高速视频数据光纤传输系统的物理层实现

在实际的工程应用中要将不同性质的数字视频信号分时复用,通过单根光纤将各种信号从光电跟踪设备旋转的机上探测机构传输到机下数据处理单元,而数据的并发性和数据位宽的不同会造成数据传输不连续、带宽资源浪费等问题.针对上述问题,提出恢复视频信息中行场信号的方案,给出系统物理层协议的实现,结合物理层编解码芯片的特点,采用恢复系统中时钟信号以及8B/10B编解码方法,使系统传输速率提高到2.0 Gb/s,误码率小于10-12.实验结果证明,该方法可以有效解决传输总线不匹配问题,使所有数据并行传输.     

基于LVDS的高可靠性远距离数据传输设计

针对数据在高速远距离传输过程中可靠性低的问题,提出了一种基于LVDS长线传输和新型8B/10B编解码的解决方案。该方案采用了国产LVDS编解码芯片,在硬件电路中加入驱动设计和均衡设计,补偿信号在长线传输中的损耗;在逻辑设计中加入了一种新型的8B/10B编解码,实现数据在传输中的直流平衡,提高传输的可靠性。经验证,该系统中LVDS串行数据可以500 Mb/s的传输速率在240 m的平衡双绞导线上实现无误码传输。     

基于FPGA的低成本长距离高速传输系统的设计与实现

借助Altera CycloneⅢFPGA的LVDS I/O通道产生LVDS信号,稳定地完成了数据的高速、远距离传输。系统所需的8B/10B编解码、数据时钟恢复(CDR)、串/并行转换电路、误码率计算模块均在FPGA内利用VHDL语言设计实现,大大降低了系统互联的复杂度和成本,提高了系统集成度和稳定性。     

基于RocketIO的高速串行协议设计与实现

采用Xilinx公司Virtex-Ⅱ Pro系列FPGA内嵌得SERDES模块--RocketIO作为高速串行协议的物理层,利用其8B/10B的编解码和串化、解串功能,实现了两板间基于数据帧的简单高速串行传输,并在ISE环境中对整个协议进行了仿真,当系统频率为100MHz,串行速率在2Gbps时,在验证板上用chipscope抓取的数据表明能够实现两板间数据的高速无误串行传输.     

基于串行背板技术的声呐数据传输系统设计

根据拖曳线列阵声呐工作特点和水声信号传输的特殊要求，提出了一种基于高速背板串行传输技术的全数字式水声信号多路传输方法。该方法选用CY78923／CY78933作为物理层芯片解决水声信号的高速串行传输，采用复用／竞争的思想实现多路数据混合传输。并通过同步互联技术解决模块间的同步采集问题。硬件上设计了以可编程逻辑器件为核心的数据采集模块和串行背板传输模块。该系统可适用于传输电缆体积受到严格限制，且需要同步多路数据采集的数据传输场合。     

GA-BPNN的网络物理层传输安全加密方法

面对当前物理层数据传输无法分离有效信号和噪声,造成信道一端接收到部分野值数据,从而导致信道传输加密效果不佳的问题,提出了基于GA-BPNN的网络物理层传输安全加密方法。构建多时隙加密传输模型,通过上行通信阶段1、2时隙,将信道容量信息转换处理后可得到密钥。通过下行通信阶段3、4时隙,译码与分组解密信息流,实现第一次信息安全传输。使用GA算法选择传输信道,计算个体适应值在传输信道群适应值中所占比例,通过迭代处理避免适应度值异常个体被选中,使GA算法收敛于全局,获取最优选择结果。实验结果表明,该方法经过滤波处理后获取的数据是无野值数据,滤波处理效果较好,且最大吞吐率为5 000 b/s,与理想吞吐率一致,说明使用该方法加密效果较好。     

空间科学实验图像数据接收处理方法研究

针对空间科学实验设备在系统体积、功耗、可靠性、环境适应性等方面的特殊要求,本文探讨将JPEG图像信息插入视频码流中共用同一信道进行传输的方法,设计了基于PC/104工业总线标准的数据接收系统完成SPI接口串行数据至ISA接口8位并行数据的传输,在进机处理过程中实现图像数据抽取和恢复,并对视频编解码芯片相关的起始码竞争问题进行了修正。     

