基于ARM9和FAT的高速海量数据采集系统

针对一些控制系统,为了能够快速获取实时数据,并借助上位机系统进行离线分析,提出了移植FAT文件系统到ARM中,将实时采集的海量数据保存到SD卡的设计方案;该方案以S3C2440 ARM9为嵌入式平台,结合文件系统和SD卡存储技术设计了数据采集系统,应用MATLAB等软件对数据进行分析处理,实现了对控制系统模型的矫正;经飞思卡尔智能车系统的设计证明,这种方案在系统建模和系统特性分析上具有较强的应用价值.     

客运索道车厢信息检测系统的设计

为解决目前客运索道的检测系统中只能对钢丝绳进行检测,不能准确提供车厢及车内乘客的相关信息的问题,研究了一种索道车厢信息检测系统.该系统以单片机为中心,各部分以无线网络进行通信,利用编码轮测量车厢运行速度和方向,并能准确定位车厢与索道运营中心的距离;光电开关配合行程开关的使用能检测车厢内游客的信息,为发生事故时人员的救援提供了宝贵的资料;上位机部分采用组态王编写,画面形象逼真,可以实时动态显示车厢运行情况.运行结果表明,该系统运行稳定,使用方便,提高了工作效率.     

OSPF在按需电路上配置的研究与应用

OSPF是个链接状态路由协议,在同一层的区域内与其它所有路由器交换链接状态公告（LSA）信息。OSPF的LSA中包含连接的接口、使用的metric及其它的变量信息。OSPF路由器积累链接状态信息,并使用SPF算法来计算到各节点的最短路径。OSPF不但已成为目前Internet广域网和Intranet企业网采用最多、应用最广泛的路由协议之一,而且在综合业务数字网（ISDN）、X.25交换式虚电路（SVC）和拨号线路等应用广泛,故OSPF在按需电路上的配置成为目前极为关注的问题。     

基于对数变换的DWT-SVD域水印算法研究

提出了一种基于小波变换和奇异值分解的水印算法。首先将置乱加密后的图像无重叠地分成32×32子块,对各个子块进行小波变换和奇异值分解后,然后选择部分奇异值进行对数运算,最后依据水印信息位进行水印的嵌入。实验结果表明该算法既能保证水印的不可见性又拥有抗JPEG压缩的稳健性,对恶意篡改敏感,能够有效的将JPEG压缩与恶意篡改区分开来。     

基于兴趣视图子集的流立方体计算方法

流立方体计算是流式数据多维分析的重要基础,然而流式数据的动态性、无限性、突发性等特征使其面临巨大的挑战.在实际应用中,用户的兴趣通常集中在部分视图上,基于这个特点提出了一种基于兴趣视图子集的计算方法,依据用户历史查询信息确定兴趣视图子集与兴趣路径,同时定义了Stream-Tree结构用于在主存中物化存储兴趣视图子集所包含的数据单元,在运行过程中依据多层次时间窗口约束不断更新和维护Stream-Tree中存储的数据单元,而对于稀疏数据单元仅保留高层次的聚集值.实验和分析表明,该方法能够在有限的主存空间中维持流立方体当前窗口内的数据单元,同时能够支持快速更新维护存储结构和响应用户查询.     

聚苯胺-多壁碳纳米管薄膜SAW NO2传感器

将聚苯胺-多壁碳纳米管聚合物沉积于声表面波(SAW)气体传感器的敏感区,形成敏感薄膜,实现了室温下对不同体积分数NO2的检测.研究表明:这种传感器具有很高的敏感性,良好的重复性和低体积分数检测极限.同时,单一聚苯胺薄膜也做了对比测量,实验结果表明:聚苯胺-多壁碳纳米管聚合物敏感膜比单一聚苯胺薄膜具有更高的敏感性和更短的...     

卫星群分布式技术的研究与实现

随着航天技术的发展,越来越多的信息需在星上处理,卫星群分布式技术已成为近年来研究的热点. 与地面环境不同,卫星受到体积、功耗、空间辐射等条件的限制,在卫星群建立分布式环境需掌握架构设计、操作系统、资源管理等关键技术. 针对以上问题,本文先研究卫星群分布式计算与存储架构、其次研究卫星群分布式资源监控的实现过程,最后通过卫星群验证系统证明其可行性与优越性.     

在Mathematica环境下实现交互式矩阵初等变换

在Mathematica7.0环境下,实现了交互式矩阵初等变换。使用时只需选择矩阵初等变换的类型,并输入相应的变换参数,即可完成相应的初等变换并以可视化的方式显示矩阵初等变换的步骤及结果。在线性代数的教学中采用此交互式矩阵初等变换,可以在课堂中随时改变实例并进行演示来提高多媒体教学内容的灵活性。     

基于数据差异的CDP邻近时间点恢复

块级CDP系统无法提供有明确语义信息的可恢复时间点,用户难免需执行多次恢复才能获得有效数据。若对每次恢复都使用传统算法,会耗费大量时间与开销。目标时间点相邻较近的两次恢复,其有效数据间存在少量差异。将部近时间点恢复划分为4种类型,给出一种用“位表”标记差异数据块、把多余数据剔除、缺少数据写入的“差异算法”。原型实验表明,该算法能够提供正确的邻近时间点恢复,其效率优于传统算法,且差异数据量更小,效率更高。