LIRC设备驱动程序的设计和实现

红外遥控是目前常用的一种对日常设备的遥控方法,同样我们也可以用他来实现对电脑的遥控。介绍了在linux环境下使用红外设备遥控pc机的方法及基本原理,重点分析了红外设备驱动如何实现对设备的管理,如何得到红外信号并将信号传给上层用户空间的过程。     

基于单片机的温室自动控制系统

介绍一种基于单片机的温室温度自动控制系统。热敏电阻采集温室内的温度,单片机控制温度在液晶屏上实时显示,利用上位机进行实时监控,通过串行通信将采集到的数据送至上位机,应用系统自带的超级终端软件实现温室温度在上位机中的实时显示。     

具有图形化和远程通信功能的超声波检漏仪

介绍了由图形化显示和无线通信技术构成的便携式超声波检漏仪。在以DSP为核心的检漏仪中,基于VP12864T模块的液晶显示器显示各种形式的被测信号,尤其是图形显示;同时基于异步收发芯片TC35实现无线远程通信,使检漏仪更快速、安全的指导维修人员进行现场补漏。     

基于分区和多时相遥感数据的山区植被分类研究

山区地形的特殊性导致了山区植被分类的复杂性。位于不同光照区域的同种植被,其光谱亮度值具有较大差异,分区使分类规则及阈值的设计更具针对性。多时相遥感数据能够充分利用不同植被类型间光谱特征时间效应。基于此提出了利用分区和多时相遥感数据进行山区植被的分类研究。研究表明,该方法在山区植被分类中具有明显的技术优势,分类总体精度和kappa系数分别为81.3%和0.72。     

无人机遥感影像获取及后续处理探讨

作为卫星遥感和航空遥感的有益补充,无人机航空遥感系统获取遥感影像具有多种特性。通过4次无人机航拍试验,根据所获取的遥感影像和飞行辅助数据,对航拍数据进行拼接。从航拍的多个方面对飞行试验以及实验成果进行了质量评价。并提出了无人机应用于航拍时存在的问题及一些改进方法。     

基于RS与GIS的夏尔希里自然保护区植被NPP估测研究

以植被净第一性生产力NPP遥感估测为研究内容,以地学和生态学知识为基础,利用RS、GIS 技术手段,综合遥感光谱数据、DEM数据、统计数据、定位点的实测数据等多源信息,构建了 NPP 遥感地形模型,计算出夏尔希里自然保护区7 月份的植被 NPP。最终完成夏尔希里自然保护区植被生产力的定量化。     

基于RDMA的区块传输机制设计与实现

随着区块链技术的不断发展,区块的传输延迟成为区块链系统可扩展性的性能瓶颈。远程直接内存访问（RDMA）技术能够支持高带宽和低时延的数据传输,为低延迟区块传输提供了新的思路。因此,结合RDMA原语的特性,设计了用于区块信息共享的区块目录结构,并在此基础上设计并实现了区块传输的基本工作过程。实验结果表明,相较于基于TCP的方案,在1 MB大小的区块上基于RDMA的区块传输机制将节点间的区块传输延迟降低了44%,全网络的区块传输延迟降低了24.4%,在10 000节点规模的区块链上,区块链发生临时分叉的数量降低了22.6%。可见,基于RDMA的区块传输机制充分发挥了高速网络的性能优势,降低了区块传输延迟及临时分叉的数量,提高了现有区块链系统的可扩展性。     

基于多尺度圆周频率滤波与卷积神经网络的遥感图像飞机目标检测方法研究

针对遥感图像飞机目标检测因目标尺度不一存在漏警、虚警等问题,该文基于遥感图像中飞机目标形状特征和灰度变化特点提出了一种多尺度圆周频率滤波(MSCFF)与卷积神经网络(CNN)相结合的MSCFF+CNN飞机目标自动检测算法.该算法首先采用多尺度圆周频率滤波器滤除遥感图像复杂背景,实现不同尺度飞机目标候选区域提取;然后,通过构建卷积神经网络(CNN)模型实现候选区域有效分类,最终精确确定飞机目标位置.最后,基于获取的真实遥感图像进行目标检测算法实验验证,经统计该算法的飞机目标检测率为94.38%,虚警率为3.76%,实验结果充分验证了该文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持.     

RFID Positioning and Physiological Signals for Remote Medical Care

The safety of patients and the quality of medical care provided to them are vital for their wellbeing. This study establishes a set of RFID (Radio Frequency Identification)-based systems of patient care based on physiological signals in the pursuit of a remote medical care system. The RFID-based positioning system allows medical staff to continuously observe the patient's health and location. The staff can thus respond to medical emergencies in time and appropriately care for the patient. When the COVID-19 pandemic broke out, the proposed system was used to provide timely information on the location and body temperature of patients who had been screened for the disease. The results of experiments and comparative analyses show that the proposed system is superior to competing systems in use. The use of remote monitoring technology makes user interface easier to provide high-quality medical services to remote areas with sparse populations, and enables better care of the elderly and patients with mobility issues. It can be found from the experiments of this research that the accuracy of the position sensor and the ability of package delivery are the best among the other related studies. The presentation of the graphical interface is also the most cordial among human-computer interaction and the operation is simple and clear.     

低功耗异构计算架构的高光谱遥感图像分类研究

高光谱图像分类算法通常需要逐点对图像中的像素点进行迭代处理,计算复杂度及并行程度存在较大差异。随着高光谱遥感图像空间、光谱和辐射分辨率的不断提升,这些算法无法满足实时处理海量遥感图像数据的需求。通过分析NPU存储计算一体化模式与遥感图像分类算法的实现步骤,设计低功耗CPU+NPU异构资源计算架构的低秩稀疏子空间聚类（LRSSC）算法,将数据密集型计算转移至NPU,并利用NPU数据驱动并行计算和内置AI加速,对基于机器学习算法的海量遥感数据进行实时分类。受到big.LITTLE计算范式的启发,CPU+NPU异构资源计算架构由8 bit和低精度位宽NPU共同组成以提高整体吞吐量,同时减少图网络推理过程中的能量损耗。实验结果表明,与CPU计算架构和CPU+GPU异构计算架构的LRSSC算法相比,CPU+NPU异构计算架构的LRSSC算法在Pavia University遥感数据集下的计算速度提升了3~14倍。