嵌入式软件在高速CCSDS复接/分接设备的应用

给出一个符合CCSDS标准的高速复接/分接设备的软件设计方案.该设备可以将来自不同信源的数据按虚拟信道的概念进行实时复接和分路,实现了TCP/IP协议和CCSDS标准之间的相互转换.介绍了该设备的软件开发技术数据复接、数据分接及帧同步.     

STANAG7023标准介绍与应用研究

STANAG 7023标准是一种军事领域使用的数据复接标准,用于处理文字与图像信息。这一标准通过添加分类标识、时间戳、校验码等冗余信息将信息复接数据包,再将数据包排列为数据段,最后将数据段排列成数据记录,完成复接的功能。在实际使用中,这一标准的缺点是针对辅助信息的复接效率非常低。选取平均长度为28字节的五种常用的信息做复接时,复接效率不足15%。针对这一缺陷,本文利用定长帧与变长帧结合的思想,改进复接方案,将辅助信息复接效率提高到48.3%,提高了信息的复接效率。     

数字复接系统中数据通信软件的设计

当对多路不同速率的数据进行动态复接时,各数据支路的速率及信息格式必须与复接部分适配。本文在VC++6.0的开发环境中利用Win32的重叠I/O操作和多线程特性,并应用ZMODEM协议,设计了适用于复接系统的高效数据通信软件。     

自适应高速MPEG数据的复接/解复接系统研究

在无线数据广播和通信系统中，为了充分利用主链路带宽，提高通信主信道的利用率，通常使用复接技术。如何适应数据源的速率变化是复接技术的关键问题，本文介绍一种自适应复接技术的设计方法及其实现。     

基于FPGA的多路数字信号复分接器的设计

数字复接技术是现代数字通信中常用的技术。本文给出了一种采用时分复用技术,基于FPGA对语音、同步数据、异步数据等多路不同等级数字信号进行复分接设计与实现的方法,对设计与实现过程关键技术进行了详细的论述,同时对设计中需要注意的问题做了必要的说明。     

基于Verilog语言的帧同步的实现

现代数字通信中往往采用数字复接技术扩大信息的传输容量并提高信道利用率。帧同步是数字复接系统中的重要部分。本文采用Verilog硬件描述语言给出了帧同步的提取方法,同时在Altera公司的QuartusⅡ5.1软件下进行了编译和仿真,成功地提取出了帧同步头和有效的输入数据。     

基于FPGA的高速实时/回放分级复接器设计

利用国际空间数据系统咨询委员会(CCSDS)高级在轨系统(AOS)建议,提出了两级复用的方案,设计了一种具有栽荷数据存储功能的高速实时/回放分级复接器.该方案采用FPGA技术,时星上栽荷输出的数据使用了两级全异步复用的策略进行数据存储和虚拟信道调度.试验结果表明该复接器较好地实现了栽荷数据的存储和复接功能的集成,并且功能灵活,硬件资源利用率小.     

基于FPGA的混合遥测数据复接技术的研究

在进行多路传输的PCM遥测系统中,为了节省信道资源,降低调制解调设备的复杂度,遥测数据复接系统得到了广泛应用。混合信号处理首先需要进行数字化再交给FPGA并且与之交互。基于FPGA的数字复接系统具有模块化设计,通过建立一个组帧模型完成多路复用。最后在Quartus Ⅱ集成环境下进行了系统的综合、布局布线及时序仿真。仿真结果验证了输入与输出的逻辑关系,并且下载到开发板中进行了板级验证,其功能稳定可靠。     

一种利用E1空余时隙组网设备的设计

本文介绍一种利用CPLD及专用集成电路实现的2M通道时隙提取设备,该设备实现将一路RS-232接口的串行数据复接到E1通道的一个选定时隙中,利用E1通道的空闲时隙实现RS232数据的组网及传输.     

