应地周围"空洞"的几何中心距离有选择性进行"空洞"抑制。实验结果表明,该算法能有效的抑制运动目标周围的"空洞",进而提高了对运动目标数量估计的准确性。