基于虚拟可重构平台的时序电路演化设计

目前,电路进化设计是演化硬件研究的主要方向之一。而时序电路由于存在反馈环不便于进行电路描述和软件仿真。文中对时序电路的演化设计方法进行了改进,提出了专门针对时序电路演化的虚拟可重构平台,建立起电路编码与HDL代码的映射关系。应用TEXTIO和MATLAB来辅助仿真测试过程,使测试向量数量巨大、难以处理的问题得到很好地解决。最后调用ModelSim完成了FSM的演化实验。实验结果验证了基于此平台演化时序电路的可行性和有效性。     

软件重构及设计模式在摄像头阅卷系统中的应用研究

首先设计并实现一个基于摄像头的阅卷系统,该系统由试卷获取、灰度化、二值化、畸变变换、倾斜校正、图像定位和识别等图像处理流程组成。然后以此为依据,通过对重构技术及设计模式原则和方法的系统研究,对该系统框架进行优化和重构。本文充分参照现有的设计模式,通过重构技术,改善现有代码的质量,增加系统的可维护性和可复用性。     

Compressed Sensing Projection and Compound Regularizer Reconstruction for Hyperspectral Images

压缩感知理论提供了一种新的数据获取和压缩思路,能有效地把计算负担从编码端转移到解码端.高光谱数据具备数据稀疏性、空间相关性和谱间相关性,结合这3类先验知识,提出了一种基于复合正则化的高光谱图像压缩感知投影与重构方法.该方法的编码端只需要一个简单的投影操作;在重构算法实现中,基于变量分裂的思想,把具备多个正则项的优化问题转化成多个简单的优化问题,并用迭代方式求解.实验结果表明,本文算法在高光谱图像重构上能获得更高的峰值信噪比和更好的重构效果.该方法具备极低的编码复杂度,适用于资源受限的机载和星载高光谱成像平台.     

一种低复杂度的鲁棒自适应波束形成算法

传统基于干扰噪声协方差矩阵（interference-plus-noise covariance matrix,INCM）重构的鲁棒自适应波束形成（robust adaptive beamformer,RAB）算法在多种样本数据协方差矩阵误差和信号导向向量误差的失配环境中具有较强的鲁棒性,但目前主流的INCM重构法都是对信号和干扰的导向向量通过建立凸优化模型来估计,这带来了很高的计算复杂度。为了解决这个问题,提出了一种低复杂度的基于INCM重构的RAB算法。该算法首先将干扰信号的导向向量分解为对应标称项和误差项的和,然后通过一种子空间方法估计得到误差项的单位向量。接下来对一个Capon空间谱功率最大问题进行求解,得到误差项的模值,以此得到重构的INCM。同时利用Capon空间谱中残差噪声的存在,使用交替投影法估计得到期望信号的导向向量,最后得到所提算法的权重向量。仿真实验表明所提算法在多种误差环境下具有较强鲁棒性的同时,还具有较低的计算复杂度。     

基于透明土技术与颗粒流方法联合开展管涌细观机理研究

我国现今拥有堤防总长度超30万公里,但管涌型渗透破坏频发,造成极大社会经济损失,故开展管涌细观机理研究对于解决堤防工程安全问题具有重要意义。当前有关管涌细观机理研究主要从模型试验、数值模拟两个方面开展,并且大多从颗粒摩擦系数、颗粒级配和细料含量等角度揭示该细观机理。本文提出一种基于透明土技术、颗粒流模拟联合开展该细观机理研究的方法,并从颗粒间接触力链的细观角度分析颗粒摩擦系数、颗粒级配和细料含量对管涌发生、发展的影响。首先结合PLIF（平面激光诱导荧光技术）与透明土技术自行设计可视化模型试验平台,其次基于MRI（磁共振成像）技术,借助Avzio软件实现对透明土样二维切片的三维重构,然后将重构模型导入PFC^3D中并进行相同条件下的颗粒流模拟,通过比对模型试验与数值模拟结果,验证本方法开展管涌细观机理研究的可靠性,最后进行重构模型在不同颗粒摩擦系数、颗粒级配和细料含量条件下的数值模拟,并从力链角度论述各组试验规律。本文可为管涌细观机理研究提供一种置信度高、可行性好的新途径。     

基于KPLS鲁棒重构误差的高炉燃料比监测与异常识别

作为钢铁冶金制造的核心工序, 高炉炼铁是典型的高能耗过程, 其运行能耗约占钢铁总能耗的50%以上, 其中, 80%的能耗是焦炭和煤粉等燃料消耗. 因此, 对表征高炉燃料消耗的燃料比参数进行监测, 并尽可能早地识别影响燃料比异常波动的关键因素, 对于高炉炼铁过程的节能降耗具有重要意义. 本文针对先验故障知识少的高炉燃料比监测与异常识别难题, 提出一种基于核偏最小二乘(Kernel partial least squares, KPLS)鲁棒重构误差的故障识别方法. 该方法首先建立过程变量与监测变量的KPLS监测模型, 然后根据非线性映射空间的协方差矩阵和核空间Gram矩阵之间的关系, 反向估计原始空间变量的正常估值. 为了增强算法的鲁棒性, 采用迭代去噪算法减少异常数据对原始空间正常估值的影响. 通过利用原始空间正常估值和真实值来构造故障识别指标, 并给出故障识别指标的控制限. 基于实际工业数据的高炉数据实验表明所提方法不仅可以监测出正常工况下影响燃料比异常变化的潜在因素, 还可识别出异常工况下影响燃料比异常变化的关键因素, 具有很好的工程应用前景.     

基于标准系数法的高度稳定系统信号重构研究

研究了俯仰角和俯仰角速率信号丢失时采用信号重构方法设计飞机高度保持和控制系统;针对线性小扰动飞机模型,设计降维状态观测器实现信号重构,再采用标准系数法设计高度保持和控制回路;通过一个输入信号升降舵偏角和两个输出信号迎角与速度对俯仰角和俯仰角速率进行重构,用标准系数法确定模型中的参数;仿真结果表明对于线性飞机模型用降维状态观测器能够很好地重构俯仰角和俯仰角速率信号,同时标准系数法可使系统达到满意的性能指标。     

嵌入式虚拟仪器软件可重构设计技术研究

嵌入式虚拟仪器(EVI)软件可重构是指框架和功能的重构;结合面向对象技术和组件技术,系统地阐述了软件可重构模块化设计的原理、软件可重构算法、可重构软件结构框架设计和可重构软件开发方法;通过分析可重构软件的设计原理和设计思路,提出了一套比较详细的可重构软件的开发方法;经工程实践应用,设计方法合理可行,有效提高了嵌入式虚拟仪器软件的开发效率,达到软件复用及重构的目的。     

基于FPGA的羊绒近红外光谱神经网络辨识研究

为了满足神经网络实现的实时性要求,介绍了一种基于FPGA的神经网络可重构实现方法。首先在软件中利用改进的BP神经网络算法得到最优权值,然后在改进了激励函数逼近方法的基础上,用FPGA实现了羊绒近红外光谱模型的辨识。通过仿真实验得知,该方法有较好的辨识精度和速度,是一种有效的硬件羊绒近红外光谱建模方法,为羊绒、羊毛鉴别的嵌入式实现奠定了基础。