电力巡线无人机数据传输系统研究

针对无人机数据链系统需要同时传输不同类型信息而且其性能指标迥异的问题,提出了安全性非对称信息一体化传输技术。该技术采用直接序列扩频技术对遥测等重要数据进行附加保护,与图像数据复接后统一进行QPSK调制,解决了直接复接技术可靠性不足、UQPSK功率分配灵活性差的问题,实现了多类型信息的差别复合传输。仿真结果表明,在改善频带利用率的同时,提高了重要信息链路的接收信噪比,与理论分析一致。     

Q的线性密码分析

对NESSIE公布的17个分组密码之一的Q进行了线性密码分析，攻击所需的数据复杂不大于2^118(相应的成功率为0．785），空间复杂度不大于2^33 2^19 2^18 2^12 2^11 2^10。此结果显示Q对线性密码分析是不免疫的。     

基于FPGA的正交I/Q解调实现

介绍了一种基于Stratix-Ⅲ高端系列FPGA的数字I/Q正交解调实现,并利用SignalTapⅡ工具对FPGA实时处理的数据进行了离线分析。该I/Q解调方式实现简单、实时性好,具有平滑功能,且占用FPGA资源少。该方法为用于软件无线电前端数字I/Q解调提供了一种实现方案。     

基于深度强化学习的移动机器人路径规划

为解决传统的深度[Q]网络模型下机器人探索复杂未知环境时收敛速度慢的问题,提出了基于竞争网络结构的改进深度双[Q]网络方法（Improved Dueling Deep Double [Q]-Network,IDDDQN）。移动机器人通过改进的DDQN网络结构对其三个动作的值函数进行估计,并更新网络参数,通过训练网络得到相应的[Q]值。移动机器人采用玻尔兹曼分布与[ε]-greedy相结合的探索策略,选择一个最优动作,到达下一个观察。机器人将通过学习收集到的数据采用改进的重采样优选机制存储到缓存记忆单元中,并利用小批量数据训练网络。实验结果显示,与基本DDQN算法比,IDDDQN训练的机器人能够更快地适应未知环境,网络的收敛速度也得到提高,到达目标点的成功率增加了3倍多,在未知的复杂环境中可以更好地获取最优路径。     

Geometrically (Q,S, R)‐Incremental Dissipativity and Incremental Stability for Switched Time‐Varying Nonlinear Discrete‐Time Systems

This paper investigates geometrically (Q,S,R)‐incremental dissipativity and incremental stability for switched time‐varying nonlinear discrete‐time systems. A geometrically (Q,S,R)‐incremental dissipativity concept is proposed for switched nonlinear discrete‐time systems by using multiple storage functions and multiple incremental supply rate. Furthermore, the sufficient conditions of geometrically (Q,S,R)‐incremental dissipativity are given under the design of state‐dependent switching law. The incremental stability conditions are derived for geometrically (Q,S,R)‐incrementally dissipative switched systems. By designing of a composite state‐dependent switching law, the feedback interconnected switched systems are ensured to be geometrically (Q,S,R)‐incrementally dissipative. A numerical example is given to illustrate the validity of the proposed approach.     

InforBus/Q并发信息传输响应时间的测试

InforBus/Q是面向分布式应用的消息传递中间件,可在应用程序间传递消息,能够进行海量数据的缓冲和传输,已被广泛应用于各个领域。文章根据某项目中对InforBus/Q并发信息传输响应时间的要求,描述了采用LoadRunner、EtherpeekNx两个工具进行InforBus/Q机制下的并发信息传输响应时间的测试设计、实现及结果分析,有效的解决了以往此项指标无法测试的难题,此方法适用于消息中间件信息传输机制的各种压力测试。     

A Novel 4-D Perceptual Quantization Modeling for H.264 Bit-Rate Control

Bit-rate control plays a major role In video coding and multimedia streaming. A well-designed bit-rate control mechanism can achieve line visual qualities and avoid network congestion over a time-varying channel. This paper proposes an H.264 bit-rate control using a 4D perceptual quantization modeling (PQrc), including two major encoding modules: the perceptual frame-level bit-allocation using a 1D temporal pattern and the macroblock-level quantizer decision using a 3D rate pattern. The temporal pattern is used to predict frame complexity and determine proper budget bits further. The rate pattern is depicted as a bit-complexity-quantization (B.C.Q.) model, in which a tangent slope of a B.C.Q. curve is a piece of unique information to find a proper quantizer. For newly generated video clips, the B.C.Q. model is updated continuously using a weighted least-square estimation. In comparison with the latest H.264 JM10.2, our experiment results show that the proposed PQrc can: 1) keep stable buffer fullness and 2) improve the SNR quality and control accuracy effectively.     

