多传感器数据的高速传送与可靠接收

本文讨论了一种典型的多传感器混合数据流在数字系统的前端与后端之间高速传送、可靠接收以及实现多路分解的原理与方法。着重分析了数据驱动式I/O接口的特性、基于字同步和帧同步以及数据字计数的原理,通过采用高速智能,I/O接口,有效地实现了高速混合数据流的接收与分解,提高了系统的可靠性与抗干扰能力。     

基于PCIE的高速光纤图像实时采集系统设计

利用PCI Express(PCIE)总线及DMA数据传输技术,设计光纤图像实时采集系统.利用FPGA中的PCIE硬核实现了PCIE总线的DMA传输,同时介绍了整个采集系统的数据流和光纤接口模块的设计.测试结果表明,系统DMA数据传输速度可达到138 MB/s,完全满足高速光纤图像实时采集的需要.     

片间高速图像传输系统的设计与实现

针对图像采集与处理系统研发中的现场可编程门阵列(FPGA)之间的高速图像数据传输问题,设计了一种全双工、高吞吐率、高稳定性和高抗干扰能力的高速图像数据传输方案。设计的片间高速图像传输系统提供了通用的图像传输接口,可兼容不同的数据位宽和用户时钟频率。高速图像传输模块分为协议层和物理层。协议层包括跨时钟域电路和CXP图像传输协议编译码电路,完成跨时钟域和图像数据流编译码处理;物理层基于Aurora 8B/10B core,完成数据流的串并转换以及多通道绑定等处理,并采用GTH收发器实现高速串行数据的收发。仿真测试表明,图像数据传输正确,图像数据流同步时钟最高可达250 MHz,传输位宽达128 bit,最高吞吐率可达32 Gbit/s,平均吞吐率为20 Gbit/s,并且还有很大的提升潜力。该高速图像传输系统能够实现高吞吐率、高抗干扰、低错误率的图像数据传输,有助于各种不同视觉测量系统和图像处理系统的开发,具有广泛的应用价值。     

基于DSP的高速图像数据处理机制的设计

本文基于模拟器件公司的Blackfin系列DSP,设计实现了一套完整的高速图像采集压缩编码系统。本文主要针对该系统中的三部分高速大量数据流进行了分析,深入讨论了其产生的原因及其对系统性能的影响。根据BlackfinDSP特有的PPI接口以及为图像处理专门优化过的DMA机制,设计了完整的高速图像数据处理机制,其中包括了对于三部分数据流专门设计的三套子机制:原始图像数据的采集、图像处理最小单元的提取和搬移以及压缩后图像数据的搬移,通过PPI接口、乒乓缓存和循环缓存与DMA和Memory-DMA的配合实现了高效率的图像数据处理。     

模块式可扩展的高速同步采集记录系统设计

为解决多通道高速同步采集记录系统中的通道扩展、采集同步等问题,建立一个采用通用接口、模块化可扩展的高速同步记录系统。由时钟模块输出同步时钟并触发信号控制采集模块,数据在主板控制器下通过 PCIE接口写入存储模块,时钟模块一级级联实现128路采集记录。在此架构下,设计采集模块上的FPGA逻辑结构,实现多种触发和采集功能。经实例测试验证,该系统实现了14 bit 180 M Hz连续采样,同步性能稳定,通带较平坦。     

基于FPGA的高速采样缓存系统的设计与实现

为了提高高速数据采集系统的实时性,提出一种基于FPGA+DSP的嵌入式通用硬件结构。在该结构中,利用FPGA设计一种新型的高速采样缓存器作为高速A/D和高性能DSP之间数据通道,实现高速数据流的分流和降速。高速采样缓存器采用QuartusⅡ9.0 软件提供的软核双时钟FIFO构成乒乓操作结构,在DSP的外部存储器接口(EMIFA)接口的控制下,完成高速A/D的数据流的写入和读出。测试结果表明：在读写时钟相差较大的情况下,高速采样缓存器可以节省读取A/D采样数据时间,为DSP提供充足的信号处理时间,提高了整个系统的实时性能。     

高速数据采集系统的数据流无缝缓存技术

对CCD航天相机在轨摄像时下传图像数据进行后期处理时,首先要解决的问题是实时可靠地记录和存储数据,其中的关键技术是稳定无误地缓存高速数据流.本文介绍了一种基于"乒乓操作"思想和数据流码制转换技术的高速数据缓存系统.该系统用于空间相机地面测试系统的高速数据传输接口时,能可靠地对前级系统CCD下传的高速数据流进行无缝缓存.     

