实时极限思想的提出和应用

实时任务调度算法之间很难进行比较,而且缺少比较标准。提出具体环境下实时极限的思想,为任务调度的比较研究提供了一个尺度。并可在此基础之上进行算法自身消耗的测量。还可扩展可通行判定理论的应用范围。     

足球反作用力下仿人机器人姿态控制研究

本文以仿人机器人踢足球为例,以现实机器人为原型,利用Solidworks建立了仿人机器人的三维机械结构模型,利用ADAMS和Simulink联合仿真的方法,仿真得到了机器人踢足球的整个过程,利用ZMP理论实时求得机器人的重心轨迹,计算与理想轨迹的偏差,通过改变机器人姿态以减小偏差,实现了对机器人的闭环控制,提高了机器人在受外力作用下的稳定性,并进行了实物实验,验证了该方法的有效性。     

利用虚拟仪器构建的注水机组故障预测系统

大型注水机组故障预测系统由于系统复杂,采用传统的开发方式,开发周期长并且硬件系统庞大。虚拟仪器可以通过软件把计算机强大的计算处理能力和仪器硬件的测量、控制能力有机的结合起来。利用PC-DAQ与LabWindows/CVI构建大型旋转机组故障分析系统,减少了系统所需的硬件资源,加快了系统软件的开发速度,实现集成运行环境,使操作人员操作起来更加方便。     

基于并行PLS算法的化学计量学软件研究

现有化学计量学软件普遍采用的偏最小二乘(PLS)算法均以单线程方式计算,建模速度缓慢,给应用带来较大的不便。随着多核处理器的普及,采用多线程并行计算技术可显著提高算法执行速度。本文将多线程并行计算技术引入化学计量学软件开发,提出并实现了PLS算法的并行化计算。利用标准数据集进行了性能对比实验,结果表明在四核计算机中多线程并行计算比单线程计算有大约3.1倍的速度提升。     

基于值域二次哈希方法的布鲁姆过滤器

本文针对扩展式布鲁姆过滤器(EBF)内存消耗过大,提出一种基于值域哈希二次过滤的布鲁姆过滤器数据结构(VHBF)和相关算法,VHBF通过在布鲁姆过滤器中对集合中的每个特征进行k次哈希,并将此k次哈希值转化为相应特征的镜像特征。然后对此镜像进行二次过滤运算,运算后的结果保存在另一布鲁姆过滤器中。在对特征进行检索时,由于无需保存特征本身,因而空间效率比EBF更高。实验表明,VHBF的假阳性误判率的比扩展型布鲁姆过滤器(EBF)低,而VHBF内存消耗也低于EBF。     

EAP-FAST安全认证协议分析

本文详细分析了EAP-FAST在无线局域网认证中的实施步骤与方法,对EAP-FAST安全特性进行了研究,最后对现有的认证方式进行了对比,并对今后的认证安全技术的发展作了进一步的展望。     

小电流接地系统的新判据在检测工程应用分析

针对当前在小电流接地系统中,尤其是经消弧线圈接地的系统中,所装设的接地检测(选线)装置正确动作率不高的问题,根据系统的特点,对小电流接地系统的选线设备原理、采样误差等方面问题进行剖析,提出了减小综合测量误差,提高选线准确性、可靠性的措施。     

自主水下航行器的变质心跟踪控制

The trajectory-tracking control problem is investigated for an autonomous underwater vehicle (AUV) moving in the vertical plane using an internal point mass and a rear thruster as actuators. Combined with the dynamics of the point mass, the AUV is modeled as an underactuated system. A Lyapunov-based tracking controller is proposed by using backstepping approach to stabilize the error dynamics and force the position errors to a small neighborhood of the origin. Simulation results validate the proposed tracking approach.     

两种近似EMD的图像检索方法

相似度量是图像检索的关键,EMD是一种有效的度量距离,但其计算比较复杂,而且赖于基本距离的选择。采用Lloyd聚类算法对图像进行高斯混合建模,并以聚类失真作为基本距离提出了两种近似EMD的方法计算相似度。实验结果验证了该方法的有效性,其检索效率与EMD方接近,而且计算复杂度比EMD方法低,基本距离的选择不敏感。     

一种新的基于在线采样的多物体跟踪方法

跟踪多个运动物体,尤其是在遮挡过程中跟踪多个运动物体,是计算机视觉领域一个重要但具有挑战性的问题.该文提出了一种新的在线采样、更新学习和分类的跟踪框架来处理多物体跟踪问题.首先,对遮挡发生前若干帧的各物体进行块采样,作为训练样本进行在线分类器设计.各帧的物体区域也在线进行块采样,并用这些分类器来进行分类标号.如果遮挡没有发生,一些新的训练样本被添加用来更新分类器.当遮挡发生时,根据标号结果,前景区域被分割成多个目标物体.和以往方法相比,新方法不依赖于一些假设条件,如场景深度信息、物体的先验模型(比如形状、种类、区域内颜色各向同性、运动规律等),具有更好的适应能力.实验结果验证了该文方法的稳定性和有效性.