On self-organizing algorithms and networks for class-separability features.

We describe self-organizing learning algorithms and associated neural networks to extract features that are effective for preserving class separability. As a first step, an adaptive algorithm for the computation of Q(-1/2) (where Q is the correlation or covariance matrix of a random vector sequence) is described. Convergence of this algorithm with probability one is proven by using stochastic approximation theory, and a single-layer linear network architecture for this algorithm is described, which we call the Q(-1/2) network. Using this network, we describe feature extraction architectures for: 1) unimodal and multicluster Gaussian data in the multiclass case; 2) multivariate linear discriminant analysis (LDA) in the multiclass case; and 3) Bhattacharyya distance measure for the two-class case. The LDA and Bhattacharyya distance features are extracted by concatenating the Q (-1/2) network with a principal component analysis network, and the two-layer network is proven to converge with probability one. Every network discussed in the study considers a flow or sequence of inputs for training. Numerical studies on the performance of the networks for multiclass random data are presented.     

Standard-independent I/Q imbalance estimation and compensation scheme inOFDM

Direct-conversion transceivers are gaining increasing attention due to their low power consumption. However, they suffer from a serious in- and quadrature-phase (I/Q) imbalance problem. The I/Q imbalance can severely limit the achievable operating signal-to-noise ratio (SNR) at the receiver and, consequently, the supported constellation sizes and data rates. In this paper, we first investigate the effects of I/Q imbalance on orthogonal frequency division multiplexing (OFDM) receivers, and then propose a new I/Q imbalance compensation scheme. In the proposed method, a new statistic, which is robust against channel distortion, is used to estimate the I/Q imbalance parameters, and then the I/Q imbalance is corrected in the frequency domain. Simulations are performed to verify the effectiveness of the proposed method for I/Q imbalance compensation. The results show that the proposed I/Q imbalance compensation method can achieve bit error rate (BER) performance close to that in the ideal case without I/Q imbalance in additive white Gaussian noise (AWGN) or multipath environments. Furthermore, because no pilot information is required, this method can be applied in various standard communication systems.     

基于Q Learning算法的区域配网业务路由分配方法研究

传统的配网业务路由分配方法的链条占用率过高,导致丢包率较大。为此,设计了基于Q Learning算法的区域配网业务路由分配方法。按照传统分类方式划分业务路由中的性能指标,根据路由约束条件计算指标的约束值,从而确定业务路由的最优传输路径。结合Bellman Equation方法不断计算并更新配网中的Q值,再综合节点和网络业务指标,利用Q Learning算法计算得到区域配网中的风险均衡度。不断变换VNFs的路由顺序将其转换为TSP路由问题,最终得到路由分配矩阵,实现区域配网业务路由的分配。实验结果表明:与传统分配方法相比,基于Q Learning算法的分配方法的链条占用率低,有效减小了业务数据转发过程的丢包率。     

基于标签分组的新型Q值防碰撞算法

RFID技术是物联网的关键技术,为了解决射频识别技术中大量标签数据的防碰撞问题,提出了一种基于EPC-C1G2标准的Q值算法。该算法 对原Q值算法中Q的取值方法进行了有效改进,同时结合标签分组算法,解决了在大量标签数据的情况下,如何保持较高的系统效率的问题。仿真结果表明,与传统算法相比,提出的改进算法不仅能够减少时隙数,提高时隙利用率,而且可以维持较好的系统吞吐率。