基于多径信道随机延时的物理层全算法

针对无线通信遇到的第三方窃听问题,利用无线通信系统信道多径延时丰富的特征,提出了一种保证物理层安全传输的加密算法。该算法中,数据发送用户根据估计的多径延时信息随机提前符号发送时间,使授权用户的同步位置有较强的多径信号到达,授权接收用户在保持同步状态不变的情况下可以正常接收信息。而窃听用户具有不同的信道多径延时特征,接收到的信号幅度和相位会随机变化,难以进行同步跟踪,因此接收到的符号会产生大量的误码,从而提高授权用户之间的安全传输性能。仿真结果表明,该算法能有效提高窃听方的误码率,提高授权用户通信的安全性,从而可在多径环境中有效保证物理层通信安全。     

SimView综合布线实时智能管理系统

网络物理层的结构化综合布线的概念已经应用多年，所有网络通讯依靠物理层的线缆来将数据传送到目的地。现在，宽带以太网网络正以前所未有的速度向各个领域渗透，这些关键的数据传输包含了数据、声音和视频信息，传输到桌面的信号，要求的可靠性更高一些。高质量和高可靠性的结构化布线系统是整个网络结构中至关重要的一个部分。     

基于FPGA的多路数字信号编解码器的设计

编解码技术是现代数字通信中信息处理的重要手段.在数字通信领域中,编解码技术可以有效的提高传输效率、扩大数据传输量.论文介绍一种编解码技术,基于FPGA对语音、数据等多路不同信号进行编码/解码的实现方法,对设计过程进行了详细的描述.     

基于优序图加权的多维稀疏模糊推理方法

在稀疏规则库条件下,多数的多维稀疏规则条件近似推理方法都难以保证推理结果的凸性和正规性,且没有考虑到多维变量对结论的影响权值。提出一种基于优序图加权的多维模糊推理方法,运用优序图确定权值,实验结果表明,该方法不仅减小推理结果的误差,而且能较好地保证推理结果的凸性和正规性。     

一种基于核集与相似性的模糊推理方法

在稀疏规则库条件下,当给定的输入落入规则"间隙"时,采用传统的模糊推理方法是得不到任何结论的.学者已经证明模糊推理本质上就是插值器.Koczy和Hirota首先提出了KH线性插值推理方法,然而推理结果存在着无法保证凸性和正规性等问题.为了能有一个较好的插值推理结果,本文提出了一种基于核集与相似性的模糊插值推理方法,并把此方法扩展到多维变量的情况,该方法不仅推理简单,推理结果较好,并且能很好地保证推理结果的凸性和正规性.这为智能系统中的模糊推理提供了一个非常有用的工具.     

稀疏规则条件下的相似插值推理研究

模糊推理本质上就是插值器。但在稀疏规则库的务件下，当输入的事实落入规则“空隙”时，采用传统的CRI方法是得不到任何推理结果的。而采用KH线性插值推理也存在着难以保证推理结果的凸性和正规性等问题。为了在稀疏规则条件下能有好的插值推理结果，提出了一种相似插值推理方法。谊方法能较好地保证推理结果隶属函数的凸性和正规性，这为智能系统中的模糊推理提供了一个十分有用的工具。     

稀疏规则条件下的线性插值推理研究

模糊推理本质上就是某种插值方法．但在稀疏规则库的条件下，当输入的事实落入规则“空隙”时，采用传统的CRI方法是得不到任何推理结果的．而采用KH线性插值推理也存在着难以保证推理结果的凸性和正规性等问题．在分析了Koczy和Hirota提出的线性插值推理方法的基础上，本文提出了一个新的线性插值推理的方法，该方法能很好地保证推理结果的凸性和正规性，这为智能系统中的模糊推理提供了一个十分有用的工具．     

一种新的多维稀疏规则模糊插值推理方法

经典的插值理论针对一维稀疏规则库的条件，提出了各种不同的插值方法，取得了很多很好的经验．但对多维稀疏规则条件的近似推理，研究很少，仅有的几种插值方法，存在着难以保证推理结果的凸性和正规性等问题．为了在多维稀疏规则条件下能得到好的插值推理结果。提出了一种基于几何相似的插值推理方法．该方法能较好地保证推理结果隶属函数的凸性和正规性，为智能系统中的模糊推理提供了一个十分有用的工具．     

