基于OMAP5910的移动媒体播放机设计

一种基于TI双核处理器OMAP5910、采用嵌入式LINUX操作系统设计的移动媒体播放机。     

一种新型电力故障录波器的研究与实现

介绍了一种新型的电力故障录波器的软硬件设计,该装置的主处理器选用了TI公司的浮点处理器TMS320C33芯片,对电力系统进行故障诊断及记录故障发生时系统的动态电参量,满足了故障录波数据测量的高精度要求.主控处理器选用了Motorola公司的ColdFire 5282,它是与上位机监控系统连接的桥梁,设计了丰富的通信接口,负责转发监控命令和故障记录等,ColdFire 5282上移植了μClinux嵌入式操作系统,引入先进的任务调度机制及文件设备管理,提高了系统的稳定性.     

基于ARM+GPU的嵌入式系统综合实践案例设计

为了提高学生人工智能知识的学习和应用能力,提出在嵌入式技术课程中开展人工智能相关教学实践案例设计,基于嵌入式ARM+GPU硬件平台,介绍无人驾驶综合应用案例的实现方法及其实践结果。     

基于μC/OS-II的心电监护仪软件系统设计与开发

μC/OS-II以其运行稳定、实时性强、代码短小精悍等优点受到嵌入式系统开发人员的青睐。该文介绍了一个采用μC/OS-II实现的心电监护仪的软件系统的设计与开发。将μC/OS-II移植到S3C2410处理器上，对μC/OS-II进行了配置，在μC/OS-II上创建并运行8个任务，采用消息队列来实现它们之间的通信，协同工作，实现了监护仪的功能。文章还对不采用操作系统、采用Linux以及采用μC/OS-II实现心电监护仪各自的优缺点作了比较和探讨。 关键词：     

MPEG-4视频解码模块的设计与优化

基于OMAP5910双核处理器设计了一个MPEG-4视频解码模块,对其进行了优化,使之具有实时解码处理的能力。介绍了MPEG-4简单框架的解码过程以及在DSP平台上代码优化过程的重点部分。算法的编写符合TI XDIAS算法标准,通用于C5000系列的DSP平台。该解码过程与优化方法对视频处理以及在OMAP平台开发其他应用有借鉴价值。     

非高斯条件下基于粒子滤波的T波交替检测算法

针对动态心电图中非稳态、非线性和非高斯T波交替检测（T-wave alternans,TWA）的稳健检测问题,本文首先提出了一个TWA的非线性、拉普拉斯噪声的状态空间模型,然后采用粒子滤波方法对动态心电信号中的T波交替幅值进行估计,实现了心电信号中T波交替的定性和定量分析.仿真结果表明,在加入高斯噪声和非高斯噪声情况下,与经典的SM和MMA方法进行对比,本文提出的算法准确度和稳健性表现最好,并且本文算法能准确地实时地跟踪非稳态的TWA现象.     

Intel IPP库在JPEG编码中的应用

随着微处理器技术的发展,具有多媒体处理能力的手持嵌入式设备已成为行业研究热点。介绍了基于ARMv5TE体系结构的XSCale PXA255处理器,对Intel集成性能函数库IPP的特点进行了详细分析、讨论,并以JPEG编码为例介绍了IPP库在PXA255处理器上的使用方法。采用IPP库能有效地提高微处理器处理性能,降低功耗并缩短开发时间。     

LINUX下基于SitSang板USB摄像头图像采集

概述USB摄像头因其便捷,以及能高效给予视觉上的享受,越来越普遍地应用于当今的PC机上;而随着电子技术的发展,嵌入式芯片,特别是基于ARM核的32位CPU不断发展,以其越来越高的速度和性能,使其功能越来越强大,甚至可以与比较先进的PC相媲美,因而可以在这些高性能CPU的嵌入式系统中     

基于μC/OS-Ⅱ的心电监护仪软件系统设计与开发

μC/OS-Ⅱ以其运行稳定、实时性强、代码短小精悍等优点受到嵌入式系统开发人员的青睐.该文介绍了一个采用μC/OS-Ⅱ实现的心电监护仪的软件系统的设计与开发.将μC/OS-Ⅱ移植到S3C2410处理器上,对μC/OS-Ⅱ进行了配置,在μC/OS-Ⅱ上创建并运行8个任务,采用消息队列来实现它们之间的通信,协同工作,实现了监护仪的功能.文章还对不采用操作系统、采用Linux以及采用μC/OS-Ⅱ实现心电监护仪各自的优缺点作了比较和探讨.     

结合马尔可夫随机场与模糊C-均值聚类的脑MRI图像分割

脑磁共振成像(MRI)在临床上得到了大量的应用,准确分割脑组织结构可以提高脑疾病诊断的可靠性和治疗方案的有效性。模糊C-均值聚类(FCM)算法擅长解决图像中存在的模糊性和不确定性问题,是最常用的脑MRI分割方法。但因FCM仅利用图像灰度信息,没有考虑区域信息,导致其抗噪性能很差,常与区域信息结合进行改进。马尔可夫随机场(MRF)算法充分利用了图像区域信息,但容易出现过分割现象,因此FCM常与MRF进行结合改进。针对现有的FCM和MRF结合方式上存在的问题,提出了一种新型的自适应权值的FCM与MRF结合算法,用于脑MR图像分割。该算法利用了图像邻域像素的区域相关性,自适应的更新联合场的权值,改进了现有的权值固定的结合方式,充分发挥了FCM和MRF各自的优势,使二者结合更加合理。实验结果表明,本文算法较FCM和现存的一些FCM改进算法有更强的抗噪声能力和更高的分割精度。