一种面向单粒子效应的容错自动转换工具

空间环境下高能粒子辐射所产生的单粒子效应是半导体电路中的1种瞬态故障现象,是影响航天计算机可靠性的重要原因。与硬件加固技术相比,针对单粒子效应的软件容错技术由于在实现成本和灵活性等方面的优势而备受关注。而自动化工具能提高容错加固的效率,拓展软件容错技术的应用范围。本文面向DSP线性汇编程序,设计实现了一种容错自动转换工具AFTCT。AFTCT能够实现程序分析和容错转换功能。同时,该工具能够集成多种容错算法,对新算法具有很好的扩充能力。并且结合JPEG2000程序对转换后代码进行了测试验证。     

线性方程组的一种快速算法

根据压缩映射原理 ,提出了一种求解线性方程组的快速算法 ,并对其误差进行了估计     

基于MMAS的NoC低功耗映射

随着芯片集成度的提高,网络通信流量与通信功耗也随之递增.片上网络在设计阶段就要考虑到通信功耗问题,因此提出一种可以降低通信功耗的映射方法,该方法是一种改进的最大最小蚁群算法,通过优化权重系数、状态转移规则以及信息素更新来提高算法的性能.实验表明,该方法能加速搜索进化过程,避免搜索的停滞,具有较好的收敛性,能有效的降低系统的映射功耗.     

准共形映射的三维模型变形算法

为了解决在三维曲面之间直接变形艰难、局部区域失真较大、对细节丰富或骨架不明显的模型变形效果差的问题,提出一种基于准共形映射的三维模型变形算法。首先,采用准共形映射将三维模型参数化到二维平面圆盘;其次,基于准共形迭代算法计算2个二维平面圆盘之间的映射,构建变形后的二维模型;最后,采用模型恢复算法从变形后的二维模型还原出三维模型,从而得到具有不同外观的三维模型。实验选取了2个公开数据集中的三维模型进行变形操作,并与基于拉普拉斯的微分坐标变形算法进行了对比。结果表明,该方法可以便捷地对模型进行平移、旋转和拉伸等操作,很好地保持了模型的局部特征,运行时间短,变形效果好,鲁棒性强。此方法能够适用于具有任意边界的模型,对模型的选取要求低,适用于各类三维模型的变形及三维模型的快速构造。     

基于误差矢量的选择映射序列降低OFDM信号峰均比方法

正交频分复用系统的高峰值会导致发送端对功率放大器的线性度要求极高,从而会降低功率放大器的效率。提出了一种基于误差矢量度量来衡量传输信号峰值平均功率比的选择映射序列算法。在考虑高功率放大器作用的条件下,通过限制选择映射序列的扰码个数,从中选取与原始序列误差矢量幅度最小的加扰信号进行传输。仿真结果表明,所提出的方法与同类方法相比,有更好的峰值降低效果和更低的复杂度。     

一种基于关系的XML原型系统的设计与实现

本文探讨了XML文档到关系数据库的转换问题,制定了一系列映射规则并给出若干映射算法。     

建筑物理模型与结构分析模型的数据映射研究

本文围绕AEC/FM领域应用软件的信息共享与互用,探讨了建筑建模软件与结构分析软件间的数据映射方案。基于IFC(Industry Foundation Classes)标准,分析了建筑物理模型与结构分析模型的异同,提出了从IFC建筑物理模型文件中提取结构构件以及结构构件连接节点拓扑信息的方法,并基于这些映射算法,利用C++编程语言实现了本文提出的通用结构分析模型(SGF)与IFC建筑物理模型的双向数据接口。最后,提出了以SGF为中心的多种建筑物理模型与多种结构分析模型的数据集成基本框架。     

基于自组织聚类和改进粒子群算法的语音转换方法

提出一种基于自组织聚类,并且利用改进粒子群算法确定转换模型参数的语音转换方法.该方法首先基于自组织特征映射网络对特征参数进行聚类,再对每个聚类分别建立转换规则,并且利用柯西变异的粒子群算法确定每个转换规则中的模型参数.与传统的单一转换规则相比,聚类后建立的多转换规则以及利用改进粒子群算法确定参数能够提高映射关系的准确度,避免参数陷入局部最优点。以女声转男声为例,主观测试表明该方法得到的转换语音与目标的相似度提高了27.6%,平均主观意见分(Mean Opinion Score,MOS)提高了0.6,客观测试也表明该方法谱失真最小,与目标的包络更接近.     

基于稀疏矩阵和集合运算的配电网故障定位与隔离算法

针对含有分布式电源的配电网,提出一种基于稀疏矩阵和集合运算的通用故障定位与隔离算法。采用网络拓扑结构的关联信息构成区域-节点矩阵以及不同节点的电流信息构成故障信息矩阵,以三元组稀疏矩阵方式在计算机中存储,在此基础上,使用简单的集合运算代替现有算法中高阶矩阵运算,实现多重故障的一次性定位与隔离。此外,研究了算法在故障信息丢失和故障信息错误等异常情况下的容错性能。在Matlab中对故障定位功能以及交互性能进行实现,算例计算结果验证了该方法的可行性与有效性。     

基于稀疏重构编码的图像检索算法

针对现有方法在哈希函数构造过程中没有考虑数据的稀疏结构,提出了一种基于稀疏重构的哈希函数学习方法。利用相似点的l_(21)范数对重构系数进行了稀疏约束,以增强局部保持映射过程中的判别性,并构建拉普拉斯矩阵进行局部邻域关系的约束,在调和协方差矩阵和最小化数据的重构误差间建立了一种平衡机制。从特征所在的空间与经映射后的汉明空间的可判别性角度出发,对哈希函数构造过程中的内在要求和约束同时进行了考虑并综合权衡。采用公共图像检索数据集Caltech-256进行实验,实验结果表明:32位编码长度时,本文算法的检索精度比其他无监督的深度哈希算法至少提高了4.69%。