通用接口控制器GPIO_WB IP核设计与实现

通用IO接口是SoC系统中非常重要的一种外围端口。本文完成了一种基于WISHBONE总线的GPIO_WB控制器IP核的逻辑设计和物理实现，较具体地介绍了GPIO_WB IP核的体系结构以及WISHBONE接口和DMA传输方式的设计方案，并对所设计实现的GPIO_WB性能及可重用性做了分析，结论表明，与已有的通用IO接口IP核相比，GPIO_WB IP核具有性能高、实现代价小、硬件简单、可重用性好、易于扩展等优点。     

超高频段轮胎橡胶电性能研究

试验研究炭黑种类和用量等对超高频(UHF)频段轮胎橡胶电性能的影响。结果表明:炭黑种类对橡胶复合材料的电阻率影响较小,但对介电性能影响较大;炭黑用量越高,橡胶复合材料的介电常数(ε)和损耗因子(tanδ)越大。橡胶复合材料介电性能与工作频率关系明显,在UHF频段,随着频率的升高,橡胶复合材料的ε和tanδ下降明显。温度对橡胶复合材料的介电性能有一定的影响,但当频率超过2 GHz时,对tanδ影响较小。     

管式加热炉运行状态诊断专家系统推理机的设计

采用模糊推理机制建立了管式加热炉运行状态诊断专家系统(TFODES),通过一台管式加热炉实际运行的结果表明,采用模糊推理的方法所得的诊断结果符合实际管式炉运行状况,可以用来指导实际的生产过程.     

通用接口控制器的设计与实现

完成了一种基于WISHBONE总线的GPIO_WB控制器的逻辑设计和物理实现。介绍了GNIO WB核的体系结构以及WISHBONE接口和DMA传输方式,通过GPIO_WB的性能分析表明,与已有的通用接口IP核相比,GPIO_WB具有性能高、硬件简单、可重用性好、易于扩展等优点。     

嵌入式微机原理实验装置的设计

为便于学生"近距离"观察体会微机的构造及深入了解微机的工作原理,针对原有的PC机+实验箱的传统微机原理实验装置所存在的缺点,提出了以先进的嵌入式系统为核心构建实验装置的思路.实验装置采用模块化结构设计,将微机原理、接口技术及部分嵌入式实验功能集于一体,有利于学生综合能力及创新能力的培养.     

基于中外合作办学的化工机械专业研究生培养模式研究

本文分析了各种中外合作办学模式,阐述了合作办学对研究生培养的意义,在此基础上,结合青岛科技大学教育资源的现状,对中外合作办学的研究生培养模式及必要性进行了探讨.充分利用国外高等院校和知名企业的资源,对研究生进行联合培养,可以有效提升研究生的教育水平,提高研究生的科研和国际交流能力,开阔研究生的视野.     

SoC设计中WISHBONE片上总线的设计与开发

讨论了 WISHBONE片上总线的主要实现技术及其在 So C可重用设计中的主要作用 ,以及 WISHBONE体系结构在 So C中的应用 ,并以 EPStar1嵌入式微处理器中WISHBONE的设计与实现为例 ,说明了采用 WISHBONE片上总线实现 So C可重用设计的方法。     

基于单向函数的伪随机数发生器

伪随机数发生器(pseudorandom number generator,PRNG)是重要的密码学概念.基于单向函数的伪随机数发生器起始于1982年的BMY发生器,将单向函数反复迭代,周期性地输出伪随机序列.单向函数的性质和种子长度关系到发生器的可实现性和安全性,是此类发生器的2个重要参数.在分析现有工作的基础上,改进了单向函数的随机化迭代方式,基于不可逆性证明了迭代过程的安全性.迭代方式的改进消除了单向函数的长度保持性质,采用一般的压缩规范单向函数和通用散列函数构建伪随机数发生器.输出级与BMY发生器结构类似,以迭代函数的核心断言作为伪随机序列.基于与真随机序列的不可区分性,证明了伪随机数发生器的安全性.所构建的伪随机数发生器与现有同类发生器结构类似,但放松了对单向函数性质的要求,增强了可实现性,减小了种子长度,提高了效率.     

基于深度学习的高分辨率遥感图像建筑物识别

为解决当前深度学习方法在高分辨率遥感图像中存在识别结果过度分割,以及小物体识别差的问题,提出一种基于SegNet架构改进的网络模型AA-SegNet,增加了增强的空间金字塔池化模块和空间注意力融合模块。该网络可以加强特征传播并能够有效传递更高级别的特征信息以抑制低级特征的噪声,并且可以增强小目标特征学习。基于高分二号遥感影像制作数据集并进行实验,AA-SegNet网络总体识别准确率为96.61%,在识别率、[F1]分数以及训练时间等方面也都优于SegNet、U-Net、DeepLab-V3网络。     

改进U-Net网络的遥感影像道路提取方法研究

从遥感影像中提取道路目标对智慧城市建设具有重要意义。由于遥感数据中道路及背景特征复杂多样,使用深度学习方法对道路进行提取的准确性仍然受到限制。基于U-Net网络架构设计实现了用于遥感影像道路提取的深度语义分割模型AS-Unet,该模型分为编码器和解码器两部分。在编码器部分加入通道注意力机制,对提取的丰富低层特征进行筛选,突出目标特征,抑制背景噪声干扰,从而提高深浅层信息融合准确率;为解决网络对道路目标单一尺寸的敏感问题,在编码器最后一层卷积层后面加入空间金字塔池化模块来捕获不同尺度道路特征;在解码器部分加入空间注意力机制,进行位置关系信息学习和深层次语义特征筛选,提高特征图还原能力。在Massachusetts和DeepGlobe道路数据集上进行实验,结果证明,在召回率、精度、[F1]值等评估指标上,明显优于SegNet、FCN等语义分割网络。所设计的AS-Unet网络性能优良,具有更高的分割准确率,具备一定理论和实际应用价值。