基于IEEE802．16e的LDPO编译码方案设计及实现

文中提出厂基于IEEE802.16e协议的LDPC码编译码器设计方案。在编码方案中,采用线性复杂度编码,设计了部分译码桶式移位器实现其核心部件矩阵向量乘法器,提高了编码速度,降低了逻辑资源占用量。在译码方案中,针对LOG-BP算法中非线性运算较复杂,译码过程中校验节点史新模块信息量大,消耗资源多的问题,提出用GORDIC算法实现校验节点更新模块,较之传统的LUT方法,节省了大量硬件资源。实验结果表明,本方案在保证LDPC编译码速度和性能的前提下,节约了硬件资源。     

新品速递

美国福禄克公司推出全新E-DWT-HTM多功能压力校准器美国福禄克公司DHI部门近日推出一款全新的数字式压力校准器——E-DWT,该产品可以替代传统压力校准器,简便易用,无论在家中、实验室、器材商店,还是在现场都可以轻松利用其进     

基于流星余迹通信系统的低密度校验码的分析设计

本文介绍了流星余迹信道及其特点、信道编码技术在流星余迹通信系统中的应用.通过分析说明低密度校验(LDPC)码在流星余迹通信系统中的应用,提出了LDPC码应用的几个原则.研究表明,在发射功率(信噪比)有限的情况下,流星余迹通信系统可以利用LDPC码的同时纠错、检错特性,使系统达到高的正确接收率.最后针对流星突发信道的信道参数变化的特点,设计了非规则的短长LPDC码,可以得到比规则LDPC码更加优越的性能.     

中达自动化方案在月饼排盘机上的妙用

日前,中达电通在食品加工业再传捷报,为南京某公司成功开发出了一套全自动化月饼排盘机控制系统。经过验证,由台达编码器、PLC、伺服所构建的排盘机全自动高效控制系统表现优异稳定,大大提升了生产效率与产品品质。对台达自动化所表现出来的高性能与整体性,客户大加赞赏。     

并行通讯格雷码多圈旋转编码器和S7-200型PLC在石灰炉提升机上的应用

本文系统分析了各种旋转编码器和S7-200型PLC的特点,解决了用S7-200型PLC将格雷码翻译成二进制码等难题,选用并行通讯格雷码旋转编码器、S7-200型PLC和中文TD200人机界面组成控制系统,成功实现石灰炉提升机自动控制,控制系统必将在小规模精度定位领域中得到广泛应用。     

基于FPGA的编码器倍频-鉴相电路

光电轴角编码器,又称光电角位置传感器,是电气传动系统中用来测量电动机转速和转子位置的核心部件.文章分析光电编码器四倍频原理,提出了一种基于可编程逻辑器件FPGA对光电编码器输出信号倍频、鉴相、计数的具体方法,它对提高编码器分辨率与实现高精度、高稳定性的信号检测及位置伺服控制具有一定的现实意义.     

基于MSH263编码器协同系统的设计与实现

使用代理动态链接库对Windows(R)NetMeeting(R)调用MSH263编码的过程进行了记录.通过与标准调用序列的对比,发现了未公开的两个ICM消息和一组状态数据,使得MSH263编码器可以在用户程序中应用.给出了MSH263编码帧中隐含的RTP切分索引数据格式,并由此提出了快速切分算法.基于以上方法构造的实时多媒体协同系统,可以与AccessGrid及H.323系统良好互通,已成功应用于多项国家级项目.     

基于FPGA的视频传输流发送系统设计

介绍了一种利用FPGA实现DVB-ASI视频传输流发送系统的组成原理和实现方法.不同于使用Cypress公司的CY78923的方法,使用FPGA编程实现ASI接口转换与发送功能,具有更大的灵活性,且接口复合DVB-ASI接口规范,可实现270Mbps的Mpeg2传输流传输.文中介绍了ASI的特点与构成;并详细阐述了使用FPGA实现ASI高速接口的硬件实现方法.最后给出了相应的测试实验.通过高清编码器和解码器的测试实验表明设计的正确性与可靠性.     

基于注意力机制特征融合的中文命名实体识别

命名实体识别是自然语言处理领域中信息抽取、信息检索、知识图谱等任务的基础。在命名实体识别任务中,Transformer编码器更加关注全局语义,对位置和方向信息不敏感,而双向长短期记忆（BiLSTM）网络可以提取文本中的方向信息,但缺少全局语义信息。为同时获得全局语义信息和方向信息,提出使用注意力机制动态融合Transformer编码器和BiLSTM的模型。使用相对位置编码和修改注意力计算公式对Transformer编码器进行改进,利用改进的Transformer编码器提取全局语义信息,并采用BiLSTM捕获方向信息。结合注意力机制动态调整权重,深度融合全局语义信息和方向信息以获得更丰富的上下文特征。使用条件随机场进行解码,实现实体标注序列预测。此外,针对Word2Vec等传统词向量方法无法表示词的多义性问题,使用RoBERTa-wwm预训练模型作为模型的嵌入层提供字符级嵌入,获得更多的上下文语义信息和词汇信息,增强实体识别效果。实验结果表明,该方法在中文命名实体识别数据集Resume和Weibo上F1值分别达到96.68%和71.29%,相比ID-CNN、BiLSTM、CAN-NER等...     

双路自编码器的属性网络表示学习

属性网络表示学习的目的是在保证网络中节点性质的前提下,结合结构和属性信息学习节点的低维稠密向量表示。目前属性网络表示学习方法忽略了网络中属性信息的学习,且这些方法中的属性信息与网络拓扑结构的交互性不足,不能高效融合网络结构和属性信息。针对以上问题,提出一种双路自编码器的属性网络表示学习（DENRL）算法。首先,通过多跳注意力机制捕获节点的高阶邻域信息;其次,设计低通拉普拉斯滤波器去除高频信号,并迭代获取重要邻居节点的属性信息;最后,构建自适应融合模块,通过结构和属性信息的一致性及差异性约束来增加对重要信息的获取,并通过监督两个自编码器的联合重构损失函数训练编码器。在Cora、Citeseer、Pubmed和Wiki数据集上的实验结果表明,与DeepWalk、ANRL(Attributed Network Representation Learning)等算法相比,DENRL算法在3个引文网络数据集上聚类准确率最高、算法运行时间最少,在Cora数据集上聚类准确率为0.775和运行时间为0.460 2 s;且DENRL算法在Cora和Citeseer数据集上链路预测精确率最高,分别达到了0...