VxWorks在高速数字电台互联网中的应用

VxWorks是一种高性能的嵌入式实时操作系统,在高速数字电台组网的研究开发过程中,我们利用VxWorks操作系统提供的网络功能实现IP层以上的功能,充分发挥了VxWorks网络功能强大和实时,多任务的特点,简化了系统的开发过程,本主要介绍VxWorks的特点和该系统在数字电台互联网络中的应用。     

基于变分模态分解的储能辅助传统机组调频的容量优化配置

储能辅助常规机组参与电网调频,可以改善常规机组调频的弊端,提高调频质量,有利于提高系统的稳定性。通过变分模态分解(Variational Mode Decomposition, VMD)将调频指令信号进行初级分配,在考虑机组的爬坡限制以及储能的功率和荷电状态(State Of Charge, SOC)等限制后,确定各调频源在每分钟内的功率约束。提出了指令信号越限时再分配的方法,以实现在每分钟时间段内以最优比例在两种资源间分配调频指令。以所构建的成本-效益模型为目标,通过粒子群算法进行寻优,从而得到经济性最优的储能容量配置。最后基于实测的区域控制误差(Area Control Error, ACE)信号,分析了不同分配方案对储能容量配置、效益以及技术性的影响,验证了所提方法的可行性与有效性。     

主动式配电网电源分区布点规划关键技术研究

主动式配电网电源分区布点后网损较大,节点电压稳定性差。鉴于电力系统的现实需求,提出基于遗传算法的主动式配电网电源分区布点规划方法。综合考量网损、网络节点电压的总偏差和投资成本、潮流等关键技术,根据网损最小、投资成本最低、电压稳定性最强原则,建立目标函数,将潮流方程、线路传输功率、节点电压、接入分布式电源的总容量、反向潮流等作为目标函数的约束条件,引入遗传算法对目标函数进行求解,通过搜索寻优的方式找到主动式配电网电源分区布点规划的最佳方案。实验结果证明,与文献方法相比,布点规划技术的网损与规划费用均较低,负荷节点电压较高,增强了节点电压稳定性,综合规划效果好。     

多目标跟踪的混合高斯PHD滤波

为解决目标数未知或随时间变化时的多目标跟踪问题,将多目标状态和观测信息表示为随机集的形式,建立了多目标跟踪的混合高斯概率假设密度（PHD）滤波方法。当目标初始的先验概率密度满足高斯分布的形式时,通过将状态噪声、观测噪声、目标的繁衍、新目标的产生、目标的存活概率和检测概率表示成混合高斯的形式,之后每个时刻的后验概率密度均能表示成混合高斯的形式。线性混合高斯PHD滤波方法将Kalman滤波引入到PHD滤波中,利用混合高斯成分预测和更新随机集的PHD,并估计出目标的状态。实验结果表明,在杂波环境下混合高斯PHD滤波方法可以有效地跟踪目标状态。     

一种基于高斯函数的直线型边缘提取算法

结合噪声孤立、不连续的特点以及直线梯度幅值和方向的一致性原理,提出了一种基于高斯函数直线型边缘提取算法.与传统的直线提取算法相比,本文提出的算法能够有效的防止边缘细节的丢失和断裂.实验结果表明,该算法在检测直线型边缘时具有较强的抗噪声性能.     

蓝牙网络中的安全技术

蓝牙作为新的无线通信技术,推动和扩大了无线通信的应用范围,使网络中的各种数据和语音设备能互连互通,实现个人区域内的快速灵活的数据和语音通信。文章根据蓝牙技术的特点,深入研究了现有的蓝牙网络安全技术,分析了目前蓝牙标准在安全方面的不足,并提出了改进方向。     

Ad Hoc网络中的路由算法

Ad Hoc网络是由移动结点以无线通信方式组成的无中心自组织网络。文章针对Ad Hoc无线移动网络的特点,对目前的Ad Hoc网络中的路由算法进行了研究,特别分析了不同的路由发现和路由维护策略,并对table-driven和on-demand两种类型的算法进行了比较。最后,文章对Ad Hoc路由算法的发展前景作了简短的讨论。     

变分贝叶斯概率数据关联算法

针对杂波环境下的目标跟踪问题,提出了一种基于变分贝叶斯的概率数据关联算法(Variational Bayesian based probabilistic data association algorithm, VB-PDA).该算法首先将关联事件视为一个随机变量并利用多项分布对其进行建模,随后基于数据集、目标状态、关联事件的联合概率密度函数求取关联事件的后验概率密度函数,最后将关联事件的后验概率密度函数引入变分贝叶斯框架中以获取状态近似后验概率密度函数.相比于概率数据关联算法, VB-PDA算法在提高算法实时性的同时在权重Kullback-Leibler (KL)平均准则下获取了近似程度更高的状态后验概率密度函数.相关仿真实验对提出算法的有效性进行了验证.     

基于Fire-MCANet的火焰检测模型

针对火焰检测参数量和计算量较大及准确度较低的问题,提出一种基于Fire-MCANet(Fire-Max Convolution Activate Networks)的火焰检测模型。该模型首先构建一种MCA(Max Convolution Activate)模块,使用大卷积核获取感受野,提高特征提取的能力;其次构建主干网络MCANet Block,在提升感受野的同时,降低模型的参数量和计算量;最后引入CA(Coordinate Attention)注意力机制获取火焰的位置信息。实验结果表明,基于Fire-MCANet的火焰模型的检测准确率达到95.75%,计算量仅有2.13 GMac;其网络模型的结构比ConvNeXt网络更加轻量化,检测效果也更好。