ATM交换机高速线路接口的分析与设计

文中研究了ATM交换机中输出/输入高速线路接口的实现方法。在参考文献[1]的基础上,给出了在ATM交换机中155.52Mb/s光电接口电路的设计与具体实现方案,提出了622Mb/s电信号线路接口的分析模型,解决了622Mb/s线路接口的实现问题,具体分析了ATM交换机中高速信号的传输特性,给出了实现ATM交换机传输模块的技术要求,并阐述了实现的具体方案及电路调试中的技术问题。     

基于S3C2440和AD9248的高速采集系统的设计

设计了一个利用高速A/D、FIFO以及ARM9实现的高速数据采集系统.通过ARM9控制高速A/D转换和FIFO的读写,并采用大容量的板载数据存储器,可以实现较长时间的连续采集.设计了网络接口和USB接口实现数据的保存和传输,并设计了GPS授时模块接口以实现多个站点的同时数据采集.     

CCD信号采集系统中PCI接口设计

针对高速CCD信号采集系统中数据传输量大的特点,介绍了一种简单易用的高速数据采集系统中的PCI总线接口解决方案,论文采用FPGA实现PCI总线接口和PCI用户逻辑,提高了系统的集成度和可移植性,使高速的A/D转换器有高速的总线与其相匹配,有效的解决了数据的实时高速传输问题,为信号的实时处理提供了方便。     

使用GPU技术的数据流分位数并行计算方法

数据流实时、连续、快速到达的特点决定了数据流的实时处理能力。在处理低维数据流时经常使用分位数信息来描述数据流的统计信息,利用图形处理器（GPU）的强大计算能力和高内存带宽的特性计算数据流分位数信息,提出了基于统一计算设备架构（CUDA）的数据流处理模型和基于该模型的数据流分位数并行计算方法。实验证明,该方法在提供不低于纯CPU分位数算法相同精度的条件下,使数据流分位数的实时计算带宽得到了显著的提高。     

不确定数据流上的并行Skyline查询算法

不确定数据流上的Skyline查询技术逐步引起研究者的关注,传统的集中式流处理算法难以满足海量数据的查询需求,并且云计算所提供的海量计算资源和有效的存储管理模式,为研究并行Skyline查询技术提供了充足的条件。基于上述事实,提出了一种不确定数据流上的并行Skyline查询算法(parallel Skyline over uncertain data streams,PSUDS)。该算法通过交叉划分滑动窗口的方式,将集中式流查询转化为并行处理,以并行执行的方式来解决集中式算法处理性能不足的问题。大量实验结果表明,该算法具有较好的并行可扩展性。     

基于FPGA的遥测系统数据存储器控制模块设计

针对当前遥感系统存储器早期控制模块存在控制效率低的问题,提出了基于FPGA的遥测系统数据存储器控制模块设计。根据模块总体设计方案,设计模块结构和功能。其中模块结构是由自体测试接口模块、低速读写控制模块、高速流读写控制模块组成的,以SATA2.0接口为存储介质设计控制器,构建不同帧,进行数据间传输转换。设计稳态触发接口电路,达到高速流读写控制触发目的。根据软件主流程,在组合逻辑中插入寄存器使逻辑延迟,实现FPGA时序控制。采用分时操作方法,对命令层中控制器读写模式进行控制,实现传输层完成帧的控制收发。由实验结果可知,该模块最高控制效率优于传统模块,为数据高效存储提供支持。     

一种支持多目标的数据流操作语言

随着数据流在各个应用领域的涌现和广泛应用，数据流相关的研究已经成为数据库技术中一个新的研究方向，并得到了越来越多的关注．数据流的操作语言作为用户与数据流管理系统之问进行语义交换的桥梁，从很大程度上体现出了数据流处理的特点．提出了一种数据流管理系统中支持多目标的数据流操作语言．它可以同时完成对数据流和关系表的操作．此外针对数据流的特性，语言中还引入了时间戳，时间粒度，连续查询，近似查询等相关概念，并以丰富灵活的语法支持了各种相关技术．     

