基于Delphi嵌入汇编数据采集程序的设计

实现嵌入式汇编技术就是直接把汇编语言的代码写到高级语言的代码中并一起进行编译,不需要独立的汇编系统和另外的连接步骤。嵌入式汇编技术在不同的高级语言中语法各不相同。文章主要给出了在Delphi环境中嵌入汇编的具体用法。采用嵌入式汇编技术对Intel8255和8254接口芯片的具体操作,以及介绍了数据采集软件的设计流程和程序的具体实现方法。     

SOPC嵌入式系统中软件的分段加载程序设计

SOPC嵌入式系统中,ITCM是最高效的程序运行空间,且存储空间大小仅为256 KB.当程序大于256 KB时,采用传统的程序加载模式无法对其进行加载.针对这一问题,本文设计了一种基于SOPC嵌入式软件的分段加载程序设计方法,该设计方法主要理念是将一部分程序放在ITCM中运行,另一部分程序存放在片内SRAM或者片外存储...     

红外含噪图像自适应增强

通常的红外含噪图像增强方法很难有效滤除图像中噪声。提出一种新的红外含噪图像自适应增强算法以克服边缘增强和抑制噪声的矛盾。首先采用尖锐频率局部化Contourlet变换完成图像分解;然后采用分层自适应阈值算法估计降噪阈值,并进行自适应降噪;最后对降噪后高频带通信号引入图像清晰度参数,设计半软阈值增强函数,实现红外含噪图像自适应增强。实验结果验证了新方法的有效性。     

岭参数优化的ELM岭回归学习算法

针对ELM(extreme learning machine,极限学习机)学习算法可能存在的解的奇异问题,提出了岭参数优化的ELM岭回归学习算法(ELMRR).该算法利用岭回归方法代替原有的线性回归算法,以均方根误差为性能指标,采用粒子群优化算法确定最佳岭参数.为了验证该方法的有效性,对函数回归和分类问题进行仿真实验分析,结果表明该方法改善了ELM的预测性能且克服了传统岭回归算法岭参数难以确定的缺点.     

基于特征加权K最近邻的无人机武器发射过程参数预测

针对K最近邻算法难以建立高精度的非线性模型问题,提出了一种基于特征加权的K最近邻预测方法。为提高模型的预测精度,该方法从特征重要程度的角度出发,采用Bootstrap特征加权方法对K最近邻算法进行特征加权。为了验证该方法的有效性,对无人机武器发射过程参数进行了预测。实验结果表明,与其它算法相比,该算法不仅体现了样本数据在模型中的作用,而且具有较高的预测精度。     

基于改进的LS-SVM地空导弹生存能力的预测

针对最小二乘支持向量机(LS-SVM)缺失的鲁棒性以及参数难以选择的问题,提出了改进的LS-SVM预测建模方法。该方法首先从样本特征重要程度的角度出发构造特征加权矩阵,然后利用该特征加权矩阵对LS-SVM进行加权,最后采用了人工鱼群优化算法选择模型参数。通过对基准数据集的仿真验证了该方法的有效性和可行性,并将其预测地空导弹生存能力,获得了满意的结果。     

纸浆浓度专家PID控制

本文简要的分析了普通PID控制的不足，在这一基础上介绍了专家PID控制的特点，并提出了一种新的控制方案——专家PID控制，通过与普通PID浓度控制曲线相比，该方案具有较好的动态性能和鲁棒性。     

基于非线性鲁棒连续回归的汽油干点软测量

针对RCR算法难以建立高精度的非线性软测量模型的问题,提出了一种径向基函数(radial basis function,RBF)与鲁棒连续回归(robust continuum regression,RCR)相结合的非线性RCR(nonlinear RCR,NLRCR)建模方法。该方法首先应用RBF将非线性样本数据映射到高维特征空间中,然后在高维特征空间中建立RCR线性回归模型。本文通过仿真实验,验证了方法的有效性。并将其应用于延迟焦化汽油干点的软测量建模中,获得了比RCR和RBF-PLS算法更高的预测精度。     

基于多K最近邻回归算法的软测量模型

针对单一模型预测精度较低的问题,提出多K最近邻回归算法(MKNN)的软测量建模方法.该方法采用高斯过程选择软测量模型的辅助变量,通过自适应仿射传播聚类方法将输入样本数据分成多组数据,对每组数据用K最近邻回归(KNN)算法建立子模型,各个子模型的预测输出通过主元回归(PCR)方法连接.用该方法建立粗汽油干点软测量模型,仿真研究表明,该算法的预测精度和泛化能力优于单KNN模型.