基于Android的可视倒车系统设计

设计的可视倒车系统是在Android操作系统平台下,以三星公司的S3C6410作为处理器,利用OV9650摄像头对汽车尾部的实时路况信息进行采集,通过LCD显示屏直观的呈现出来,以语音报警系统和超声波测距作为辅助,完成整个可视倒车系统的软硬件设计,达到清晰显示倒车路况的同时,实现比较精确的测距和障碍物距离语音报警,克服倒车盲区。     

远程集散式安规测试系统设计

针对产品生产线新的安规测试需求,将安规测试系统与网络技术融合,设计了远程集散式安规测试系统,实现多项电气参数(包括耐压、泄漏、绝缘、接地等)综合测试和远程监测。介绍了系统硬件和软件设计,重点阐述了系统设计中涉及的关键技术,如自定义通信协议、串口扩展、上位机信息处理中的多线程串口通信和水晶报表等技术。经过多次现场试验,系统能够满足测试需求,且通信稳定可靠。     

通过K-means算法实现神经网络的加速和压缩

近年来,以神经网络为代表的机器学习领域快速发展,已广泛地应用于语音识别和图像识别等各个工业领域。随着应用环境越来越复杂,精度要求越来越高,网络规模也越来越大。大规模神经网络既是计算密集型又是存储密集型结构,其中卷积层是计算密集型层次,全连接层是存储密集型层次。前者的处理速度跟不上存取速度,后者的存取速度跟不上处理速度。基于神经网络本身训练的预测准确率置信区间,提出了一种使用K-means加速和压缩神经网络的方法。通过将卷积过程中的输入特征图采用K-means压缩来减少计算量;通过将全连接层的权重压缩来减少存储量。所提方法对AlexNet网络单个卷积层的计算量最多能降低2个数量级,加入合适的K-means层,整个网络的处理时间加速比能达到2.077,对网络压缩率达到8.7%。     

一种支持阻塞分段传输的DMA部件的设计与实现

针对通用矩阵乘(GEneralized matrix multiplication,GEMM)核心算法,提出了一种支持阻塞分段传输的直接存储访问控制器(direct memory access,DMA)结构.当有多个核进行核内到核外的数据传输时,阻塞分段传输机制可以替代软件锁同步的方式自动检测这些事务的状态,并在所有事务结束后启动分段传输事务.在NC-VERILOG仿真平台上的仿真结果表明,与软件锁同步方式相比,阻塞分段传输结构有2方面的优势:1)对单纯的数据传输,使用阻塞分段传输结构启动分段传输可以至少提前50拍;2)对GEMM核心算法,使用阻塞分段传输结构比使用软件锁同步的运行时间减少10 000拍以上.     

基于北斗系统的输电线路舞动监测系统

基于北斗系统的输电线路舞动监测系统,依托北斗卫星导航系统和"电力北斗精准服务网",集成北斗高精度定位模块及配套的电源和通信系统,实现对输电线路导线监测点的精准定位,集成实时在线监测系统,通过实时状态数据的采集和分析,提前预测导线摆动的幅度,提醒工作人员及时采取有效措施,实现线路舞动实时监测与风险防控.同时通过本项目的研...     

锂电池MoNxO3-x/C复合材料的制备及其储锂性能的研究

以乙二胺与三氧化钼制备的杂化前驱体作为模板,通过氮气保护下的碳热还原处理,制备出纳米形貌MoNxO3-x/C复合材料,并借助X射线衍射光谱法(XRD)、扫描电子显微镜法(SEM)和X射线光电子光谱法(XPS)等手段对材料的结构形貌进行表征.结果表明,通过有机物乙二胺的碳热还原反应,无定形碳原位包覆在氧化钼表面,同时N元...     

一种新型住宅设计的探索

<正> 住宅是人类为了满足自己生活的需要去适应自然,改造自然的产物,它是随着人类社会的进步而逐步发展起来的。住宅既然是人们居住、生活的主要场所和空间,那么在住宅设计中就必须坚持"以人为本"的原则。人是住宅的核心。但另一方面,住宅又具有广泛的社     

如何利用3DS制作三维立体汉字

<正> 3D Studio(简称3DS)是美国Autodesk公司开发的进行三维造型及动画制作的软件包。3D Studio可以用于艺术创作、美术设计、建筑表现和古文物、古建筑的再现,以及商业广告、装潢设计、工艺造型等领域。在电     

气流床煤气化技术与IGCC发电

分析了典型气流床气化技术的优缺点及其在IGCC发电系统上的应用,提出带显热回收的二段式干煤粉加压气流床气化技术是今后IGCC煤气化的主要发展方向,指出随着大规模煤气化技术的发展,IGCC技术具有广阔的应用前景。     

基于Winograd稀疏算法的卷积神经网络加速器设计与研究

随着卷积神经网络得到愈加广泛的应用,针对其复杂运算的定制硬件加速器得到越来越多的重视与研究。但是,目前定制硬件加速器多采用传统的卷积算法,并且缺乏对神经网络稀疏性的支持,从而丧失了进一步改进硬件,提升硬件性能的空间。重新设计一款卷积神经网络加速器,该加速器基于Winograd稀疏算法,该算法被证明有效降低了卷积神经网络的计算复杂性,并可以很好地适应稀疏神经网络。通过硬件实现该算法,本文的设计可以在减少硬件资源的同时,获得相当大的计算效率。实验表明,相比于传统算法,该加速器设计方案将运算速度提升了近4.15倍;从乘法器利用率的角度出发,相比现有的其他方案,该方案将利用率最多提高了近9倍。