嵌入式系统的课程实验研究

分析现有高低端嵌入式系统实验板的问题和不足,针对本科生"嵌入式系统"实验教学的实际需求,提出实验所应遵循的设计指导思想,并阐述了一种新电路设计,较好地解决了现有系统的问题。最后介绍其应用至"可编程逻辑器件"课程实验的效果。     

Python实现简单的Web服务器

研究利用Python实现简单的Web服务器功能,并加深对于HTTP等协议的理解.给出了该Web服务器的建立和改进的实现过程,研究HTTP协议和Web服务的基本原理,给出了Python实现Web服务请求、响应、错误处理及CGI协议,并给出了运行结果.     

基于WebCamera的路面标线用玻璃珠成圆率视觉检测系统

提出了一种检测玻璃珠成圆率的新方法,运用WebCamera为核心,配合专业镜头、自制光源和显微镜,将其改造成为路面标线用玻璃珠成圆率视觉检测系统,利用LabVIEW 8.2调用Windows系统下的avicap 32.dll和user 32.dll对WebCamera进行驱动,实现r对玻璃珠圆度的正确检测,避免使用专业...     

无线传感器网络中具有匿名性的用户认证协议

对He等人提出的无线传感器网络用户认证协议(Ad-Hoc Sensor Wireless Networks, 2010, No.4)进行研究,指出该协议无法实现用户匿名性,不能抵抗用户仿冒攻击和网关节点旁路攻击,并利用高效的对称密码算法和单向hash函数对其进行改进。理论分析结果证明,改进协议可以实现用户匿名性、不可追踪性及实体认证,抵抗离线字典攻击、用户仿冒攻击和网关节点旁路攻击,与同类协议相比,计算效率更高。     

支持线程级猜测的存储体系结构设计

在线程级猜测中进行数据依赖相关检测时,存在Cache一致性协议无法容忍线程切换引起的Cache块替换等问题。为此,通过分析推测线程数据管理模型,结合推测线程切概率低的特点,提出一种分布-共享式恢复缓冲区结构。该结构在进行Cache一致性检验时结合作废向量和版本优先级寄存器进行数据依赖检测,利用L2 Cache进行推测数据缓冲和恢复以支持推测线程切换。修改SESC模拟器以验证和评估该存储体系结构。实验结果表明,在保持模拟器理想加速比的情况下,该存储体系结构可以较好地支持推测线程切换。     

《航空高压直流供电系统中三相Vienna整流器的控制策略研究》之二——基于模糊幂次趋近律的双闭环滑模控制策略研究

针对传统的幂次趋近律在远离滑模面时趋近速度较小的问题,提出了一种基于模糊幂次趋近律的双闭环滑模控制策略。通过建立模糊规则,使趋近律的幂次能够根据系统状态进行相应调节,保证了其在远离和接近滑模面时均能保持较高的趋近速度。通过对广义滑模条件和到达时间有界的证明,从理论上证明了该趋近律能够使系统在有限时间内到达参考值;在此基础上,将幂次趋近律应用到Vienna整流器的控制闭环中,内、外环分别采用了直接电流控制和输出电压控制,且为提高中点电位的调节能力,将上下电容电压值均作为输入量加入到外环控制器中;仿真和实验结果表明,相比传统的PI控制策略,该滑模控制策略具有更好的动态、稳态和鲁棒性能,中点电位调节能力也显著提高。     

矿渣-粉煤灰基地聚合物性能研究

以矿渣、粉煤灰等为原料制备地聚合物,研究了M(矿渣/粉煤灰)、水玻璃模数、NaOH浓度对地聚合物材料扩展度和抗压强度的影响规律.结果表明:水对地聚合物的扩展度影响大;矿渣含量越高,地聚合物的抗压强度也越大,而粉煤灰的增加会导致地聚合物强度下降.通过灰关联分析得到地聚合物综合效益指标最优的配比为M(矿渣/粉煤灰)=0.8...     

碳纤维复合材料抽油杆研究进展

碳纤维复合材料抽油杆是近几年兴起的一种新型柔性抽油杆,具有轻质、高强度、耐高温、耐腐蚀、耐疲劳及结构功能一体化等优异性能,成为解决传统抽油杆失效问题很有发展前途的重要方法之一。主要综述了3种不同树脂基体的碳纤维复合材料抽油杆,包括:环氧树脂基、乙烯基酯树脂基、酚醛树脂基的制备及应用。由于传统的抽油杆很难满足高腐蚀油井、深井以及超深井的开采要求,对碳纤维复合材料抽油杆的发展方向进行了展望。     

深度学习框架下说话人识别研究综述

说话人识别由于其独特的方便性、经济性和准确性等优势,已成为人们日常生活与工作中重要的身份认证方式。然而在实际应用场景下,对说话人识别系统的准确性、鲁棒性、迁移性、实时性等提出了巨大的挑战。近年来深度学习在特征表达和模式分类方面表现优异,为说话人识别技术的进一步发展提供了新方向。相较于传统说话人识别技术（如GMM-UBM、GMM-SVM、JFA、i-vector等）,聚焦于深度学习框架下的说话人识别方法,按照深度学习在说话人识别中的作用方式,将目前的研究分为基于深度学习的特征表达、基于深度学习的后端建模、端到端联合优化三种类别,并分析和总结了其典型算法的特点及网络结构,对其具体性能进行了对比分析。最后总结了深度学习在说话人识别中的应用特点及优势,进一步分析了目前说话人识别研究面临的问题及挑战,并展望了深度学习框架下说话人识别研究的前景,以期推动说话人识别技术的进一步发展。