多变量规则的线性插值推理方法

插值推理是稀疏规则条件下的一类重要的推理方法，单变量的情况已有较多研究，但针对多变量情况的研究还不多，仅有的几种插值方法，存在着难以保证推理结果的凸性和正规性等问题。多变量规则的插值推理是插值推理研究的重要方面，为了在多变量稀疏规则条件下能得到好的插值推理结果，本文对多变量规则的插值推理方法进行了研究，提出了一个多变量规则的线性插值推理方法。该方法能较好地保证推理结果隶属函数的凸性和正规性，为智能系统中的模糊推理提供了一个十分有用的工具。     

一种基于模糊神经网络加权的多维稀疏模糊推理方法

在稀疏规则库条件下,经典的插值理论针对一维稀疏规则库提出了各种不同的插值方法,取得了很多很好的经验;但对多维稀疏规则条件的近似推理研究很少,不仅存在着难以保证推理结果的凸性和正规性等问题,而且没有考虑到多维变量之间的联系即对结论的影响权值,造成推理结果的误差性更大.多变量规则的模糊插值推理是插值推理研究的重要方面,为了在多变量稀疏规则条件下得到好的插值推理效果,本文提出了一种基于模糊神经网络加权的多维模糊推理方法,为智能系统中的模糊推理提供了一个十分有用的工具.     

基于操作系统课程教学的动态解析研究

本文主要以操作系统课程中的前趋图、进程同步问题和哲学家就餐问题三个知识点为基础,讲述采用Flash技术动态讲解操作系统知识的方法,同时阐述Flash技术对操作系统学习的重要意义。     

Fuzzy Interpolative Reasoning for Sparse Fuzzy-Rule-Based Systems Based on the Areas of Fuzzy Sets

Fuzzy interpolative reasoning is an inference technique for dealing with the sparse rules problem in sparse fuzzy-rule-based systems. In this paper, we present a new fuzzy interpolative reasoning method for sparse fuzzy-rule-based systems based on the areas of fuzzy sets. The proposed method uses the weighted average method to infer the fuzzy interpolative reasoning results and has the following advantages: 1) it holds the normality and the convexity of the fuzzy interpolative reasoning result, 2) it can deal with fuzzy interpolative reasoning with complicated membership functions, 3) it can deal with fuzzy interpolative reasoning when the fuzzy sets of the antecedents and the consequents of the fuzzy rules have different kinds of membership functions, 4) it can handle fuzzy interpolative reasoning with multiple antecedent variables, 5) it can handle fuzzy interpolative reasoning with multiple fuzzy rules, and 6) it can handle fuzzy interpolative reasoning with logically consistent properties with respect to the ratios of fuzziness. We use some examples to compare the fuzzy interpolative reasoning results of the proposed method with those of the existing fuzzy interpolative reasoning methods. In terms of the six evaluation indices, the experimental results show that the proposed method performs more reasonably than the existing methods. The proposed method provides us a useful way to deal with fuzzy interpolative reasoning in sparse fuzzy-rule-based systems.      

Fuzzy interpolative reasoning via scale and move transformations

Interpolative reasoning does not only help reduce the complexity of fuzzy models but also makes inference in sparse rule-based systems possible. This paper presents an interpolative reasoning method by means of scale and move transformations. It can be used to interpolate fuzzy rules involving complex polygon, Gaussian or other bell-shaped fuzzy membership functions. The method works by first constructing a new inference rule via manipulating two given adjacent rules, and then by using scale and move transformations to convert the intermediate inference results into the final derived conclusions. This method has three advantages thanks to the proposed transformations: 1) it can handle interpolation of multiple antecedent variables with simple computation; 2) it guarantees the uniqueness as well as normality and convexity of the resulting interpolated fuzzy sets; and 3) it suggests a variety of definitions for representative values, providing a degree of freedom to meet different requirements. Comparative experimental studies are provided to demonstrate the potential of this method.