基于随机Petri网的IP-SWAN系统性能评价

在分析基于iSCSI协议的IP存储广域网(IP-SWAN)的数据传输流程的基础上，提出了IP-SWAN系统的随机Petri网模型和一种新的基于变迁的串并联等价变换计算系统I/O响应时间的SPNA方法。基于SPNA方法的性能分析和预测结果表明，在低速网环境下，网络传输速率是系统性能的主要瓶颈，提高网络带宽可以有效地改进整个系统性能。在高速网环境下，提高中心节点的读缓存命中率和CPU处理效率，可以降低系统的I/O响应时间。     

多核网络处理器的高速数据交换控制结构

提出一种用于多核网络处理器数据通道处理的高速MAC接口数据交换控制结构。利用主动请求机制控制数据包的接收,通过多线程分配策略实现对接收数据的并行处理,维护数据包的到达顺序,实现高速数据传输。仿真与验证结果表明,接收控制器模块能在85 MHz工作时钟下达到2.56 Gb/s的数据吞吐率,满足网络处理器OC-48的线速处理要求。     

非规则流中高维数据流典型相关性分析并行计算方法

为了满足在计算资源受限的环境下高维数据流处理的实时性要求,提出一种方法——基于GPU(graphic processing unit)的非规则流中高维数据流的处理模型和具体的可行架构,并分析设计了相关的并行算法.该六层模型是将GPU处理数据的高宽带性能结合进滑动窗口中数据流的分析,进而在该框架下基于统一计算设备架构(compute unified device architecture,简称CUDA),使用数据立方模型以及降维约简技术并行分析了多条高维数据流的典型相关性.理论分析和实验结果均表明,该并行处理方法能够在线精确地识别同步滑动窗口模式下高维数据流之间的相关性.相对于纯CPU方法,该方法具有显著的速度优势,很好地满足了高维数据流的实时性需求,可以作为通用的分析方法广泛应用于数据流挖掘领域.     

Optimizing data stream processing for large‐scale applications

Stream processing systems are designed to analyze data arriving in real time and using continuous queries and respond when a specific event or sequence of events are detected. An important aspect of these systems is Streaming Analytics, which facilitates statistical calculations on continuous data within the stream. These systems must be designed to handle high volumes of data, be scalable, and accommodate a multitude of long‐lived concurrently running analytics. The challenges involved in the development of stream processing include on‐the‐fly transformation of data streams to match the query needs of users and the ability to model stream transformations to detect overlaps and possibilities for optimizations and to specify a methodology to deliver optimizations. In particular, this work focuses on exposing data stream application internals in order to detect reusable parts and then consolidate applications to optimize computational resource usage. The Streaming Data Analytics Model presented in this paper adopts a declarative approach that enables processing and manipulation of data streams in a simple manner while facilitating powerful optimizations necessary for managing high volumes of streaming data in real time. An evaluation is provided to demonstrate in both theoretical and quantitative aspects the high performance offered by our approach.     

Real-time data analytics and event detection for IoT-enabled communication systems

Enterprise Communication Systems are designed in such a way to maximise the efficiency of communication and collaboration within the enterprise. With users becoming mobile, the Internet of Things (IoT) can play a crucial role in this process, but is far from being seamlessly integrated into modern online communications. In this paper, we present a semantic infrastructure for gathering, integrating and reasoning upon heterogeneous, distributed and continuously changing data streams by means of semantic technologies and rule-based inference. Our solution exploits semantics to go beyond today’s ad-hoc integration and processing of heterogeneous data sources for static and streaming data. It provides flexible and efficient processing techniques that can transform low-level data into high-level abstractions and actionable knowledge, bridging the gap between IoT and online Enterprise Communication Systems. We document the technologies used for acquisition and semantic enrichment of sensor data, continuous semantic query processing for integration and filtering, as well as stream reasoning for decision support. Our main contributions are the following, (i) we define and deploy a semantic processing pipeline for IoT-enabled Communication Systems, which builds upon existing systems for semantic data acquisition, continuous query processing and stream reasoning, detailing the implementation of each component of our framework; (ii) we present a rich semantic information model for representing and linking IoT data, social data and personal data in the Enterprise Communication scenario, by reusing and extending existing standard semantic models; (iii) we define and develop an expressive stream reasoning component as part of our framework, based on continuous query processing and non-monotonic reasoning for semantic streams, (iv) we conduct experiments to comparatively evaluate the performance of our data acquisition and semantic annotation layer based on OpenIoT, and the performance of our expressive reasoning layer in the scenario of Enterprise Communication.